多阶段启发式算法求解机场地勤服务优化问题

针对保障航班离港无延误的地勤服务调度优化问题,建立了以特种车辆数最小化、无效服务时间比率最小化和特种车辆服务时间方差最小化的多目标模型,提出了一种新的多阶段启发式算法.根据航班服务时间窗和特种车辆在航班间服务转移的特点,该算法能够为机场航班合理分配特种车辆,优化航班服务序列.通过仿真实例验证了模型及算法的正确性,结果表明,所提出的多阶段启发式算法提高了特种车辆的服务效率,减少了用车数量和无效服务时间,达到了特种车辆服务的负荷均衡.     

订单驱动下基于强化学习的智能车间AGV调度

物料搬运效率对智能车间的生产调度效率有着重要影响.物料搬运任务通常由自动导引车（Automated Guided Vehicle,AGV）执行,其具有数量多、任务需求实时变化、任务下达密集等特点.为及时、高效、准确地处理AGV搬运作业,提出基于强化学习的订单驱动下智能车间AGV调度模型,使用二级调度机制,第一级以负载均衡为目标,基于规则的调度方法对AGV进行任务分配;第二级运用强化学习深度Q网络（Deep Q-Network,DQN）算法对AGV进行单智能体下的搬运路径规划,通过减少智能体动作空间维数的方式,降低调度算法的收敛难度,并通过仿真实例验证该方法的有效性和创新性.     

基于多目标差分进化算法的机加工柔性作业车间调度

柔性作业车间的多品种、多件数导致调度难度大、耗费时间较长和成本较高,为此,以最大完工时间、能耗和刀具损耗数量为优化目标,考虑返工、次序的准备时间和批量调度约束,建立了多目标机加工柔性作业车间调度模型.提出一种引入综合考虑能耗和加工时间的轮盘赌初始化策略.针对传统差分进化算法交叉得到的子代机器部分质量较差,提出一种机器选择的策略,以此对差分进化算法进行了改进.将改进后的差分进化算法应用于机加工柔性作业车间调度,并与传统差分进化算法在机加工柔性作业车间调度进行多组实验对比.结果表明：改进差分进化在机加工柔性作业车间调度较传统差分进化算法具有收敛速度较快、鲁棒性较好的优点,优化后各机器负载更为均衡,可有效解决多目标机加工柔性作业车间调度问题,为多品种、多件数类排产任务提供了一种良好的指导方案.     

基于支持向量机的多载量小车实时调度

为了有效地解决车辆装配系统中多载量小车的实时调度问题,提出了基于支持向量机的实时调度方法。首先对多载量小车的实时调度问题进行描述,同时建立以车辆装配线产量和物料搬运距离作为评价指标的目标函数。然后通过车辆装配线的物料搬运系统仿真生成样本离线训练支持向量机模型,在实时阶段利用支持向量机模型实现多载量小车"等待"或"搬运"的调度决策。试验结果表明,本文提出的方法明显优于最小批量法,其运行速度快、实时调度效果好,且对动态环境变化具有一定的自适应性,能够有效提升多载量小车的实时调度水平。     

带硬时间窗的共同配送车辆调度问题研究

针对带硬时间窗的共同配送车辆调度问题,提出Sweep算法和PMX算子相结合的遗传算法。以长株潭城市群生鲜食品共同配送中心区域内的配送数据作为实验对象,采用组合遗传算法进行分析,在客户要求的时间范围内,合理安排车辆的行驶路线,使共同配送总费用最低。最后,将本算法与启发式算法、遗传算法进行比较,分析结果表明,本算法得到的共同配送车辆调度方案更优。     

用节约法解带有时间窗的车辆调度问题

车辆调度问题是物流配送系统的重要问题,对于提高物流配送系统的效率和效益有重要影响.建立带有时间窗的非满载车辆优化调度的数学模型,并利用节约算法对带时间窗的非满载车辆调度问题模型进行研究,并应用此算法对带有时间窗的车辆调度问题进行仿真,得到最优解,证明此算法的优越性.     

存在批量为2的批处理设备的综合调度算法

提出求解存在加工批量为2的批处理设备的复杂单产品综合调度算法.该算法根据复杂产品具有的树状工艺结构的特点,先采用已有的优先级、短用时和长路径策略调度工序;当工序属于批处理设备时,再采用长路径、临界时间等待和先行工序短用时策略.理论分析和实例表明,提出的算法不仅能够解决存在加工批量为2的批处理设备的复杂单产品综合调度优化问题,而且复杂度不超过二次多项式.     

