集装箱码头装卸混合调度模型

为提高集装箱码头作业效率,建立装卸混合调度模型,并设计两阶段禁忌搜索算法的求解方法:通过禁忌搜索算法决定进口集装箱的堆存位置;基于堆存方案执行另一禁忌搜索算法,获得集卡的优化调度方案,然后再决定装卸桥作业顺序、计算装卸总作业时间,且将结果反馈到第一阶段的搜索过程,通过两阶段搜索过程的反馈优化装卸调度.算例表明,两阶段禁忌搜索算法可以获得满意求解结果;与装卸分别调度相比,装卸混合调度模型可以提高集卡利用效率.     

面向MES的装配作业调度系统研究

该文针对飞机装配作业生产管理复杂的特点以及生产计划与调度难以实现等问题,在研究装配作业调度系统的基础上,提出面向制造执行系统生产模式的飞机装配作业调度系统的结构、功能、模型与调度算法.实现的装配作业调度系统以飞机装配过程为核心,以GIM/GRAI方法为计划决策的依据,利用赋时Petri网建立装配生产线模型,按周期计划安排生产等方法实现生产调度优化,从而实现了生产现场快速组织装配资源按时完成生产计划.该系统已在实际生产中得到应用,并取得良好的效果.     

考虑技能水平的多技能资源约束项目调度

针对带有技能水平的一般多技能资源约束项目调度问题进行扩展,将技能水平进行分级并将技能和资源各分为关键和辅助2类,考虑作业执行时间因分配的关键资源具备的技能水平而变.以最小化项目总工期为目标,建立相应的数学优化模型,提出包含双层决策及局部优化策略的混合算法.其中,上层的遗传算法用于决策表示作业执行顺序的优先级列表,下层的关键资源决策启发式算法用以确定作业实际执行时间并对上层列表进行解码得到问题的可行解.在所得可行解的基础上,采用基于关键链的局域搜索算法,调整资源分配以缩短关键链长度,保证算法的求解质量.数据实验表明,所提算法在求解质量和求解速度方面均具有良好性能.     

基于改进Jaya算法的双资源约束柔性作业车间调度

考虑工人操作熟练度对双资源约束柔性作业车间调度的影响,提出改进的Jaya算法对其进行求解。与经典柔性作业车间不同的是,双资源约束柔性作业车间调度问题（DRCFJSP）需要同时处理工件排序、设备分配和工人指派3个子问题。通过改进标准Jaya算法以使其适用于求解具有最小完工时间准则的DRCFJSP,具体改进包括设计三维向量编码方案,结合设备、工人和工件的集成特征进行种群初始化,围绕车间调度离散化特点扩展算法更新迭代机制,并设计了基于关键路径的局部邻域搜索策略和接受准则。对扩展后的柔性作业车间测试算例进行求解,并与现有算法进行比较,结果表明：本文算法具有一定的有效性和优越性,表明本文优化调度方法能在有限的资源下实现人员合理配置和工件快速排序。     

考虑随机故障的流水线调度问题前摄优化方法

研究带有随机故障的流水线车间调度问题,以质量鲁棒性和解鲁棒性的综合指标为优化目标,分析故障这一随机因素的影响,采用前摄优化理论求解问题.建立问题的随机规划数学模型,设计内、外两层嵌套式优化算法以联合决策工件调度顺序与缓冲时间大小.在外层,以NEH启发式算法为基础,结合邻域搜索决策工件加工顺序;在内层,采用遗传算法搜索缓冲时间并设计有效的代理指标作为解的评价方式.数据实验表明,提出的算法相比2种传统方法所得到的解的综合指标更优异,且允许决策者根据不同的偏好选择不同的优化解.加入缓冲时间有利于改善解鲁棒性指标,可以提高质量鲁棒性的稳定度.     

资源受限多项目调度的混合遗传算法

针对资源受限多项目调度问题,提出了改进后的混合遗传算法.该算法基于串行进度生成机制,结合多项目任务列表与项目优先权设计了新的染色体,所设计的交叉算子与变异算子均能保证所得新个体满足项目紧前关系约束,从而有效提高算法搜索效率.算法充分利用不同启发式算法构造初始种群,有效扩大种群多样性以避免过早收敛.算法采用正向逆向调度技术对调度方案进行优化,进一步提高了调度方案的质量.与其他多项目调度启发式算法相比,该算法能有效分配资源,显著缩短项目平均总工期.     

基于改进智能水滴算法的双资源约束车间调度

为了解决多资源约束下的作业车间调度问题,提出了一种改进智能水滴算法.该算法采用了基于工序与加工机器相融合的两层编码方式建立问题和算法的映射关系,运用随机方法初始化产生可行解,结合精英保留策略加快算法的收敛速度,嵌入迭代局部搜索算法以增强算法的全局搜索能力,并来解决影响车间调度的3个主要成本因素,即最小化延期成本、最小化人工成本和最小化设备运行成本.通过实例的收敛性能对比,证明算法具有优秀的全局开发能力和收敛性.实验表明了该算法能够有效求解双资源约束车间调度问题.     

