解Job-shop调度问题的混合模拟退火进化规划

提出运用混合模拟退火进化规划(SAEP)求解Jo b-shop调度问题.首先介绍了SAEP和进化规划(EP)的不同选择方法以及他们的变异算子,最 后给出了仿真实例,并比较了这两种算法的优劣.     

解Job-shop调度问题的混合模拟退火进化规划

提出运用混合模拟退火进化规划（ＳＡＥＰ）求解Ｊｏｂ－ｓｈｏｐ调度问题．首先介绍了ＳＡＥＰ和进化规划（ＥＰ）的不同选择方法以及他们的变异算子,最后给出了仿真实例,并比较了这两种算法的优劣     

三峡工程两坝联合通航调度的混合模拟退火算法

对三峡大坝和葛洲坝的一共5座船闸进行统一的船舶通航调度管理,是提高长江三峡水域航运能力的关键,然而其优化调度算法还缺乏必要的研究.本文首先提出了该问题的混合整数非线性规划模型,在实际通航调度环境中,该模型属于强NP-hard复杂度的大规模组合优化问题,因此设计了一种混合模拟退火算法来搜索次优化调度方案,该算法将解分解为闸次时间表和船舶调度计划两部分,在搜索过程中用启发式规则对闸次时日表进行调整,然后用深度优先搜索(DFS)算法根据闸次时间表求解船舶调度计划,最后根据Metropolis规则对当前解进行更新.针对实际通航数据的测试结果表明其优化效果明显优于原有的启发式算法.目前该算法已经成功地应用于实际的两坝联合通航调度系统中.     

供应链订单分配优化模型及其模拟退火算法

受4M1E(人、机、料、法、环)因素的随机波动影响,产品的制造过程通常是不完美的,从而产生不良产品.针对已有研究多忽略不良产品的特点,建立了更加符合实际需求的订单分配多目标混合整数规划模型,其优化目标为最小化交易成本、采购成本、不良产品数量、产品延迟交付数量,以及最大化供应商信誉评价.考虑到模型求解的复杂度,设计了一种模拟退火算法,并结合启发式规则避免了大量非法初始解与邻点解的出现.实验算例表明所建立的模型能够反映订单分配过程中的产品缺陷现象,其算法能够在允许的运算时间内获得稳定的满意解,并且随着算例规模的增大,其计算时间与优化结果均优于LINGO软件.     

基于遗传算法的一类带缓冲区的混合生产调度

提出带缓冲区的混合生产的一种调度模型,将离散生产所需的半成品原料的生产分解为连续生产各生产线的分段式生产任务,并给出快速调度方法,再利用遗传算法和分派规则求解离散生产调度问题,仿真算例表明了该方法的有效性。     

混合云环境中数据敏感工作流调度

混合云环境下调度包含敏感数据的工作流主要考虑在满足数据安全性以及工作流截止时间的前提下,对工作流任务在混合云上进行分配,实现计算资源与任务的映射,并优化调度费用。采用了整数规划来建模求解包含数据敏感性、截止时间和调度费用3种约束条件的混合云工作流调度问题,同时为优化模型求解速度,基于“帕雷托最优”原理对工作流任务在混合云上的分配方案进行筛选以减小模型求解规模。实验表明,优先排除不合理的任务分配方案可有效减小整数规划模型的求解规模,缩短模型计算时间,在产生较小误差的情况下获得较优的调度结果。     

Flow-shop调度问题的自适应模拟退火算法

为求得一个强NP-难问题——flow-shop调度问题的最优解或近优解, 提出一种自适应模拟退火算法. 本算法采用一种基于区段特性的特殊邻域结构、简便的目标函数计算方法和自适应退火策略. 通过Flow-shop调度问题的基准测试问题的实验, 数值结果证实了该方法的有效性.     

应用遗传模拟退火算法实现资源受限项目调度

针对以最小化项目工期为目标的资源受限项目调度问题（RCPSP）,提出将模拟退火算法融合到遗传算法中,以改善遗传算法局部搜索性能,增强进化能力的遗传模拟退火算法——RCPSPGSA。在每次进化迭代过程中,下一代种群的个体需经过模拟退火算法改进,并通过在每次迭代结束前进行降温操作保证遗传算法和模拟退火算法具有相同的收敛方向和速度。算法在RCPSP标准测试问题库PSPLIB上进行数值仿真实验,并采用正交实验分析法解决参数选择问题。实验结果证明选择的参数组合具有突出的性能,RCPSPGSA是求解RCPSP的有效算法。     

基于混合整数规划的旅游车辆调度设计和仿真

在分析影响车辆调度及路线安排的各种因素的基础上,对旅游车辆调度问题进行了描述.针对问题的复杂性,采用混合整数规划方法对带时间约束的旅行社配送车辆调度问题进行建模,并将该问题分解为车辆分配和同一类特征景点单向旅游路线安排两个相关联的问题进行求解,并且在 ILOG OPL Studio 平台上对模型进行了仿真实现.ILOG OPL Studio是一个运用优化技术补充支持重要资源的完善平台,加速了优化问题的建模和开发运用.结论表明,所提模型对景点群的旅游路线优化安排的效果是有效的.     