城市配送车辆调度模型及算法设计

在分析城市货物配送和车辆调度特点的基础上,建立了追求总体效益最优的车辆调度多目标决策模型,并设计分派-节约启发式算法求解该模型。通过分派启发式算法保证最大程度地满足客户的要求,再利用节约算法保证了全局最优。最后对初始解进行局部和整体优化调整以得到较优解。基于该算法设计并开发了城市配送车辆调度系统,运行结果表明:该算法能够有效地解决城市配送的客户满意、总成本最低、配送车辆空载率最小的多目标决策问题。     

考虑负荷均衡的立体车库搬运器待命位设计

利用顾客到达过程的非齐次特性及车库内停留时长特性,预测车库空闲时段搬运器下一存（取）车任务的待命位置,完成待命位策略设计．建立车库调度模型并增加能耗权重系数,应用人工蜂群算法完成设计待命位策略优化,实现各搬运器负荷均衡．仿真结果表明,设计待命位策略较原地待命策略的顾客平均等待时间及搬运器平均服务时间分别减少20.2%及62.7%,设计策略有效;未优化设计策略与原地待命策略的负荷均衡标准差均高达50以上,表现为负荷不均衡;优化设计策略在搬运器总能耗及顾客等待时间分别增加约8.6%和8.0%基础上,负荷均衡标准差值下降约98%．所设计负荷均衡待命位策略为改善立体车库（仓库）系统搬运器负荷均衡提供了新思路．     

自适应樽海鞘群算法求解考虑运输时间的柔性作业车间调度

针对考虑运输时间的柔性作业车间调度问题，以最小化最大完工时间为优化目标，提出自适应樽海鞘群算法.设计基于随机密钥方法的3层编码方案，将编码的离散解空间连续化.引入惯性权重评价跟随者之间的相互影响程度，增强算法的全局探索与局部搜索能力.提出自适应更新领导者-跟随者种群数量策略，根据种群迭代状态对领导者和跟随者的数量进行自适应调整.在邻域搜索中引入禁忌搜索策略，防止算法陷入局部最优.通过基准算例测试，验证了算法的有效性和优越性，发现AGV数量对完工时间的影响符合边际效应递减的规律.     

Optimization for vehicle scheduling in iron and steel works based on semi-trailer swap transport

In order to solve internal logistics problems of iron and steel works, such as low transportation efficiency of vehicles and high transportation cost, the production process and traditional transportation style of iron and steel works were introduced. The internal transport tasks of iron and steel works were grouped based on cluster analysis according to demand time of the transportation. An improved vehicle scheduling model of semi-trailer swap transport among loading nodes and unloading nodes in one task group was set up. The algorithm was designed to solve the vehicle routing problem with simultaneous pick-up and delivery (VRPSPD) problem based on semi-trailer swap transport. A solving program was written by MATLAB software and the method to figure out the optimal path of each grouping was obtained. The dropping and pulling transportation plan of the tractor was designed. And an example of semi-trailer swap transport in iron and steel works was given. The results indicate that semi-trailer swap transport can decrease the numbers of vehicles and drivers by 54.5% and 88.6% respectively compared with decentralized scheduling in iron and steel works, and the total distance traveled reduces by 43.5%. The semi-trailer swap transport can help the iron and steel works develop the production in intension.     

时间槽在印染车间调度中的应用

面向作业调度在当今实际生产企业作业车间调度中得到普遍的应用,其基本思想是将作业一个个地安排到工作机器上。该文介绍了一种印染行业的作业车间调度模型及其处理过程,并给出了基于时间槽的求解算法。该算法通过将指定工序的可行调度起始和结束时间以逆排方式安排到有限能力的工作机器上以达到最大接近交货期的目的,通过对每一机器有效时间槽的操作来减少在每一机器上可行时间槽的搜索时间,从而提高了计算效率。     

应急物资调运模型研究

针对应急物资调运兼顾调运成本与调运时间的要求,以运力充足为前提条件,建立了基于调运时间最短和运输成本最低的应急物资调运模型。运力充足条件下,应急车辆进行一次运输,运输任务的最终完成时间等于物资供应点与需求点之间的最长运输时间,在某一特定任务完成时间下可运用典型运输问题模型的求解算法求出对应的最低成本,通过分析比较不同运输任务完成时间下的运输成本选择出模型的最优解,最后以一个实例验证了模型与算法的有效性。     

An Improved Ant Colony Algorithm for a Single-machine Scheduling Problem with Setup Times

Motivated by industrial applications we study a single-machine scheduling problem in which all the jobs are mutually independent and available at time zero. The machine processes the jobs sequentially and it is not idle if there is any job to be processed. The operation of each job cannot be interrupted. The machine cannot process more than one job at a time. A setup time is needed if the machine switches from one type of job to another. The objective is to find an optimal schedule with the minimal total jobs' completion time. While the sum of jobs' processing time is always a constant, the objective is to minimize the sum of setup times. Ant colony optimization (ACO) is a meta-heuristic that has recently been applied to scheduling problem. In this paper we propose an improved ACO-Branching Ant Colony with Dynamic Perturbation (DPBAC) algorithm for the single-machine scheduling problem. DPBAC improves traditional ACO in following aspects: introducing Branching Method to choose starting points; improving state transition rules; introducing Mutation Method to shorten tours; improving pheromone updating rules and introducing Conditional Dynamic Perturbation Strategy. Computational results show that DPBAC algorithm is superior to the traditional ACO algorithm.     

