两阶段装配流水车间加工与配送协同调度研究

针对以两阶段装配作业方式的制造型企业,将加工与配送调度相结合,研究生产配送协同调度问题。由于问题的强NP难性,提出了一种基于遗传算法和反向变邻域搜索的混合智能优化算法。该混合算法融合反向学习思想,构造反向邻域结构,增大搜索范围,提高遗传变邻域搜索算法的局部搜索能力,使生产和配送之间的时间衔接更精确,实现整体最优。通过多组实例仿真将该算法与其他算法进行比较,验证算法的有效性。     

融合强化学习与变邻域搜索的柔性作业车间调度研究

针对柔性作业车间调度问题，以完工时间最小化为目标，提出一种融合强化学习的变邻域搜索算法，提升算法求解性能。基于皮尔逊相关性分析，提炼出工序加工时长这一关键特征，设计一种优先考虑加工时长的邻域结构，精炼搜索空间。基于强化学习，设计算法进化状态集、关键参数动作集和奖励机制。提出改进的ε-贪婪策略来选择动作，随着ε取值的自适应变化，算法前期倾向于探索新解，后期注重利用邻域解，最终构建起算法状态与算法参数的关系，实现了算法参数的自适应选择。结果表明，所提算法利用强化学习动态调整算法参数，在解的寻优能力和稳定程度上更具优势。     

基于约束和邻域的炼钢连铸重调度算法

针对机器故障扰动,研究了炼钢连铸重调度问题及其求解算法。通过将机器故障映射为资源约束,建立了基于动态约束满足的炼钢连铸重调度模型,模型以最大化连浇量与调度方案相似度为目标。针对问题的模型及其特点,采用约束满足和邻域搜索相结合的混合算法对其进行了求解。仿真实验表明本文提出的模型和算法是有效的。     

基于MPSO的有限缓冲区多产品厂间歇调度问题的研究

研究了以最小化最大完工时间为目标的有限缓冲区多产品厂间歇调度问题,提出了一种基于多种群粒子群优化(MPSO)的间歇调度算法.该算法采用多种群,增加了种群初始粒子的多样性,在每一代子种群并行进化的过程中引入移民粒子,使子种群之间相互影响和促进,避免算法过早地陷入局部最优,提高了算法的全局搜索能力;每代进化后选出子种群中的优秀粒子作为精华种群,并对其进行变邻域搜索(VNS),进一步提高了算法的收敛精度.通过对不同规模调度问题的仿真,以及与其它算法的对比,证明了该算法解决有限缓冲区多产品厂间歇调度问题的有效性和优越性.     

面向印制电路板钻孔任务动态调度的短视策略

印制电路板钻孔任务因随机到达和工艺要求而难以调度。考虑该问题的NP难性质,提出基于优先规则和智能算法的短视策略。该策略采用事件驱动的再调度机制,在任务到达和任务完工时触发优化算法对当前未开工任务进行决策。为了高效求解每个决策时刻的优化问题,构建了嵌入局部优势定理的模拟退火和变邻域搜索算法,其初始解由优先规则获得。通过计算实验,在不同调度环境下对比两种智能算法与经典优先规则的表现。实验结果表明,智能算法在多数目标下的优化效果较优先规则可提升20%以上,变邻域搜索的优化效果略好于模拟退火,但是模拟退火的计算效率高一倍。     

集装箱车辆调度问题的变邻域禁忌搜索算法

研究一类带工作时间约束的集装箱专用车辆调度问题的混合禁忌搜索算法.此问题可分解为车辆路线设定和车辆分配两个组合优化问题,但是两个问题的分开求解最优解的组合却并不一定是总问题的最优解.首先对问题给出数学描述,之后通过引入一个变邻域搜索策略,提出一个解决该问题的混合禁忌搜索算法.该算法使用两行向量进行编码,采用随机扩大禁忌步长,并设计三种邻域变换定义,采用变邻域策略来扩大搜索空间.最后通过对6个不同规模算例求解验证该算法在解决此类问题的有效性.     

基于改进变邻域搜索算法的多批次协同任务规划

目的 对多批次协同任务进行分析与建模,并研究任务规划的求解算法。方法 以车载装备多批次协同执行任务为例,综合考虑时间协同、任务区域协同和补给区域协同约束,以暴露时间最短为目标函数建立模型,并提出一种改进变邻域搜索算法进行求解,该方法根据邻域的优化能力自动调整迭代时选择该邻域的概率。结果 仿真结果表明,改进策略在不降低最优解质量的情况下,能够避免标准变邻域搜索算法后期易出现某些邻域长时间无法寻找到最优解的情况,有效提高了算法的效率。结论 变邻域搜索算法可以解决多批次任务规划问题,改进后的算法减少了后期对优化能力不强的邻域的搜索次数,有效提升了算法效率。     

基于工序集的多阶段混合流水车间调度问题研究北大核心

针对砂型铸造车间包含并行工序集与批处理集的多阶段调度问题,总结了该类问题的特点和难点,构建了以最小化最大完工时间为优化目标的多阶段混合流水车间调度模型,采用了一种改进人工蜂群算法求解该模型。在算法中提出了基于插入原理与前驱工序释放时间的分段解码方法来有效利用机器空闲时间段,并引入了动态触发邻域机制增强算法的局部搜索能力,最后通过仿真实验验证了本文算法,解决此类问题的可行性和有效性。     

混合模拟植物生长算法在包装件配送中的应用

目的针对改进模拟植物生长算法(IPGSA)容易陷入局部最优解及其算法运行时间较长,提出混合模拟植物生长算法(HPGSA)来求解带时间窗车辆调度问题(VSPTW)。方法在IPGSA基础上,提出求解包装件物流配送中VSPTW的混合模拟植物生长算法(HPGSA)。改进IPGSA初始调度方案的构造方式,设计求解VSPTW的C-W算法用于构造HPGSA的初始调度方案;改进IPGSA的邻域搜索算子,选择插入搜索算子和互换搜索算子对HPGSA进行邻域搜索;对18个不同规模的Solomon算例进行仿真测试。结果相对于其他智能算法,HPGSA具有更好的求解性能,能够保证VSPTW对求解算法的要求。结论 HPGSA的全局优化能力、稳定性和运行速度均优于IPGSA、遗传算法、蚁群算法和禁忌搜索算法。     

基于工序集的多阶段混合流水车间调度问题研究

针对砂型铸造车间包含并行工序集与批处理集的多阶段调度问题,总结了该类问题的特点和难点,构建了以最小化最大完工时间为优化目标的多阶段混合流水车间调度模型,采用了一种改进人工蜂群算法求解该模型。在算法中提出了基于插入原理与前驱工序释放时间的分段解码方法来有效利用机器空闲时间段,并引入了动态触发邻域机制增强算法的局部搜索能力,最后通过仿真实验验证了本文算法,解决此类问题的可行性和有效性。