基于GA-TS混合算法的多装配线调度建模

针对多装配线流水车间调度问题,考虑遗传算法的早熟收敛特性和禁忌搜索算法具有记忆能力的局部寻优特性,将遗传算法和禁忌搜索算法进行结合,提出基于遗传算法和禁忌搜索算法的多装配线混合调度优化算法.先用遗传算法进行全局搜索,改善种群质量,再以改善后的种群作为禁忌搜索算法的初始解,进行局部搜索.依据最小化总延迟和总完工时间的调度目标,建立了一个混合整数线性规划模型,并通过实例演算验证了该混合算法求解多装配线调度问题的可行性和有效性.     

基于种群多样性的自适应乌鸦搜索算法

针对原始乌鸦搜索算法对种群多样性控制不强、个体位置更新方式单一、局部搜索精细度不高等缺点,提出新的自适应乌鸦搜索算法.设计多种搜索引导个体,基于进化不同阶段的种群多样性,实现搜索引导个体的自适应选择策略,使算法在迭代前期加强全局勘探,在迭代后期强化局部开发.结合正余弦搜索理念,构建基于线性递减、混合正余弦震荡递减的多种飞行长度控制参数及相应的多种搜索方式,提升算法的搜索遍历性,增加算法在迭代后期找到更优解的概率.为了验证新算法的有效性,通过标准测试函数,将新算法与原始乌鸦搜索算法、改进乌鸦搜索算法和其他优秀的智能优化算法进行仿真实验,比较分析各算法的收敛精度、收敛速度、稳定性、Wilcoxon符号秩检验和Friedman检验.实验结果表明,新算法的性能优于其他比较算法的性能,新算法实现了全局勘探和局部开发、收敛精度和收敛速度的平衡.     

考虑不确定因素的单件小批作业计划与调度动态算法

针对单件小批企业在实际生产中存在订单变更和生产现场变化等不确定性因素,导致生产作业的执行与计划存在偏差的问题,提出了一种考虑不确定因素的作业计划与调度动态算法.算法以加工周期最短为目标,对作业计划与调度的变更问题进行求解,通过缩短最长加工路径上的各工序等待时间来缩短加工周期,以调整作业计划,使其适应实际作业调度的需要....     

车间作业的混合组合规则调度方法

分析多种类型零件投放车间时根据零件工艺路线特点，在不同机床上选用适当的启发式调度规则，实现车间调度周期内的多规则混合调度（ＭＤＲ－ＭｉｘｅｄＤｉｓｐａｔｃｈｉｎｇＲｕｌｅ）的方法。实验结果表明，针对具体加工任务和加工资源特点，通过有限步的仿真搜索所形成的多规则混合调度，算法性能比通常所采用的针对所有机床的单规则调度算法有明显提高。该方法已应用于作者开发的车间控制器中。     

网络运维中现场作业任务调度的研究

针对网络运维现场作业调度中大量作业任务请求时效率低下、作业任务有所改变时无法自行调整等问题,提出基于改进遗传算法的网络运维中现场作业调度算法.该算法基于作业任务-资源的间接编码方式,结合网络运维中现场作业资源调度的特点,通过对每个维护人员设置作业任务数量的上限,避免某个维护人员负担任务数量过多,有利于提高服务质量以及资源的利用率.经过仿真实验,结果表明使用遗传算法可有效解决网络运维中资源调度问题.     

带多重加工前约束的单机MOPJ调度方法

为有效解决晶圆加工过程中带换模时间、品种间晶舟分配的不确定性以及参数调整等多重加工前约束的单机单作业多订单MOPJ(multi-order-per-job)调度问题,对问题域进行描述,以订单总完成时间最小为优化目标,建立数学规划模型.给出求解较优调度解的定理,并提出具有双层嵌套编码机制的混合差分进化的入侵杂草调度算法,该算法引入具有学习机制的算子以改善解的质量.为有效提高算法的收敛性,在变异及邻域操作中考虑自适应过程.仿真实验结果表明,该算法是有效且可行的,优化晶舟分配的调度较未优化的调度可提高至少10%的性能.     

