基于粒子群算法的流程工业生产调度研究

以优化流程工业生产为目标,研究了将基于惯性权重的粒子群算法应用到流程工业的生产调度问题。在对流程工业生产调度问题进行分析的基础上,建立了以总加工完成时间最短为优化目标的生产调度模型。调度算法采用动态惯性权重,使惯性权值在粒子群算法搜索过程中线性变化,以提高粒子群算法的优化性能。给出了粒子编码与解码实现方法,以及具体的算法实现过程。以某流程工业企业生产调度实例为例,利用建立的优化调度模型和设计的粒子群算法进行了实验仿真,结果表明,建立的调度模型和设计的算法是可行的,与蚁群系统方法相比较,有较好的调度性能,适用于解决流程工业实际生产调度问题。     

蚁群算法在服务器集群批量任务调度中的应用

服务器集群中的负载均衡和作业调度是影响系统性能的重要因素.本文描述服务器集群批量任务的作业调度问题,对该问题建立了基于图的模型.由于使用一般的启发式算法或动态规划算法解决该问题具有局限性,本文引入蚁群算法进行求解,并针对该问题具体求解提出了启发式距离合适的计算方法.最后在仿真的基础上,讨论了算法的优化效果和收敛性,结果表明蚁群算法解决该问题具有优异的性能.     

钢构企业生产调度系统的研究与应用

一个好的生产调度系统可以给钢结构企业的生产带来巨大的收益,但钢构企业的生产调度约束复杂、寻优困难。针对该调度问题提出基于蚁群遗传混合算法的生产调度模型,并解决动态调度情况下的紧急工件插入问题。以河北省某钢结构企业为依托,对该生产调度系统执行情况进行研究,实验结果表明,该蚁群遗传混合算法在钢构企业生产调度中的应用可以提高生产效率。     

混合算法在钢构企业生产调度系统中的应用

针对钢构企业生产调度约束复杂、寻优困难等问题,提出了多目标生产调度的生产调度模型,并利用蚁群遗传混合算法求解生产调度计划。以某钢结构企业设计实现的生产管理系统为依托,研究了生产调度系统的执行情况,通过不同方法进行模拟计算和比较,验证了该多目标生产调度模型的解可节省生产时间,从而指导钢结构生产以提高效率。     

大型物流车辆配送线路自适应调度方法

为了有效提高物流配送车辆的利用率,降低配送车辆的空载率及物流运输成本,需要对大型物流车辆配送线路自适应调度方法进行研究。当前方法多是采用通过对物流车辆配送过程中的调度与路径选择进行分析,建立多类型的物流配送车辆调度模型,并构建改进后的遗传算法,对物流调度模型的算法效率以及计算时间和复杂度进行优化,以获取物流车辆配送调度问题的最优解,但该方法存在过程较为繁琐的问题。为此,提出一种大型物流车辆配送线路自适应调度方法。该方法首先建立物流车辆配送线路调度问题的数学模型,为实现自适应调度方法对数学模型进行优化求出最优解,利用蚁群算法对物流车辆配送调度数学模型的最优解进行优化,获取最优路径的适应度初始化蚁群算法的各客户点之间的信息素,从而得出了优化的最优路径;以优化的最优路径完成对大型物流车辆配送线路自适应调度。仿真实验表明,利用蚁群算法不仅加快了物流配送路线调度优化问题求解的速度,降低了物流运输的成本,而且获取了最优解的概率,比其他调度算法具有更明显的优势。     

基于改进蚁群算法的物流配送路径优化

随着社会的不断进步,配送车辆最短路径优化问题已广泛应用于交通运输、网络购物、物流配送等与生产生活息息相关的问题,然而配送车辆路径优化的计算比较复杂.文中建立在带约束条件的多车辆物流配送问题模型的基础上,运用改进的蚁群算法解决物流配送过程中的路径选择问题.通过对信息索的全局和局部更新规则进行改进,和传统的最值蚁群算法进行比较,算法的收敛速度和全局搜索能力得到提高.文中最后成功将改进后的蚁群算法应用于多车辆物流调度路径优化问题.结果表明该优化算法性能受优.     

自适应蚁群算法在流水车间调度的应用

以求解旅行商问题(TSP)来介绍基本蚁群算法模型.针对其存在的易陷入局部最优和易出现停滞等缺点,将自适应调节策略与蚁群算法结合,提出应用改进的蚁群算法求解流水车间调度问题,并通过仿真实验验证了该改进算法的有效性和优化性.     

