原油一次加工过程的多目标调度优化

在制定原油一次加工过程详细调度时,往往需要考虑多个优化目标。本文提出一种基于改进的骨干粒子群算法和II代非支配遗传算法协同进化的双种群算法,并通过Pareto差熵控制种群的交流,优化了供油罐使用成本、供油罐的切换成本、管道中原油混合成本以及供油罐罐底混合成本4个目标。通过一个工业实例,将本文算法与现有的几种具有代表性的进化多目标优化算法进行对比,验证本文算法的可行性和有效性。     

混合供油模式下炼油短期生产计划的可调度性分析

炼油生产中,在许多情况下,供油罐的数量不足以使用一个油罐供应一个分馏塔的炼油模式,而需要使用一个油罐供一个分馏塔和一个油罐供两个分馏塔的混合模式。这使得炼油短期生产计划更为复杂。本文从控制理论的角度研究这种混合供油模式下的炼油短期调度问题。通过建立系统的Petri网模型,分析了在混合模式下供油罐的数量和容量、分馏塔数量、管道输油速率对系统可调度性的影响,推导出了可调度的条件。并用一个生产实例对得到的可调度性条件进行了验证.     

基于Petri网原油处理短期生产计划可调度性分析

由于原油运作短期调度的复杂性,现有的建模过程会忽略一些关键约束,导致不可行解。为了避免这个问题,从控制理论的角度研究短期调度问题,将短期调度中的一个运作决策作为一个控制。基于这个观点,对厂区油罐的数量以及它们的容量、厂区油罐中不同类型原油的库存、管道的运输速率存在的情况,利用Petri网分析其可行性。最后,利用一个实例对短期调度的可行性条件进行验证。     

多层级装配作业车间分批调度算法设计与分析

多层级装配作业车间调度是一类包含加工与装配的双阶段调度问题，装配产品具有不同的树状结构，且各层级的装配工序需要直属零部件完工方可执行。分批调度可以提高车间生产流动性，故而被运用在作业车间调度等领域。装配作业车间分批调度需要解决关联零部件及其下属子批的进度协同性问题，为此建立了多层级装配作业车间的分批优化调度模型，以最小化拖期成本与库存持有成本为优化目标。出于求解效率考虑，构建基于遗传算法与优先分派规则的混合求解算法以应对批量划分与排序两个子问题。最后，设计仿真实验验证分批调度算法的有效性，并分析评估在8种作业分派规则、3类分批策略下混合算法对于差异化产品结构的适应性。通过分析实验结果发现，等量分批策略可以在给定条件下有效提升混合算法的调度性能。     

物联网变送器及AI调度系统在输油管网中的应用

原油输送过程中,油罐液位输油泵开启部位容易出现缺陷,工业中常利用人工观察的方法来杜绝由于管道缺陷而造成的各种问题,随着科技的快速发展,通过智能调控系统对输油管网中的缺陷进行观察有助于提升原油输送的效率。本文主要从物联网变速器和AI调度系统这两个方面出发对其在输油管网中的运用进行了分析和研究,以期降低输油管线由于压力过高而导致的爆管现象。     

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。     

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。     

一类多资源调度问题的优化算法

若调度系统中的作业或任务需要一个或多个资源共同完成， 则这一类调度问题被称为多资源（或多处理机）调度问题。本文针对Jobshop中的这一调度问题，提出了基于遗传的优化调度算法，并用实例证实了该算法的有效性。     

考虑混合车队的多目标共享单车重平衡问题研究

共享单车系统所面临的主要问题是用户需求与单车供给的不匹配，实施有效的重平衡操作需要权衡成本与服务水平这两个相互矛盾的目标。在“双碳”目标的背景下，考虑了由电动车和燃油车组成的混合车队以及燃油车限行因素，建立了以重平衡总成本最小和未满足重平衡需求量最小为优化目标的多目标混合整数规划模型，并提出了一种改进多目标粒子群算法来求解该问题。不同规模测试例的仿真结果表明，该算法在收敛性、多样性和分布性方面都优于NSGA-Ⅱ和标准多目标粒子群算法，能够得到更高质量的帕累托最优解集。管理者可以依据其自身偏好，从中选择合理的重平衡方案。     

