基于预测与分解策略的大规模炼油过程生产调度算法

炼油生产调度为混合整数规划问题,随着规模的增大,其求解时间随问题规模呈指数增加,使得大规模长周期炼油生产调度问题难以在合理的时间内求解.针对该问题,本文提出了一种基于生产任务预测与分解策略的炼油生产调度算法,该算法能在短时间内获得大规模调度问题的满意解.所提算法将原问题沿时间轴分解为若干个调度时长相同的单时间段子问题,并设计了基于深度学习的单时间段生产任务(组分油产量)预测模型,用于协调子问题的求解.其中,生产任务预测模型通过易于获得的小规模问题的全局最优调度方案训练得到.最后,通过与商业求解器Cplex以及现有算法的对比,实验结果表明了所提算法的有效性.     

求解混杂生产调度问题的嵌套混合蚁群算法

蚁群算法作为解决优化问题的有力工具,它的有效性已经得到了证明.由于其生物学背景,基本蚁群算法被设计来求解复杂的排序类型组合优化问题,在连续空间优化问题的求解方面研究很少.本文提出一种嵌套混合蚁群算法,用于解决具有混杂变量类型的复杂生产调度问题,在一种新的最佳路径信息素更新算法的基础上,提高了搜索效率.计算机仿真结果表明,本文提出的方法在求解此类问题上性能优于另一种基于进化计算的有效方法--遗传算法.     

基于分解优化的多星合成观测调度算法

某些卫星的侧摆性能较差, 必须进行合成观测以提高观测效率. 研究了多星联合对地观测中的任务合成观测调度问题. 提出了将原问题分解为任务分配与任务合成的分解优化思路. 任务分配为任务选择卫星资源及时间窗口; 任务合成则针对该分配方案,将分配到各卫星的任务按照轨道圈次分组, 分别进行最优合成. 采用蚁群优化算法(Ant colony optimization, ACO)求解任务分配问题, 通过自适应参数调整及信息素平滑策略, 实现全局搜索和快速收敛间的平衡.提出了基于动态规划的最优合成算法, 求解任务合成子问题,能够在多项式时间内求得最优合成方案. 依据分配方案的合成结果, 得到优化方案的特征信息, 反馈并引导蚁群优化算法对任务分配方案的搜索过程. 大规模测试算例验证了本文算法的效率.     

基于免疫蚂蚁算法的Job-shop调度问题

描述了作业调度问题，借鉴生物免疫机理提出了求解车间调度问题的免疫蚁群算法，该方法在蚂蚁搜索程中，运用免疫机理提取疫苗，并对进化种群进行免疫操作，从而有效地抑制了蚁群算法的“早熟”和搜索效率低下的问题，显著地提高了蚁群算法对全局最优解的搜索能力和收敛速度，给出了免疫蚁群算法的具体步骤，并对算法进行了实例验证。     

基于预测及蚁群算法的云计算资源调度策略

研究云计算资源调度问题,针对目前静态的网格资源调度算法只考虑任务完成时间最小化,导致了不能满足动态的云计算资源调度要求。为了适应云计算的动态性和实时性,解决云计算资源调度问题,降低数据中心用电量,提出一种基于预测及蚁群算法的云计算资源调度策略。当数据中心利用率较低时运行改进蚁群算法来合理调度虚拟机至宿主机,通过动态趋势预测算法预测数据中心负载来智能开关宿主机。仿真结果表明,采用预测及蚁群算法进行的云计算资源调度策略,保证了云计算的实时性,并有效减少数据中心用电量。     

用蚁群算法求解Job-Shop问题的机器分解方法

针对生产调度中Job-Shop问题,蚁群算法在求解Job-Shop问题时有计算量大的缺点,为了提高求解效率,将机器分解方法引入蚁群算法.机器分解方法在每次迭代中蚂蚁仅在子图中构造部分解,并与上次迭代中其他机器上的顺序共同构成本次解,提高了蚁群算法求解Job-Shop问题的效率.并且在算法中提出了一种新的状态转移规则和设计了蚂蚁起点位置的方法.通过在Benchmark算例上的仿真,与原有的一类集中式求解的蚁群算法作了比较,结果显示改进后的算法取得了较好的结果,大大缩短了计算时间,说明机器分解方法的有效性.     