汽车冲压车间生产调度仿真系统的设计

生产调度是冲压车间生产管理的基本内容,通过仿真方法可以优化生产调度,提高生产线的利用率.通过分析某汽车制造企业冲压生产线的工艺流程和调度要求,提出了有关合理假设,以最大化节约时间成本为指导思想,建立了汽车冲压车间生产调度仿真模型.在仿真算法设计原则基础上,详细说明了算法的执行流程.最后简单介绍了系统的功能,并给出一个生产调度实例.实例结果表明该系统能获得合理的调度方案,适用于企业冲压生产线的调度问题.     

啤酒原料配方的蚁群优化设计研究

啤酒配方优化是提高啤酒企业生产效率的重要途径。但对于配方优化问题,传统的数学优化方法实现较为复杂,缺乏全局最优解搜索的鲁棒性。蚁群算法目前多用于组合优化问题,但它在演化过程中有收敛慢、耗时长的缺点。因此,提出了变尺度蚁群算法,在迭代过程中不断收缩蚂蚁的搜索范围以提高优化效率。并研究了变尺度蚁群算法在啤酒配方优化中的应用,在满足生产指标前提下,实现配方的原料总成本最低。其应用结果表明：针对啤酒配方优化这类连续域问题,变尺度蚁群算法具有更强的全局搜索能力和鲁棒性,并易于实现,具有实际应用价值。     

运输调度问题的蚁群算法研究

蚁群算法是一种用于求解复杂组合优化的较新的启发式算法.本文简述了蚁群算法的基本原理及算法模型,通过分析研究现状指出了蚁群算法在实际应用中的局限性,最后给出解决一般运输调度问题的蚁群算法,并分析了其今后的发展方向.     

动态评价粒子群优化及风电场微观选址

提出了动态评价方法处理一类约束优化问题.将目标函数值和约束违反量进行动态归一化处理,再进行加权求和,动态评价解的优化性能.不仅解决了惩罚因子确定困难的问题,而且增加了优化算法的多样性,提高了优化算法搜索全局最优解的能力.将动态评价方法引入粒子群算法,求解风电场微观选址优化问题.仿真结果表明,动态评价方法提高了风电场发电量和风能利用效率.此外,该方法可广泛应用于其他优化算法以求解约束优化问题.     

无线传感器网络跳数和通信距离自适应差错控制策略

无线传感器网络(WSNS)的动态信道特性、网络带宽和节点能量受限等特点,使得在无线环境下为数据传输提供可靠性保证面临更大的挑战.本文提出一种适用于WSNS的自适应链路层差错控制策略(AEC-Hops/RSSI),以便改善WSNS的通信性能.首先建立数学模型,分析数据帧被转发所经历的跳数与能效的变化规律,然后分析前向纠错...     

Dynamic supply chain scheduling

Based on a combination of fundamental results of modern optimal program control theory and operations research, an original approach to supply chain scheduling is developed in order to answer the challenges of dynamics, uncertainty, and adaptivity. Both supply chain schedule generation and execution control are represented as an optimal program control problem in combination with mathematical programming and interpreted as a dynamic process of operations control within an adaptive framework. Hence, the problems and models of planning, scheduling, and adaptation can be consistently integrated on a unified mathematical axiomatic of modern control theory. In addition, operations control and flow control models are integrated and applicable for both discrete and continuous processes. The application of optimal control for supply chain scheduling becomes possible by formulating the scheduling model as a linear non-stationary finite-dimensional controlled differential system with the convex area of admissible control and a reconfigurable structure. For this model class, theorems of optimal control existence can be used regarding supply chain scheduling. The essential structural property of this model are the linear right parts of differential equations. This allows applying methods of discrete optimization for optimal control calculation. The calculation procedure is based on applying Pontryagin’s maximum principle and the resulting essential reduction of problem dimensionality that is under solution at each instant of time. The gained insights contribute to supply chain scheduling theory, providing advanced insights into dynamics of the whole supply chains (and not any dyadic relations in them) and transition from a partial “one-way” schedule optimization to the feedback loop-based dynamic and adaptive supply chain planning and scheduling.     