基于改进粒子群算法作业车间调度问题的优化

针对作业车间调度问题,提出一种基于自适应权重和混沌的改进粒子群优化算法。构建以机器加工时间最短为优化目标的多约束作业车间调度模型,采用基于工序排列的编码方式得到粒子参数与工序序列的映射关系;基于自适应权重改进粒子群算法中的惯性系数和加速因子,使得算法可以根据适应度值动态调整参数因子;采用反向学习策略改善种群初始解的质量;引入莱维飞行、变邻域搜索、混沌,增强了算法的搜索能力,避免陷入局部最优解。试验结果表明:改进粒子群算法可以有效地提高粒子利用率,平衡全局搜索与局部搜索能力,改善传统粒子群算法易早熟的缺点,得到更优的解。     

萤火虫算法优化SVR参数在短期电力负荷预测中的应用

由于萤火虫算法(FA)具有全局性能好、收敛精度高等优点,因此将萤火虫算法用于SVR的惩罚系数C和核参数σ的优化选取中。为提高迭代收敛速度和寻优精度,对萤火虫算法加以改进,在迭代过程中对亮度最亮的萤火虫位置施加随机扰动;将参数经过优化选取的SVR用于短期电力负荷预测,并将预测结果与采用网格搜索法、遗传算法、粒子群算法得到的结果做比较。其结果表明,采用改进萤火虫算法作参数寻优的SVR的负荷预测精度高,效果最好。     

基于狮群算法的数字孪生车间调度问题优化

针对柔性作业车间调度问题,提出一种基于狮群算法的数字孪生柔性作业车间调度方法。基于实际生产过程的需求,使用狮群算法生成柔性作业车间调度初始方案,建立物理车间与虚拟车间实时交互的数字孪生柔性作业车间调度模型,在搭建的虚拟车间中对初始调度方案根据设备利用率进行方案优化。采用数字孪生模型解决设备故障等车间突发事件对生产进程的影响问题。通过使用真实车间数据对机加工车间生产调度过程试验,结果表明,采用狮群算法求解柔性作业车间调度问题,搜寻能力强,搜索速度快,可以在不同规模的问题中找到更优的解决方案;狮群算法结合数字孪生的柔性作业车间调度方案能够整体优化系统性能,有效处理扰动带来的延长生产时间问题。     

一种Spark作业配置参数智能优化方法

Spark的配置参数对作业运行性能有较大影响,针对配置参数种类多、参数搜索空间大、参数间相互影响导致人工配置参数调优效率低下的问题,提出了一种Spark作业配置参数智能优化方法。本文首先在Spark众多配置参数中选择对作业运行性能影响较大的关键配置参数,建立典型Spark作业的运行数据集,利用支持向量回归算法,构建作业性能预测模型,通过改变数据集的规模,对比分析了模型预测值和作业的真实运行时间,模型评估指标证明了作业性能预测模型的有效性和准确性。其次基于作业性能预测模型,设计并实现了基于爬山算法、模拟退火算法、递归随机搜索算法以及粒子群算法的配置参数优化算法,并对几种算法的求解质量进行对比分析,实验表明递归随机搜索算法在几种不同类型的作业上收敛结果较优且标准差较小,证明该算法对不同类型作业的适应性较强、稳定性较好。将本文的智能优化配置与传统经验优化配置相比,实验结果表明,智能优化配置为典型Spark作业分别带来了4%、15%、22%的平均性能提升,证明智能优化配置能够高效地获取到具备较好作业适应性的配置,提升作业运行性能。     

Improved Scatter Search Algorithm for Multi-skilled Personnel Scheduling of Ship Block Painting

This paper focuses on the optimization method for multi-skilled painting personnel scheduling.The budget working time analysis is carried out considering the influence of operating area,difficulty of spraying area,multi-skilled workers,and worker’s efficiency,then a mathematical model is established to minimize the completion time. The constraints of task priority,paint preparation,pump management,and neighbor avoidance in the ship block painting production are considered. Based on this model,an...     

采用BP-ANN和改进SVR的进水BOD软测量模型

进水水质条件是研究和优化管理污水处理厂所需的关键要素,及时获取进水水质数据至关重要.针对污水厂关键性水质指标BOD5不易直接检测、滞后强的特点,分别采用BP神经网络(BP-ANN)、网格搜索算法(GS)优化支持向量回归(SVR)、粒子群算法(PSO)优化的SVR和遗传算法(GA)优化的SVR 4种方法,通过利用其他进水...     

基于混沌粒子群支持向量回归的高炉铁水硅含量预测

参数的优化选择对支持向量回归算法(SVR)的预测精度和泛化能力影响显著,提出混沌粒子群优化算法(CPSO)寻优一种改进支持向量回归算法(v-SVR)参数的新方法,在此基础上建立高炉铁水硅含量预测模型(CPSO -vSVR)用于对某钢铁厂3号高炉铁水硅含量的实际数据进行预测,研究结果表明：基于CPSO确定的最优参数建立的铁水硅含量粒子群支持向量回归预测模型的预测效果最佳,平均相对误差为5.32%。与使用粒子群优化算法训练的神经网络(PSO-NN)、v-SVR、最小二乘支持向量回归(LS-SVR)进行比较,CPSO -vSVR模型对铁水硅含量进行预测时预测绝对误差小于0.03的样本数占总测试样本数的百分比达到90%以上,预测效果明显优于PSO-NN,且比v-SVR稳定性更强,可用于高炉铁水硅含量的实际预测。