基于遗传禁忌算法考虑转运约束的并行机批量调度问题研究

在多品种混流生产车间里，广泛存在着各种批量的任务在多台并行机上调度优化问题。这种并行机批量调度需要考虑批量大小设置、加工顺序优化、设备充分利用等多种要素，是一类典型NP-hard问题，且当任务加工完后还需要考虑转运过程时，问题将变得更加复杂。为了减少并行机生产过程中任务拖期和在制品积压，寻求更好的生产调度方案，针对典型并行机生产和转运场景，以最小化加权完工时间及拖期工件的惩罚费用、作业切换成本、库存成本之和为优化目标，设计了基于启发式规则的仿真程序与遗传禁忌算法相结合的优化算法，研究单工序不相关并行机调度环境下车间批量调度的最优调度方案，再通过案例验证了本文优化算法的有效性。结果表明，优化算法得出的并行机批量调度方案使得作业切换次数和拖期订单大大减少，减少在制品库存的同时提高了转运资源的利用率。     

基于改进NSGA2算法的多目标柔性作业车间调度

柔性作业车间调度问题（FJSP）是经典作业车间调度问题的重要扩展,其中每个操作可以在多台机器上处理,反之亦然。结合实际生产过程中加工时间、机器负载、运行成本等情况,建立了多目标调度模型。针对NSGA2算法收敛性不足的缺陷,引入免疫平衡原理改进NSGA2算法的选择策略和精英保留策略,成功避免了局部收敛问题,提高了算法的优化性能。通过与启发式规则以及多种智能算法进行比对仿真实验,改进的NASA2算法能获得更好的解。用改进的NAGA2算法求解实例,不仅有效地克服多目标间数量级和量纲的障碍,而且得到了满意的pareto解集,进一步验证了该算法和模型的可行性。     

集装箱码头岸桥调度的时间—成本均衡模型与算法

针对集装箱码头岸桥调度的时间—成本均衡问题,综合考虑岸桥调度问题中所涉及的各类约束和装卸任务所需时间与成本之间的关系,首次提出了岸桥调度的时间—成本均衡混合整数优化模型。设计改进的遗传算法用以求解该模型。数值实验的结果验证了模型正确性和算法有效性,说明模型和算法可以用于实际的岸桥调度过程。     

项目型产品装配过程重调度方法研究

针对项目型产品装配过程重调度问题,综合分析了项目型产品装配过程的特点,本文构建了以最小化项目成本和最小化计划变动偏差为目标的数学模型,并设计了基于帝国竞争机制的多目标算法(MOICA)进行求解。基于PSPLIB中的36个不同规模测试集,将本文算法与快速非支配排序遗传算法(NSGA-Ⅱ)和加强Pareto进化算法(SPEA)进行了比较,结果表明本文算法优于其他算法。最后以某汽轮机厂汽缸装配案例进行验证。     

基于分支定价算法的多时间窗家庭医护人员调度问题研究

为了减少医护人员调度成本，提高客户满意度，研究了家庭医疗护理人员调度问题。考虑客户具有多个可接受服务的时间窗，并对不同时间窗具有不同偏好的特性，建立以总运营成本最小、满意度最大为目标的数学模型。基于Dantzig-Wolfe分解原理将所建模型重构为集合划分主问题和含多时间窗的最短路径子问题模型。运用将列生成嵌入分支定界框架中的分支定价算法对问题求解，并根据多时间窗的问题特性设计了快速获得初始解的随机贪心算法和求解子问题的改进标签算法。对50组算例进行测试，将所提出的算法与CPLEX对比，验证了算法的有效性。最后比较单时间窗和多时间窗算例结果发现，客户提供多个可接受服务的时间窗能有效降低调度成本。     