多段多品种间歇过程混合型生产调度策略及应用研究

本文对一类多段,多品种间歇生产过程进行了数学描述,将数学模型和专家系统相结合,给出了该过程的混合型生产调度策略。以啤酒行业为背景进行应用研究获得了满意的结果。     

The order structure of fuzzy numbers based on the level characteristics and its application to optimization problems

Ranking and comparing fuzzy numbers is an important part in many fuzzy optimization problems such as intelligent control and manufacturing system production line scheduling with uncertainty environments. In this paper, based on the level characteristic function and α-average of level cut sets of fuzzy number, we establish the IMα-metric method for measuring fuzzy number as a whole, and introduce the concept of IDα-difFerence that describes the reliability of IMα-metric value. Further, the basic properties and the separability of IMα-metric and IDα-difference are discussed. Finally, we give a mathematical model to solve fuzzy optimization problems by means of IMα-metric.     

基于Adaboost算法的回声状态网络预报器

把单个回声状态网络(echo state network,ESN)的预测模型作改进,对整体ESN预测精度的提高是有限的.针对以上问题,本文考虑整体ESN.首先利用Adaboost算法提升单个ESN的泛化性能及预测精度,并且根据Adaboost算法的结果,建立一种ESN预报器(Adaboost ESN,ABESN).这个ESN预报器根据拟合误差不断修正训练样本的权重,拟合误差越大,训练样本权重值就越大;因此,它在下一次迭代时,就会侧重在难以学习的样本.把单个ESN的预测模型经过加权,然后按照加法组合在一起,形成最终的ESN预测模型.将该预测模型应用于太阳黑子、Mackey-Glass时间序列的预测研究,仿真结果表明所提出的预测模型在实际时间序列预测领域的有效性.     

Multi-objective optimal scheduling of reconfigurable assembly line for cloud manufacturing

We propose a multi-objective optimization scheduling model to improve the production efficiency of a reconfigurable assembly line. We aim to minimize the costs of assembly line reconstruction, achieve the production load equalization, and minimize the delayed workload using this model. However, the proposed multi-objective optimization model is significantly complex for conventional mathematical optimization methods. Thus, we present an efficient solution approach based on a distance sorting particle swarm optimization. Finally, a case study is conducted to illustrate the feasibility and efficiency of the proposed method. Experimental results indicate that our proposed approach can significantly improve the production efficiency (i.e. increased production load balance, minimized reconstruction cost, and minimized delayed workload).     

酱油生产过程优化排产技术研究

酱油生产中人工排产的方式难以合理地优化配置资源,一定程度上制约了其由作坊式生产向规模化生产方式的转变。文中根据国内某大型调味品公司的酱油生产工艺建立了计划与调度的框架,并对其中的种曲、制曲、发酵过程进行分析,以每天剩余种曲量之和最小化为优化目标,建立了数学模型。仿真结果表明,采用该方法可为酱油生产的复杂排产提供辅助的决策支持,促进国内酱油生产技术的进步。     

Energy-efficient scheduling for a flexible flow shop using an improved genetic-simulated annealing algorithm

The traditional production scheduling problem considers performance indicators such as processing time, cost, and quality as optimization objectives in manufacturing systems; however, it does not take energy consumption or environmental impacts completely into account. Therefore, this paper proposes an energy-efficient model for flexible flow shop scheduling (FFS). First, a mathematical model for a FFS problem, which is based on an energy-efficient mechanism, is described to solve multi-objective optimization. Since FFS is well known as a NP-hard problem, an improved, genetic-simulated annealing algorithm is adopted to make a significant trade-off between the makespan and the total energy consumption to implement a feasible scheduling. Finally, a case study of a production scheduling problem for a metalworking workshop in a plant is simulated. The experimental results show that the relationship between the makespan and the energy consumption may be apparently conflicting. In addition, an energy-saving decision is performed in a feasible scheduling. Using the decision method, there could be significant potential for minimizing energy consumption.     

基于退化机器模型的分布式柔性生产系统:性能分析、任务调度及预测性维护

在近些年的制造环境中,由于市场对多品种、小批量定制产品需求的增加,生产制造更加深入地向着柔性方向发展.如何利用现有资源,提高生产效率,实时地对系统性能进行评估与预测,并对基于小批量生产的实时调度进行优化改进,在分布式柔性生产系统中具有重要的研究意义.因此,基于退化机器模型的多批次串行生产线的性能进行分析,并对分布式生产系统进行任务调度及预测性维护.具体地说,对于具有退化机器模型及有限容量缓冲区的生产系统,首先采用马尔科夫分析方法建立数学模型;随后,提出精确方法来计算此生产系统模型实时的性能指标,并针对该模型下的调度问题,设计最优完成时间指标优化算法;此外,提出基于退化机器模型的预测性维护策略以减少完成时间;最后,通过数值实验验证该算法的可行性和有效性.