CPLEX在优化调度中的应用

ILOGCPLEX是目前国际上流行的优化软件包,是一种高性能、健壮、灵活的优化软件,它包括CPLEX接口和CPLEX算法。ILOGCPLEX被广泛应用于物流行业、制造业、通信业、油田地面工程等,使得一些复杂的问题求解变得相对简单、高效。本文着重描述CPLEX在水电调度中的应用,并以美国NU公司的实际调度数据构造算法实例进行验证,得到了较好的效果。     

基于小生境的混和遗传退火算法的并行化

提出一种并行小生境混合遗传退火算法,并对该算法的特点和优化性能作了定性分析,该并行算法调用了MPI并行库,采用Master-Slaver结构,融入小生境淘汰技术.并应用该算法优化典型的多峰值测试函数-Shubert函数,结果表明这种并行后的算法提高原小生境混合遗传退火算法进化速度,增强全局寻优能力.     

模糊控制理论在库存货位管理中的应用

针对库存货位布局线性规划的难建模和全重排问题,提出了基于模糊控制理论的库存货位布局方法。在以某公司仓库的实际数据平台基础上,通过选取隶属度函数,建立模糊规则库,进行模糊推理和判决解决了线性规划中存在的问题。重点讨论了模糊控制方法的具体实现步骤。     

基于免疫规划的模拟退火算法

通过对模拟退火算法优缺点的分析,提出了一种新型的模拟退火算法——基于免疫规划的模拟退火算法。该算法借鉴了生物免疫概念与理论,将免疫规划的全局寻优能力与模拟退火算法的局部寻优能力相结合,克服了模拟退火算法运算效率低的缺点。理论分析和仿真结果表明,该算法不仅能够有效地保持种群的多样性,而且收敛速度和稳定性都有了明显提高,收敛到最优值的比例可达到91%。     

模拟退火算法在电火花加工中的应用

本文提出了一种加工复杂构型整体涡轮通道的创新思路 ,首先建立了电极成形运动的优化模型 ,接着提出了求解这一类优化问题的模拟退火算法 ,并运用实例验证了所提出的这一创新思想及求解算法的可行性及有效性     

混合SPMD模拟退火算法及其应用

模拟退火算法由于有很好的数学特性－以概率1收敛于全局最优值,再加上其算法本身与特定的问题无关,因此被广泛地用于各种组合优化问题。但是,模拟退火算法又具有收敛速度慢,执行时间长,算法性能与初始值有关及参数敏感等特点,使得它在不少应用中成为一种低效甚至是不可行的算法。文中提出一种混合SPMD模拟退火算法,在克服经典模拟退火算法内在串行性的同时,进一步和下山法结合起来,并综合多种优化方法,在一定的处理机规模内取得了可扩展和并行效果,显著提高了算法的收敛速度,克服了算法性能对初始值和参数选择的过分依赖,在提高算法性能的同时,方便了算法的使用。该算法已在一个机群系统THNPSC－1上得以实现,并在材料科学的一个定量电子晶体学研究问题中得到应用,降低了该问题的求解时间,提高了求解质量。     

基于模拟退火算法的Job Shop问题研究

本文介绍了Metropolis准则,给出了模拟退火算法解决生产调度问题的基本方法和步骤,并对算法的有效性进行了验证。     

基于动态规划和模拟退火算法的排课系统

在分析中小学的排课问题并研究相关算法的基础上,提出了把动态规划算法和模拟退火算法相结合的一种新的排课算法.动态规划算法求出满足约束条件的一个解,作为模拟退火算法的初始解,用模拟退火算法对初始解优化,得到一个优化后的课表.     

改进型模拟退火算法在设备布局设计中的应用

由于设备布局问题是NP完全问题，它在有限合理的时间内难以求得最优解，因此问题的求解只能依赖于各种启发式方法。文章针对传统的模拟退火算法经常出现迂回搜索，导致搜索效率低，解的质量差这一现象，通过在传统模拟退火算法搜索过程中增加记忆功能，来避免迂回搜索，将改进的模拟退火算法应用于设备布局的研究中，通过实例证明改进的模拟退火算法解的质量有了很大提高。     

Inventory Minimization and Production Scheduling: the Case of a Large Hong Kong Company

The background of this study is a rather classical but complex inventory control/production planning/line scheduling problem of a major soft-drink company in Hong Kong. The issue that stands out for this many-product high-sales manufacturer is the storage space of its central warehouse, which often finds itself in the state of overflow or near capacity with finished goods and work-in-process inventory. This phenomenon can create immediate interruptions of production, capital tie-ups and subsequent potential of lost sales. Another obviously important concern is the meeting of forecast demands. A mathematical modelling approach that entails techniques of multi-period aggregate optimization is proposed to tackle the overall problem. The dual objectives are to achieve better production planning and line scheduling in order to minimize inventory build-up and maximize demand satisfaction. Numerical results for a sample problem are reported as an illustration to this proposed two-phase approach.     

求解三维装箱问题的混合模拟退火算法

提出了一个高效求解三维装箱问题(Three Dimensional Container Loading Problem 3D-CLP)的混合模拟退火算法.三维装箱问题要求装载给定箱子集合的一个子集到容器中,使得被装载的箱子总体积最大.文中介绍的混合模拟退火算法基于三个重要算法:(1)复合块生成算法,与传统算法不同的是文中提出的复合块不只包含单一种类的箱子,而是可以在一定的限制条件下包含任意种类的箱子.(2)基础启发式算法,该算法基于块装载,可以按照指定装载序列生成放置方案.(3)模拟退火算法,以复合块生成和基础启发式算法为基础,将装载序列作为可行放置方案的编码,在编码空间中采用模拟退火算法进行搜索以寻找问题的近似最优解.文中采用1500个弱异构和强异构的装箱问题数据对算法进行测试.实验结果表明,混合模拟退火算法的填充率超过了目前已知的优秀算法.