无线传感器网络快速数据收集的聚集调度方法

为了快速收集传感器节点数据,研究了最短时间聚集汇播的传输调度问题. 针对聚集调度中的传输链路选择问题,提出了对数聚集树构造方法,仿照理想情况下的最优聚集树结构对传输链路进行了优化选择;针对聚集调度中的时间片分配问题,提出了基于链路效用的时间片分配方法,以发送节点对其竞争节点的影响作为链路效用,优先为效用值较大的链路分配时间片,增加并行传输. 对比实验结果显示,该算法得到的数据收集时延在多数网络部署场景下比现有算法降低10%以上,且在网络密度较大、半径较小的场景中具有更好的相对性能. 实验结果表明,新提出的算法是一种有效的快速聚集汇播调度算法.     

并行机生产与成批配送协调调度问题的近似策略

为了提高供应链体系中企业的生产效率,降低生产和运输成本,针对钢铁企业生产与产品配送特点,提出了并行机生产与成批配送协调调度问题.并行机上加工完成的订单以组批的方式配送到相应的客户,每批配送的订单需要考虑运输时间和运输费用,目标为将总完工时间与配送费用之和最小化.通过对问题的最优解进行分析,利用程序划分和动态规划方法,提出了伪多项式时间算法.结果表明,伪多项式时间算法可以成为解决该问题的全多项式时间近似策略.     

一类面向任务的快速调度算法的研究

为了迅速有效求解作业车间大规模调度问题,克服常规调度算法求解时间长、效率低下、只能适应小规模系统求解的缺点,提出一种基于快速搜索可行调度时间的面向任务的调度算法.该算法依据某一调度目标计算每道工序的可行调度时间,将不同的操作以顺序加工或逆序加工的方式分配至给定能力约束的机器上,通过储存和不断更新每台设备有效调度时间缓冲区的方法,减少工序在每台设备上可行调度的搜索时间,较大地提高了计算效率.仿真结果验证了该算法为解决大规模调度和实时调度问题提供了崭新的思路.     

柔性Job Shops集成调度启发式算法

为有效解决柔性作业车间(Job Shops)的加工与搬运集成调度问题,以最小化最大完工时间(Makespan)为调度目标,建立非线性规划模型,提出基于贪婪启发式策略的变邻域搜索算法(GRS-RVNS).根据准时(JIT)生产和均衡生产思想构建贪婪启发式策略快速求初始解.利用析取图表示可行解并根据析取图调度的性质定理构建有效的搜索邻域,进而利用随机变邻域搜索算法对初始解进行优化.对提出的算法进行仿真实验分析,结果表明:该算法求解时间短、调度方法有竞争性.     

改进灰狼算法及其在港口泊位调度中的应用

为提升港口泊位调度的效率,提出一种基于改进灰狼算法的船舶调度优化方法.针对灰狼算法收敛速度慢、寻优精度不高等不足,引入Sin混沌初始化,增强初始种群的均匀性和遍历性;引入头狼引领策略,加快算法收敛,提高算法效率;引入合作竞争机制,增强算法局部搜索的能力;在灰狼种群位置更新时引入自适应权值,以满足不同时期的寻优要求.为验证改进灰狼算法的有效性,将该算法与其他6种不同算法进行对比实验.结果表明:改进灰狼算法的收敛速度明显快于其他6种算法,在不同测试函数的仿真中均能得到所求函数的最优值,且该算法独立运行20次取得解的标准差均为0,表明该算法对不同维度的求解问题均具有很好的抗扰性;在港口泊位调度的应用中,经过该算法优化后,所有船舶停留总时间较优化前缩短了14.7%,大幅度缩短了船舶的在港时间.该算法在船舶调度优化中取得了满意的应用效果,能够得出相对较佳的调度方案,实现泊位停靠最优化,为港口泊位调度优化提供了新方法.     

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.     

