面向订单的生产计划与调度的综合优化

研究了一个多订单环境下的生产计划与调度集成优化问题,以实现准时生产为目标,综合考虑产品装配结构约束的订单任务计划与订单产品零部件的加工调度,采用直接面向客户订单的工序调度模式建立了计划和调度的综合优化整数规划模型.设计了带精英策略的蚁群算法作为该数学模型的求解方法,并通过对比试验为该算法选取最佳的搜索参数.实例仿真结果表明,所建模型的正确性以及蚁群算法求解该问题的可行性和有效性.     

应用改进蚁群算法求解柔性作业车间调度问题

将蚁群算法信息素更新规则进行改进,规定只有产生至今最优解的蚂蚁才能释放信息素,且只更新全局信息素,减少了传统蚁群算法的时间复杂度,提高了问题的求解效率。分析了柔性作业车间调度的特点,选取三个性能指标作为求解目标,设定其求解优先级,并建立相应的调度模型。将改进蚁群算法应用于柔性作业车间调度算例的求解,与其它算法比较,平均解有很大提高,表明了该算法求解柔性作业车间调度问题的有效性。     

图的度量维数问题的0-1蚁群条件着色分辨算法研究

图的度量维数问题（MDP）是一类在机器导航、声呐系统布置、化学、数据分类等领域有重要应用的组合优化问题．针对该问题,本文通过引入图的分辨表存储结构,建立了非线性求解模型;同时,通过改进现有蚁群算法的参数设计,利用全局搜索和局部搜索相结合的策略,建立了求解模型的改进型蚁群算法．数值对比分析验证了算法的有效性：全局搜索和局部搜索的结合较大程度的改进了算法求解质量;在规则图上提高算法求解质量具有一定挑战;与遗传算法计算结果相比较,本文提出的算法不仅在求解质量方面有所提升,而且在最坏的情况下能为图提供极小分辨集. 最后,本文探索了部分算法参数对算法求解质量的影响,并给出了进一步研究课题．     

基于改进蚁群算法的船舶尾气监测无人机调度

目前通过无人机搭载监测设备飞抵船舶上空进行近距离监测已经成为一种十分有效的船舶尾气监测手段。在相关实际场景中,船舶处于移动状态,无人机有着续航能力的限制,且由于缺乏对应的调度算法,无人机存在着监测目标选择随机性高、飞行路径不精确、电量规划不合理等问题。现有的求解方法面向大量数据时存在求解效率低的问题。基于上述问题,针对面向船舶尾气监测的无人机调度问题展开了研究。将上述调度问题转化为一个可通过蚁群算法求解的模型,提出了基于信息素分级的蚁群算法对上述调度问题进行求解。通过实验验证与对比,证明了提出的基于信息素分级策略的蚁群算法能够取得良好的规划效果。     

考虑不确定性条件的退役产品拆解柔性调度

由于回收的退役产品存在来源、类型、结构和性能残值等方面的不确定性差异，致其梯次或资源化再利用前的拆解逆向生产调度的平稳性受来料品类、拆解序列和拆解方式等不确定性扰动因素影响。本文以采用柔性工装夹具工作站的退役产品拆解生产线为研究对象，考虑不确定的来料品类、拆解序列和拆解方式造成的扰动因素，构建以最短完工时长为目标的AND/OR节点网络调度策略，及其混合整数规划调度模型，并选用改进模拟退火单亲遗传算法求解。实例证明，本文提出的动态调度策略及模型与传统手工经验调度相比较，可减少不确定扰动因素对生产调度的波动影响，有效均衡并提升柔性拆解线设备的利用率，提高退役产品拆解效率。     

装配作业车间分批调度问题的算法对比

建立最小化makespan的装配作业车间分批调度模型,利用遗传算法构建基于整体集成优化策略、分层迭代优化策略和双层进化策略的求解算法。它们的区别在于处理批量划分问题和子批调度问题的联合优化机制不同。最后通过仿真实验对比了几类算法的求解效果和收敛速度,并分析了它们的适应性特点。     

多堆场集装箱卡车路径规划的混合蚁群算法

为提升集装箱运输系统的运输效率,以进口港口为背景,研究了多堆场集装箱卡车运输路径规划问题。通过图建模将问题转化为非对称多旅行商问题,建立了带时限约束的以最小化总工作时间为目标的线性混合整数规划数学模型。鉴于问题的复杂性,提出了给定序列的动态规划分割算法以及生成序列的改进蚁群算法,以此构造了求解该问题的混合蚁群算法。数值实验表明,混合蚁群算法在优化性能上明显优于禁忌算法和遗传算法,是求解该类问题的有效算法。     

基于混合启发式算法的设备混合布局问题

构建了基于设备单元布局集成求解的设备混合布局多目标优化模型,提出了遗传免疫蚁群混合启发式算法进行模型求解,该算法设计了带"保险柜"的自适应免疫蚁群算法选择操作,有力地维护了群体的多样性,提高了解的质量。最后,通过算例验证了模型及算法的有效性和优越性。     

一种改进的蚁群遗传混合智能算法在TSP问题中的应用

蚁群算法、遗传算法作为两大仿生优化算法,有其各自的适用域与局限性。原有的遗传融合蚁群算法虽然克服了基本蚁群算法的不足,优化效果得到了改善,但是由于两种算法混合,当求解问题规模变得越来越大时,求解步骤也会增多,从而使得求解速度会有所缓慢。本文改进算法采用信息素挥发因子自适应调整机制,调节算法收敛速度,保证算法的全局搜索能力,进而扩大解的搜索空间。同时根据公共路径降低蚁群算法运算时间,诱导蚁群寻找更优解,提高了其寻优能力和速度。仿真结果表明,改进后的算法在寻优能力,收敛速度及求解精度上均取到了较好的效果。     

基于改进NSGA2算法的多目标柔性作业车间调度

柔性作业车间调度问题（FJSP）是经典作业车间调度问题的重要扩展,其中每个操作可以在多台机器上处理,反之亦然。结合实际生产过程中加工时间、机器负载、运行成本等情况,建立了多目标调度模型。针对NSGA2算法收敛性不足的缺陷,引入免疫平衡原理改进NSGA2算法的选择策略和精英保留策略,成功避免了局部收敛问题,提高了算法的优化性能。通过与启发式规则以及多种智能算法进行比对仿真实验,改进的NASA2算法能获得更好的解。用改进的NAGA2算法求解实例,不仅有效地克服多目标间数量级和量纲的障碍,而且得到了满意的pareto解集,进一步验证了该算法和模型的可行性。