多资源约束下的多项目作业调度问题研究

分析了多资源约束下多项目作业调度问题的性质和特点,建立了以拖期最短为目标的数学模型.基于资源上作业排序形成的时序关系以及各项目内部作业间时序关系组成的新时序关系图,提出求解该问题的一般算法.为降低一般算法的计算量和复杂度,使算法能够应用到实际工程,将一般算法和规则相结合,提出一种启发式算法,给出具体的算法步骤.计算示例表明,给出的算法能有效求解多资源约束下多项目作业调度问题.     

求解资源受限项目调度问题的改进布谷鸟搜索算法

针对资源受限项目调度问题（RCPSP）,提出一种基于改进布谷鸟搜索（ICS）算法的高效求解方法.ICS算法设计如下：在解空间表示方面提出一种适应莱维飞行特点的任务调度顺序优先级编码方案,并采用串行调度求解该问题;为提高算法收敛速度、避免陷入局部最优解,对CS的局部搜索机制进行改进,即引入对精英个体的局部搜索策略及对首领的寿命衰老机制.最后,通过PSPLIB基准测试问题J30、J60和J90对算法性能进行测试,并与CPLEX优化结果及参考值进行比较,结果表明ICS算法较CS算法收敛更快、结果更优,调度结果理想.     

一种机场终端区飞机排序问题的蚁群算法研究

飞机排序问题（ASP）属于NP难问题，解决比较困难.本文首先将ASP表示成一个特殊的车间作业调度问题（JSP），以减少着陆飞机队列完成时间为优化目标，设计了求解ASP的蚁群算法.通过正交试验确定了ASP蚁群算法的最佳性能参数组合.通过比较FCFS调度方法和ASP蚁群算法对不同航班队列的排序结果验证了ASP蚁群算法求解问题的可行性和求解效果.结果表明，ASP蚁群算法优于FCFS调度方法，可以使着陆队列完成时间减少约14%.ASP蚁群算法的CPU时间较短，可以在合理的时间内求解出合适的飞机队列，为实时在线的自动化交通管制提供了支持.     

资源受限的发酵生产过程调度优化

对发酵过程中空气供应量受限的资源受限调度问题进行了研究.建立了以总生产完成时间最短为目标的优化调度模型,提出了一种启发式的"离散-回缩"策略来计算在一定生产排序下发酵产品的总生产完成时间,并应用列队竞争算法计算产品加工的最优顺序.应用该方法对某生物农药厂的生产调度进行了计算,得到了满足空气供应量的要求且总生产时间最短的调度方案.     

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.     

基于自适应参数混合蚁群算法的双资源约束作业车间调度

文章针对以生产成本最小为目标,考虑差异性工人的双资源约束作业车间调度问题,提出参数按算法迭代结果自适应调整,基于蚂蚁流量自适应控制路径选择的混合蚁群算法,在算法前期扩大解搜索空间,后期加快算法收敛,实现算法性能的分阶段性能优化。通过对仿真实验结果的分析,该混合蚁群算法能有效求解双资源约束车间调度问题,且能够在保证得到较优调度结果的同时,具备优秀的收敛性能。     

基于改进SCE算法的Job Shop调度方法研究

Job Shop Problem(JSP)是生产调度领域中的一类复杂的调度问题,高效JSP求解算法的研究与设计是JSP,乃至整个生产调度领域的关键研究内容。引入新的智能仿生算法Shuffled Complex Evolution(SCE),以求解工件的最小最大完成时间为目标,通过序列映射方式将连续定义域空间中的变量映射到离散的组合优化问题空间中,同时采用基于工序编码的方式进行编码,最后使用顺序插入解码机制对其解码。并针对基本SCE算法在求解优化问题时求解质量差和求解速度慢等缺点,对算法中个体的进化过程进行改进,使个体进化的方向沿着当前群体最优解的方向进行。最后将此算法用于求解典型的Job Shop调度实例,结果表明,改进SCE算法在解决Job Shop调度问题上是有效的。     

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。     

一种装配产品调度问题的粒子群算法实现

目前,多品种、小批量、高柔性的生产方式已逐渐成为主流,生产方式的复杂化推动了作业车间调度(Job Shop Scheduling,JSS)问题的研究。粒子群算法作为求解复杂调度问题的一种高效的进化类算法,受到众多学者的关注。以往研究更多关注作业车间调度问题,作者则研究有多层装配工序的作业车间调度问题,即装配作业车间调度问题(Assembly Job Shop Scheduling,AJSS)。针对以总加工时间(makespan)最小化为目标的典型装配作业调度问题,提出了粒子群算法的解决方案,并对该算法中的一些重要参数的设置进行了比较分析,对如何设置合适参数提高求解效率提供参考和建议。     

一种求解虚拟企业制造资源局部调度问题的双种群蚁群算法

建立了以任务总工期最小为目标函数的单模式资源受限项目调度的数学模型,设计了一种用于求解该问题模型的双种群蚁群算法。用标准问题库PSPLIB中的基准问题对该模型及其求解算法进行了验证,通过对参数的优化设置并与已知最优解进行比较验证了算法的有效性。