集装箱码头泊位调度问题的启发式算法研究

为优化集装箱码头泊位的分配,提高泊位的利用率,把码头泊位的调度问题转化为带有约束条件的特殊二维装箱问题。通过建立连续泊位调度的非线性规划模型,提出了一种求解集装箱码头连续泊位分配问题启发式算法。仿真算例结果表明该算法能在实际的集装箱码头泊位调度中有效的提高泊位的利用率。     

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.     

Pareto多目标模糊调度算法研究

针对企业项目调度中具有多个目标的特性,现实情况中面临资源的可用时间和活动的执行时间具有不确定性,提出了多目标模糊调度模型.在多目标模糊项目调度模型的基础上提出了Pareto多目标模糊遗传调度算法,针对调度中所获得的解空间的多样性问题,在多目标模糊调度算法中引入共享机制平衡解空间的分布.最后对算法进行了实例验证并与其他多目标调度问题的算法进行了比较,验证其有效性.     

混合蚁群算法在水库群优化调度中的应用

针对梯级水库群优化调度问题的特点,建立蚁群算法求解多阶段最优化问题数学模型.把水库的运行策略转换为水库水位变化序列,通过一定的编码形式分别将其表示人工蚂蚁的路径.人工蚂蚁在满足一定的约束条件下,按预定的目标函数评价其优劣.针对蚁群算法在优化过程中出现搜索时间较长和早熟停滞现象,提出了具有变异特征混合局部优化算法的蚁群系统(MSA-ACS).然后将MSA-ACS和蚁群系统(ACS)分别用于求解雅砻江梯级优化调度问题,通过对优化结果和计算时间的对比分析,验证了改进方法的有效性.该改进方法获得了比较满意的解,不仅能提高蚁群算法的收敛性能,还能增强解的稳定性.     

柔性车间调度的新型初始机制遗传算法

为了提高柔性作业车间调度求解遗传算法（GA-Ⅰ）的初始种群质量,提出一种基于短用时和设备均衡策略的机器链优化初始方法.运用均匀设计原理对每道工序的具有最短加工时间的可选机器进行均匀组合,形成机器分配链优化遗传算法（GA-Ⅱ）的初始群体|采用均匀设计法构造不同权值,形成机器总负荷和机器负荷方差的不同加权组合以构造机器链优化的适应度函数|通过GA-Ⅱ计算产生定量优化的机器分配链群体.将上述机器分配链优化群体作为柔性作业车间调度问题遗传算法（GA-Ⅰ）的机器链初始群体,并利用混合方式的交叉与变异在工件和工序级尺度上进行遗传操作,实现了FJSP的高效求解算法.通过典型算例验证了该方法的可行性和有效性.     

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。     

总完工时间最短的恒速机排序

研究了可中断的带有到达时间的使总完工时间最小的恒速机排序问题．工件最多被截断2N次,其时间复杂性为N（nlogn）．此问题是NP-难的,对一些特殊情况进行分析,给出了最优算法．     

An Improved Ant Colony Algorithm for a Single-machine Scheduling Problem with Setup Times

Motivated by industrial applications we study a single-machine scheduling problem in which all the jobs are mutually independent and available at time zero. The machine processes the jobs sequentially and it is not idle if there is any job to be processed. The operation of each job cannot be interrupted. The machine cannot process more than one job at a time. A setup time is needed if the machine switches from one type of job to another. The objective is to find an optimal schedule with the minimal total jobs' completion time. While the sum of jobs' processing time is always a constant, the objective is to minimize the sum of setup times. Ant colony optimization (ACO) is a meta-heuristic that has recently been applied to scheduling problem. In this paper we propose an improved ACO-Branching Ant Colony with Dynamic Perturbation (DPBAC) algorithm for the single-machine scheduling problem. DPBAC improves traditional ACO in following aspects: introducing Branching Method to choose starting points; improving state transition rules; introducing Mutation Method to shorten tours; improving pheromone updating rules and introducing Conditional Dynamic Perturbation Strategy. Computational results show that DPBAC algorithm is superior to the traditional ACO algorithm.     

