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.     

综合考虑风电及负荷不确定性影响的电力系统经济调度

提出一种考虑风电出力和负荷不确定性的电力系统经济调度新方法.通过风速威布尔参数预测,在机组组合经济调度模型的功率平衡约束中考虑风电和负荷不确定性;提出一种利用个体间交叉、变异、复制与在子种群间移民思想和初始种群区间化的改进遗传算法对模型进行求解;综合研究风电不确定性、穿透水平和负荷不确定性对电力系统常规火电机组经济调度的影响。一个包含4台常规火电机组和1台等值风电机组的算例系统测试结果验证了所提模型和算法的有效性.     

不确定执行时间的云计算资源调度

针对执行时间不确定情况下的云计算资源调度问题,基于模糊规划理论建立了时间-成本约束条件下的模糊云资源调度模型,使用三角模糊数表示不确定的任务执行时间,以最小化评价函数的平均值和不确定度作为调度目标。提出一种改进的混沌蚁群算法对模型进行求解,算法引入精英策略优化了信息素的更新,采用折叠次数无穷大的混沌映射进行混沌搜索,并设计了自适应混沌扰动机制以增强算法的全局搜索能力。在Cloudsim平台上用仿真数值实例对模型和算法进行验证,证明了模型的可靠性,实验结果表明改进算法在收敛速度、求解能力和负载均衡上均有较好的性能。     

基于数字孪生的实时装配工时调度优化

针对产品个性化定制过程中装配工时不确定、装配车间动态扰动频发问题，提出基于数字孪生的实时装配工时车间调度模型.构建基于数字孪生的装配车间调度整体架构，利用射频识别（Radio Frequency Identification, RFID）技术实时采集物理装配车间的工时数据，用改进的Rete算法进行实时装配工时处理.建立基于实时装配工时的装配车间调度数学模型，采用改进的人工鱼群-禁忌算法对模型求解，以实现实时装配工时车间的调度优化.实证结果表明，模型算法进行实时装配工时车间调度具有一定的可行性及优越性.     

基于动态学习和个体淘汰的鲸鱼算法求解订单接受与调度问题

结合订单型企业生产线的实际情况,在传统的订单接受与调度模型的基础上加入因客户优先级而带来的订单拒绝成本这一重要因素,并使用新型的鲸鱼优化算法(WOA)进行求解.WOA被提出是用于求解实数域的问题而且存在容易陷入局部最优的缺陷,针对这一问题提出一种改进的鲸鱼优化算法(IWOA).使用基于排序和偏离度的编码方式用于求解订单...     

多星观测任务问题的规划调度

研究了多星多观测任务调度这一NP完全问题,建立了多星任务规划调度的混合整数规划模型,并对模型的求解进行了研究,提出运用改进的拉格朗日松弛算法来求解。仿真结果表明,改进的拉格朗日松弛算法可明显提高模型的求解效率,对大规模问题效果更为显著。     

加工时间随机可控Job Shop前摄调度研究

针对Job Shop环境中工序加工时间的不确定性,建立加工时间随机可控Job Shop调度问题随机模型。采用效率指标和鲁棒性指标对调度方案进行双目标评价。提出一种分层求解策略实现双目标优化,并采用嵌入最优计算量分配策略的遗传算法求解模型。仿真实验证明了所提出模型及优化算法的可行性。通过与直接采用均值-方差模型进行双目标优化得到的结果进行比较,证明了所提出的分层求解策略和算法可以获得综合性能更好的调度方案。     

磁性材料成型烧结生产调度优化方法及应用

建立以最小化提前和拖期时间、最小化炉重偏差为目标的混合整数线性规划模型, 解决磁性材料成型-烧结两阶段生产调度问题. 提出一种混合粒子群优化算法(HPSO)进行模型的求解,该算法采用基于订单的编码方式. 针对粒子群算法易陷入局部最优, 在迭代过程中引入模拟退火思想. 改进粒子群算法的全局极值和个体极值选取方式, 使算法尽快收敛到非劣最优解. 生产现场实际数据仿真结果表明: 该混合粒子群算法无论在求解精度, 还是求解速度上均优于普通粒子群算法和遗传算法.     

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....     

带软时间窗的公共自行车调度路径问题

为了提高公共自行车调度的效率,研究了一种带软时间窗的自行车调度路径问题.首先根据公共自行车调度工作内容,建立多目标调度路径模型,然后设计一种改进的蚁群算法对模型进行了求解.实验结果显示,本文方法求解的调度路径比模拟退火算法、蚁群算法和遗传算法分别缩短了18.4%、24.3%和13.0%,而且还能有效节约调度车辆.     

混合整数规划和约束规划在订单排产中的应用

实际生产中 ,为提高生产效率 ,按加工相似性把工件分为不同的批组 ,而不同批组工件在单机上进行加工处理时需要序独立的机器调整时间 .针对这一问题 ,以订单的最大延期为优化目标 ,提出 0 -1混合整数规划和约束规划两种求解模型 ,并通过使用OPLStudio编程来验算、比较两种模型在中小问题规模下的最优解 ,仿真结果表明 ,利用约束规划模型得到的最优解更有效 ,同时其结果可用于验证其他启发式算法的有效性 .     