基于蚁群算法的泊位调度问题

在集装箱港口的运作中,泊位调试系统是制约集装箱港口降低船舶在港时间和运营成本的主要瓶颈之一。泊位调度的目标就是确定集装箱港口船舶的停靠泊位和停泊时间。将码头看成离散泊位的集合,以船舶的在港时间最短为目标,应用蚁群算法对该问题进行优经研究,在满足各种约束条件的基础上,充分的利用好码头资源。利用蚁群算法的正反馈和并行搜索特点提高解的质量2和稳定性,通过对某集装箱码头的案例分析,说明该算法的有效性和实用性。     

多处理机调度问题的蚁群算法

建立了多处理机调度问题模型，分析了贪心法和模拟退火算法的优缺点。通过实例采用蚁群算法解决了此问题，结果表明该方法比较有效。     

生产调度算法的研究

本文发展了文献⑴的排序算法并提出了加班算法，适用于小批量，多品种生产的调度。     

改进的基于分解的多目标进化算法求解双目标模糊柔性作业车间调度问题

针对同时考虑最大模糊完工时间和总模糊机器负载的双目标模糊柔性作业车间调度问题(BFFJSP),本文提出了一种改进的基于分解的多目标进化算法(IMOEA/D),同时最优化最大模糊完工时间和总模糊机器负载,其主要特点是:1)采用3种初始化种群的策略; 2)提出了非支配解优先策略; 3)设计了结合5种局部搜索策略的变邻域搜索; 4)提出了计数器策略预防陷入局部解.运用大量实例进行了算法策略分析和对比实验,仿真结果表明, IMOEA/D在求解BFFJSP上具有更优性能.     

一类复杂生产调度问题的基于符号演绎的调度方法

针对带有时问不确定件的复杂生产过程调度问题,提出一种基于符号演绎的调度方法.首先将时间的不确定性信息看作符号型数据,并提出一种用于处理这些符号型数据的基于不确定区间的符号演绎方法;然后将此符号演绎方法与遗传算法相结合,提出一种预排调度计划与实时调度规则相结合的调度方法来求解上述复杂生产调度问题.实验表明,将基于符号演绎的调度方法用于求解带有时间不确定性的复杂生产过程调度问题,能够取得较好的调度效果.     

An autonomous decentralized scheduling algorithm for a scheduling problem in a metal mould assembly process

This paper deals with a scheduling problem in a metal mould assembly process. The process is of job shop type with several additional constraints. One constraint is that precedence relations exist not only among operations but also among jobs. The other constraint is that the system has two types of machines in parallel. The single-function machine executes a specific operation of each job and the multi-function machine can execute several operations. Therefore selection of the machine is necessary for executing each operation. In addition the problem has two objective functions. One is to minimize the sum of the tardiness of each job, and the other is to maximize the working time of the multi-function machine because of reducing the operating cost of machines. An autonomous decentralized scheduling algorithm is proposed to obatin a compromise solution of the multi-objective problem. In this algorithm, a number of decision makers are called subsystems, which co-operate with one another in order to attain the goal of the overall system. In our algorithm, all jobs and the set of multi-function machine are defined as the subsystem because their objective functions are competitive. They determine the scheduling plan on the basis of their co-operation and the satisfaction of their own objective function levels. The effectiveness of the algorithm is investigated by examining numerical results.     