自动化生产单元调度的混沌粒子群算法

在求解一类带时间窗口的自动化生产单元调度问题时,基本粒子群算法易陷入局部极值点且收敛缓慢.针对这一问题,将混沌搜索技术引入至基本粒子群算法中,利用混沌运动搜索精度高、遍历性好的特点来改善基本粒子群算法易陷入局部极值点和收敛缓慢的缺点,从而提高粒子群算法的收敛速度和优化质量.首先给出了带时间窗口的自动化生产单元调度问题的混合整数规划模型,着重讨论了混沌粒子群调度算法的设计,包括编码方式、混沌初始化、混沌扰动和适应度函数计算等.对提出的算法进行了仿真验证,仿真结果表明在求解此类调度问题上,混沌粒子群算法比基本粒子群算法具有明显的优势.     

有模具约束的并行机批量流调度问题研究

大多数调度问题均假设产品以单个或整批的方式进行生产,而实际生产过程中,会把产品分批后再进行生产。但当考虑模具约束时,对如何解决产品分批以及制定合理调度方案的问题,本文以最小化最大完工时间为优化目标,建立了考虑模具约束的并行机批量流调度模型,并提出了一种基于遗传算法和差分算法结合的混合差分遗传算法（DEGA）,实现分批与调度两个问题并行优化。最后通过对算例测试,DEGA算法得到更优的解,证明了该算法的优越性和稳定性。结合实际案例,验证了模型和算法的可行性。     

基于混合智能算法的多资源约束项目优化调度

 基于关键链项目管理(critical chain project management,CCPM),利用一种混合智能优化算法求解多资源约束项目调度问题,解决传统调度优化算法的不足,提高这类问题的求解质量.首先利用一类启发式算法识别项目关键链,并设置缓冲区尺寸,以项目总工期和在制品库存为优化目标建立数学模型,设计一种混合智能优化算法求解,并对项目问题库中的j30hrs.sm问题和某生产型项目进行实验分析,得到优化的结果.实验表明,采用混合智能算法求解这类问题能得到明显优于一般调度优化算法的结果.     

一种改进的蚁群算法在工艺规划与车间调度集成优化中的应用

改进标准蚁群算法的执行策略,可提高工艺规划和调度集成问题的求解质量和效率。通过节点集、有向弧/无向弧集、AND/OR关系,建立了基于AND/OR图的工艺规划和调度集成优化模型。提出一种求解工艺规划与车间调度集成问题的改进蚁群优化算法,采用了信息素动态更新策略避免收敛过慢和局部收敛,利用多目标优化策略提高求解质量。仿真结果证明了该算法的有效性。     

多资源作业车间的混合自适应GA优化调度

针对多资源约束的车间调度问题,将启发式算法和自适应GA优化方法结合起来,提出了混合自适应GA方法,建立了多资源约束的车间优化调度模型.根据启发式调度算法中优先规则对调度目标的影响,设计了新的编码规则.采用正弦函数作为自适应因子,使得交叉概率和变异概率随群体的适应度自动改变,提高了运算的效率,克服了启发式算法和普通GA的缺陷.通过实例仿真并与其他算法比较结果表明,混合自适应GA算法可以很好的解决作业车间在机床、刀具等多种生产资源约束下的优化调度,并在评价指标上较其他算法更优.     

交互式多模型集自适应协同滤波目标跟踪算法研究

为了解决传统交互式多模型算法静态模型集带来的精度低等局限问题,提出了一种多模型集自适应协同滤波算法。通过比较目标与当前模型集中不同模型之间的模型匹配概率,自动确定当前模型匹配中的最好模型与最坏模型,利用激活、保留和剔除策略改变固定模型集的结构以达到模型集自适应的过程。通过与其他已经提出的交互式多模型算法进行比较,实验结果表明:多模型集自适应协同滤波算法在速度、加速度以及转弯速率的状态估计上都得到了优化,在一定程度上提升了目标跟踪定位的准确性。