流水工序调度与生产效率的关系模型分析

提出一种基于粒子群算法的流水工序调度任务优化模型.利用流水工序调度任务的特点得到流水工序时间约束条件,利用粒子群算法的原理建立流水工序调度任务优化模型,利用粒子群算法对模型进行求解.仿真实验表明,利用该算法能够得到流水工序调度问题的最优解,提高生产效率.     

基于风电可调节不确定代价的风光柴储联合优化调度

针对孤岛微电网中间歇式能源出力的不确定性问题,基于可调节风电的不确定代价,考虑蓄电池储能系统和柴油发电机组的控制特性.在系统稳定供电的前提下,以系统运维成本、污染物排放量为目标,引入可调负荷充放电等相关约束,建立孤岛微电网能量优化调度模型,优化储能充放电与柴油机组出力.并在此基础上,利用改进粒子群算法对模型进行求解,根据所建模型三种情景对比,进一步分析9个不同调度区间系数对调度结果的影响机理,算例仿真验证了可调节风电不确定代价优化模型和优化方法的有效性和可行性.     

计及不确定性因素的微电网动态经济调度

针对微电网系统中可再生能源和负荷的随机性,提出一种考虑微电网不确定性因素的动态经济调度模型。利用改进的粒子群算法对模型进行求解,得到微电网的动态经济调度相比于静态经济调度更符合系统的实际运行要求,微电网可靠性水平的提高是以经济成本的增加为代价等结论。     

考虑设备时变效应的晶圆加工序列决策调度方法

为改善半导体生产过程中设备状态不确定引起的时变效应可能造成生产计划难以推进、生产效率下降等问题,使用考虑设备时变效应的晶圆加工序列决策调度方法制定调度方案。采集过往加工工时数据,挖掘设备状态变化的特征参数与晶圆的加工工时时变效应的关联关系,从而建立考虑时变效应的平行机调度模型,实现最大完工时间的最小化。设计集成调度优化知识的混合搜索算法(HSAOSK),利用单机调度最优规则与多机调度优化知识库减少搜索空间,提高算法的计算效率。实际算例的分析结果表明：HSAOSK算法求解小规模算例的最优解与精确算法(BRA)相同,求解大规模算法时与其他优化算法相比,最大完工时间可减少6.17%,且计算时间非常短,HASOSK算法的优越性能满足构建半导体调度决策方案的需求。调度决策方法不仅能为具有时变效应的半导体生产系统提供有效的加工序列决策,还能针对设备状态提供不同的维护决策以保证生产效率。     

不确定条件下SMT产品生产规划的建模及GA求解

针对PCBA组装企业的SMT产品生产规划问题,给出了一种考虑预估订单和生产线故障率等不确定条件的生产任务排程方法。该方法将预估订单的批量、来料时间和交货期等用区间数表示,建立其不确定型调度模型,并采用可能度水平将该模型转换为确定型,然后用遗传算法进行求解。给出了该遗传算法的结构,并提出了“染色体按生产线分段、段内按产品加工序排列”的8进制编码、基因交叉和段长改变的变异操作等具体方法。实验结果验证了其可行性,具有较好的参考价值。     

求解柔性作业车间调度的岛屿模型遗传算法

针对多品种小批量复杂产品生产的调度优化问题,结合柔性作业车间调度问题与统一计算设备架构的特点,提出了一种求解柔性作业车间调度问题的岛屿模型遗传算法.设计了统一计算设备架构的存储模型及执行模型,给出了染色体编码、解码方式,并改进了遗传算法的选择、交叉、变异操作,最后定义了迁移操作.算法提高了遗传算法在统一计算设备架构上的并行处理效率,使用标准实验数据进行测试,结果表明了使用岛屿模型遗传算法求解柔性作业车间调度问题是有效的和可行的.     

基于两阶段启发式算法的多场桥作业调度研究

场桥作业调度对集装箱码头整体运营效率具有重要影响。在分析多台场桥协同作业的基础上,考虑场桥实际作业中不可相互跨越与安全距离等特有约束,建立了场桥作业调度问题的混合整数规划模型。针对模型求解的复杂度,设计了两阶段启发式算法,最后通过数据实验对模型与算法的有效性进行了验证。     

求解柔性作业车间调度问题的细菌算法对比及改进

为充分探讨细菌系列算法求解离散优化问题的能力,针对柔性作业车间调度问题,采用细菌趋化算法、细菌群体趋化算法、细菌进化算法、细菌群游算法和细菌觅食优化算法进行求解.首先建立了以完成时间为目标的柔性作业车间调度问题模型,然后用5种细菌算法进行求解,数值试验结果表明:细菌觅食算法的寻优能力最强.接着,进一步对细菌觅食算法进行了改进,针对其关键操作设计了数十种算子,最终得到优化能力最强的算法结构和算子组合.最后的数值实验表明,改进的细菌觅食算法寻优能力及稳定性大幅提升,体现出非常好的全局开发能力和局部搜索能力.     

基于蚁群算法的不确定条件下的Job Shop调度

蚁群算法是近年来新出现的一种随机搜索寻优算法.该算法为求解复杂的组合优化问题提供了一种新思路,引起了众多学者的研究兴趣.将蚁群算法引入不确定处理时间的Job Shop调度,用三角模糊数描述不确定处理时间,建立不确定处理时间的调度模型,在模糊数排序方法的基础上,用改进后的蚁群算法进行求解.仿真结果验证了本文提出的算法的有效性,考虑了算法中的参数选择对算法的求解结果的影响和模糊集的扩散程度,并就结果进行了讨论.