云数据中心面向实时任务的节能调度算法

针对云计算环境下的独立实时任务的节能调度问题进行了研究,设计了一种基于松弛时间的任务调度算法,该算法由实时任务的分配、虚拟机资源的动态扩展以及虚拟机的动态整合3个部分组成,通过计算任务的松弛时间保证任务在截止期限内完成,保证任务的时效性. 同时提出了一种基于多阈值的虚拟机整合策略,以平衡系统负载并降低系统完成任务集合的能耗. 实验表明,与其他算法相比,该算法在保证了任务能够按时完成的基础上,有效降低了系统的整体能耗.     

An Improved Ant Colony Algorithm for a Single-machine Scheduling Problem with Setup Times

Motivated by industrial applications we study a single-machine scheduling problem in which all the jobs are mutu- ally independent and available at time zero.The machine processes the jobs sequentially and it is not idle if there is any job to be pro- cessed.The operation of each job cannot be interrupted.The machine cannot process more than one job at a time.A setup time is needed if the machine switches from one type of job to another.The objective is to find an optimal schedule with the minimal total jobs'completion time.While the sum of jobs'processing time is always a constant,the objective is to minimize the sum of setup times.Ant colony optimization(ACO)is a meta-heuristic that has recently been applied to scheduling problem.In this paper we propose an improved ACO-Branching Ant Colony with Dynamic Perturbation(DPBAC)algorithm for the single-machine schedul- ing problem.DPBAC improves traditional ACO in following aspects:introducing Branching Method to choose starting points;im- proving state transition rules;introducing Mutation Method to shorten tours;improving pheromone updating rules and introduc- ing Conditional Dynamic Perturbation Strategy.Computational results show that DPBAC algorithm is superior to the traditional ACO algorithm.     

基于混沌粒子群算法的车间作业调度优化

为提高车间作业调度效率,提出一种基于混沌粒子群算法的车间作业调度优化方法。首先以机器加工时间最短为优化目标,建立一个多约束的车间作业调度数学模型,然后采用粒子群算法对其进行求解,并通过采用混沌机制保持粒子多样性。仿真测试表明,混沌粒子群算法可以获得车间作业调度方案,具有一定应用价值。     

基于狮群算法的数字孪生车间调度问题优化

针对柔性作业车间调度问题,提出一种基于狮群算法的数字孪生柔性作业车间调度方法。基于实际生产过程的需求,使用狮群算法生成柔性作业车间调度初始方案,建立物理车间与虚拟车间实时交互的数字孪生柔性作业车间调度模型,在搭建的虚拟车间中对初始调度方案根据设备利用率进行方案优化。采用数字孪生模型解决设备故障等车间突发事件对生产进程的影响问题。通过使用真实车间数据对机加工车间生产调度过程试验,结果表明,采用狮群算法求解柔性作业车间调度问题,搜寻能力强,搜索速度快,可以在不同规模的问题中找到更优的解决方案;狮群算法结合数字孪生的柔性作业车间调度方案能够整体优化系统性能,有效处理扰动带来的延长生产时间问题。     

不误工工件加工时间之和最小的最优解

误工排序问题是经典排序论中最基本的问题之一。1968年Moore提出解决这个问题的算法,可以在时间O（nlogn）内得到最优解。误工问题推广到以下情况：或者某些工件必须不误工;或者工件的加工时间与工件的权有反向一致性;或者工件的加工时间与工件的权具有反向一致性,并且某些工件必须不误工等等。对于这些误工问题及其推广问题提出了多项式时间算法,证明了算法的最优性,并且证明了算法得到的最优解是所有最优解中不误工工件加工时间之和是最小的。     

求解非标准作业车间调度问题的均衡算法

针对加工工序的设备是多台具有相同加工能力的机器集合的非标准Job-shop调度问题，利用指针队列及调度均衡的思想来构造目标函数，提出了非标准Job-shop调度算法．经过理论分析和实践验证，相对其他算法更加优化．