一类面向任务的快速调度算法的研究

为了迅速有效求解作业车间大规模调度问题,克服常规调度算法求解时间长、效率低下、只能适应小规模系统求解的缺点,提出一种基于快速搜索可行调度时间的面向任务的调度算法.该算法依据某一调度目标计算每道工序的可行调度时间,将不同的操作以顺序加工或逆序加工的方式分配至给定能力约束的机器上,通过储存和不断更新每台设备有效调度时间缓冲区的方法,减少工序在每台设备上可行调度的搜索时间,较大地提高了计算效率.仿真结果验证了该算法为解决大规模调度和实时调度问题提供了崭新的思路.     

An Improved Ant Colony Algorithm for a Single-machine Scheduling Problem with Setup Times

Motivated by industrial applications we study a single-machine scheduling problem in which all the jobs are mutu- ally independent and available at time zero.The machine processes the jobs sequentially and it is not idle if there is any job to be pro- cessed.The operation of each job cannot be interrupted.The machine cannot process more than one job at a time.A setup time is needed if the machine switches from one type of job to another.The objective is to find an optimal schedule with the minimal total jobs'completion time.While the sum of jobs'processing time is always a constant,the objective is to minimize the sum of setup times.Ant colony optimization(ACO)is a meta-heuristic that has recently been applied to scheduling problem.In this paper we propose an improved ACO-Branching Ant Colony with Dynamic Perturbation(DPBAC)algorithm for the single-machine schedul- ing problem.DPBAC improves traditional ACO in following aspects:introducing Branching Method to choose starting points;im- proving state transition rules;introducing Mutation Method to shorten tours;improving pheromone updating rules and introduc- ing Conditional Dynamic Perturbation Strategy.Computational results show that DPBAC algorithm is superior to the traditional ACO algorithm.     

Improved Ant Colony Algorithm for Vehicle Scheduling Problem in Airport Ground Service Support

Support vehicles are part of the main body of airport ground operations, and their scheduling efficiency directly impacts flight delays. A mathematical model is constructed and the responsiveness of support vehicles for current operational demands is proposed to study optimization algorithms for vehicle scheduling. The model is based on the constraint relationship of the initial operation time, time window, and gate position distribution, which gives an improvement to the ant colony algorithm(AC...     

面向车辆边缘计算的任务合作卸载

随着物联网技术和人工智能技术的飞速发展，车辆边缘计算越来越引起人们的注意。车辆如何有效地利用车辆周边的各种通信、计算和缓存资源，结合边缘计算系统模型将计算任务迁移到离车辆更近的路边单元，已经成为目前车联网研究的热点。由于车辆应用设备有限的计算资源，车辆用户的任务计算需求无法满足，需要充分利用车辆周边的计算资源来计算任务。本文研究了车辆边缘计算中任务的合作卸载机制，以最小化车辆任务的计算时延。首先，设计了任务合作卸载的三层系统架构，考虑了车辆周边停泊车辆的计算资源以及路边单元的计算资源，组成云服务器层、停泊车辆合作集群层和路边单元合作集群层的三层架构。通过路边单元合作集群和停泊车辆合作集群的合作卸载，充分利用系统的空闲计算资源，进一步提高了系统的资源利用率。然后，基于k-聚类算法的思想提出了路边单元合作集群划分算法对路边单元进行合作集群的划分，并采用块连续上界最小化的分布式迭代优化方法设计了任务合作卸载算法,对终端车辆用户的任务进行卸载计算。最后，通过将本文算法和其他算法方案的进行实验对比，仿真结果表明，本文算法在系统时延和系统吞吐量方面具有更好的性能表现，可以降低23%的系统时延，并且能提升28%的系统吞吐量。     

面向多核的时间帧加权公平调度算法

多核系统在移动终端、多媒体设备上的广泛应用对于多核系统的调度提出了新的要求,由于这些多核设备中大量的周期性与实时动态任务的执行,使得传统的Pfair和ERfair等经典算法产生了大量的任务迁移,同时对于动态任务调度并不能提供良好的支持。因此,在Pfair经典调度算法的基础上,结合EDF等局部调度算法,以时间帧的模式轮转多任务的周期执行,并采用处理器时间帧间的任务固定来降低任务的迁移率。仿真实验表明,在对任务调度公平性影响很小的情况下,大大降低了任务的迁移率并能更好的处理动态任务,具有更高的效率和更为广泛的使用范围。     

智能蚁群算法解决公交区域调度问题研究

针对多条运营线路的公交区域调度问题，给出了人员调度问题的改进模型，模型的目标是在满足工作时间、跨度时间、换班要求等相关约束的条件下使人员完成任务的间隔时间最小。论文对已有蚁群算法解决车辆路径优化问题的算法进行了改进。对算法中相应的转移规则和轨迹更新规则进行了重新设定，改进了算法转移策略和信息素更新策略。给出了算法的实现步骤。通过仿真，对模型的正确性进行了验证。证明了改进蚁群算法解决公交调度问题的高效性和较强的适用性。