炼钢-连铸生产启发式调度方法

实际炼钢–连铸生产存在着多阶段、多并行机,以及在精炼阶段具有多重精炼方式,从而大大增加了炼钢–连铸生产调度难度.目前已有的炼钢–连铸生产调度研究由于仅仅针对简单生产方式而难以应用于目前大型炼钢–连铸生产调度.而实际生产过程中的以人工为主的调度方法速度慢、优化程度低,极易造成炉次在设备间的冗余等待时间过长,导致钢水温度下降,甚至造成连铸断浇事故.本文针对中国宝钢某大型炼钢厂的多重精炼方式且存在着可重入调度下的炼钢–连铸生产调度问题进行研究,提出了多种调度顺序方法和设备指派方法,通过仿真实验对多种调度顺序方法和多种设备指派方法组合而成的各种启发式方法进行了研究.最后将本文提出的性能最好的启发式方法应用于该大型炼钢厂的炼钢–连铸生产调度,钢水平均日冗余等待时间得到显著降低.     

An optimal method for the preemptive job shop scheduling problem

In this study, a powerful solution methodology is developed for minimizing makespan in the preemptive Job Shop Scheduling Problem (pJSSP). Some new properties of the problem are stated and proved via theorems on the basis of which a new dominant set is introduced for the problem. These properties give rise to a dramatic decrease in the search space and provide the potential for exact methods to be successfully used in the solution of this notoriously NP-hard problem. The exact method presented here is a branch and bound algorithm developed on the basis of a new disjunctive graph. Its efficiency is enhanced by the effective use of such techniques as dominance rules or lower bounds. The capability of the approach is investigated by using it to solve the well-known benchmark problems and comparing the results obtained with those from the best methods in common use. The results indicate that the proposed method is capable of optimally solving 24 open benchmark problems including the famous 10×10 problems. Additionally, it is the first optimal method ever developed to find optimal solutions to some large-scale problems of the size 30×10 and 50×10.     

炼焦生产过程综合生产指标的改进神经网络预测方法

针对炼焦生产过程综合生产指标 (焦炭质量、产量和焦炉能耗)检测的严重滞后问题,提出一种改进BP神经网络预测方法.首先基于相关过程参数的主元分析和灰色关联分析,确定出预测模型的输入输出变量;然后采用基于改进差分进化算法的BP神经网络建立预测模型,并与基本BP神经网络预测模型进行比较;最后,对改进BP神经网络预测模型进行了验证.实验结果表明,改进BP神经网络预测模型具有较快的收敛速度和较高的预测精度,模型的预测效果可以满足生产工艺要求.     

A decomposition based multiobjective genetic algorithm with adaptive multipopulation strategy for flowshop scheduling problem

Natural Computing - Recently, the solution algorithm for multiobjective scheduling problems has gained more and more concerns from the community of operational research since many real-world...     

混合分解多目标进化算法求解绿色置换流水车间调度问题

针对考虑能量消耗的绿色置换流水车间调度问题,以最大完工时间和总能量消耗为优化目标,提出一种混合分解多目标进化算法(HMOEA/D).首先,为了保持初始种群的多样性,使用一种混合初始化策略产生高质量初始种群;其次,采用禁忌搜索策略作为局部搜索算子,强化算法跳出局部最优能力;最后,提出节能策略,以进一步优化总能量消耗目标.通过对标准测试集进行仿真实验并与代表性算法进行比较,验证所提出算法的优越性.     

求解炼钢连铸生产调度问题的改进算法

将炼钢连铸生产调度问题抽象为混和流水车间调度,建立了0-1型混合整数线性规划模型,并提出了一种遗传和线性规划相结合的求解方法。该模型通过优化钢水传搁时间来满足钢水的温度要求,通过最小化浇次开浇提前/拖期惩罚来协调连铸与热轧间的生产节奏。在算法设计中,给出了一种染色体编码来表示炉次设备指派与炉次在设备上的加工顺序方案,并探讨了相应的遗传操作。最后,仿真实验的结果表明了该算法的有效性。