资源配置混杂Petri网的混杂系统生产过程动态调度

为了增强混杂生产过程应对突发事件的能力,以一种新的混杂Petri网(资源配置混杂Petri网)为研究模型,给出了相应的使能和激发规则.并在资源配置混杂Petri网建立的仿真模型的基础上,融入事件逻辑网和逻辑规划,提出一种适用于混杂系统动态生产调度建模和优化的方法.以典型的混杂生产过程为例,研究混杂系统生产过程建模及优化.研究结果表明,资源配置混杂Petri网模型描述能力强,能够有效描述混杂系统生产过程,所提出的动态调度方案切实有效.     

基于人工鱼群算法的混杂FMS优化调度

针对已有的调度方法难以找到混杂柔性制造系统调度全局最优解的问题,根据一阶混杂Petri网模型提出了一种基于人工鱼群算法的混杂柔性制造系统调度方法.利用混杂Petri网不变行为状态序列与时间序列的对应关系把寻找最优解转换成寻找最优时间序列.首先给出了合法时间序列的定义及其基于人工鱼群算法的判定方法;然后给出了最优时间序列求解的人工鱼群算法,同时提出基于最优解视野变异的人工鱼群算法以解决多次优化过程中只会得到某个局部最优解的问题.最后基于这些算法给出混杂柔性制造系统的最优调度求解方法.实验结果表明所提出方法正确有效.     

一类混合生产过程的混杂Petri 网建模与调度

针对混合整数线性规划方法在解决混合生产过程调度中存在的问题,提出一种混合间歇/连续生产过程的时间约束混杂Petri网模型,该模型能够对间歇操作时间可变和连续速率可变的混合生产过程进行有效描述.结合模型行为演变和遗传算法提出一种新的混合生产过程调度方法.实验结果表明了所提出方法的有效性.     

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.     

基于模型的子空间聚类与时间段蚁群算法的合同生产批量调度方法

针对目前冷轧薄板厂生产流程复杂、大量的多品种小批量合同并线生产,导致难以制定生产计划的问题,本文提出了混合模型子空间聚类（Subspace clustering mixed model,SCMM）方法,以合同中待加工钢卷的宽度、冷轧机组的入口厚度、 出口厚度以及合同的交货期为约束,对待生产合同进行组批. 依据冷轧厂实际生产过程,将冷轧机组视为核心节点,考虑准时交货、 在制品库存和生产流向产能分配的要求,对组批后的生产合同建立全流程合同计划模型,并且利用提出的时间段蚁群算法（Time-section ant colony optimization,TSA）,制定合同计划.利用生产过程的实际数据测试,本文的方法优于人工排产,可以满足制定冷轧薄板全流程生产计划的要求.     

基于Petri网的IC制造调度优化

论文根据IC制造中存在的多制造路径、资源共享、可变晶片组及并发等特点,结合增强定时Petri网,提出了一种调度优化算法。该算法无论是对典型的Job-Shop问题,还是比此更复杂的问题,都能给出确实有效的优化结果,具有一定的通用性。该算法还具有较高的运行效率,文中的实验结果也充分显示了这点。     

一种模糊Petri网参数优化的有效方法

本文根据模糊Petri网运行时连续性的特点,以蚁群算法为基础,提出了一种带交叉、变异因子的模糊Petri网参数值寻优的有效方法。该方法先用分层思想建立无环路的FPN模型,然后把它转化为类前向神经网络以确定输入—输出层关系,并将网络中各参数的值域均分为10等份,在图形中用10个城市来表示,再用蚁群算法进行路径的寻优,寻优后,在蚁群选定的值域上产生具体的分量解,最后由误差函数确定是否需要重新寻优。仿真程序实例表明经蚁群优化算法训练出的参数正确率较高,且不依赖于经验输入数据。     

冷轧生产调度模型及算法

针对冷轧生产线调度问题的复杂性, 将该问题规划为拼卷优化和轧制批量计划编制两个部分. 将拼卷优化问题归结为一个多容器装箱问题, 采用一种新的智能搜索算法——离散微分进化 (DDE) 对该问题进行求解; 对于轧制批量计划编制建立了一种特殊的双旅行商问题模型, 采用基于进化策略和邻域搜索的混合启发式方法求解模型. 最后通过上海宝钢生产实际数据对所提方法进行了试验, 试验结果显示本文给出的生产调度方法是有效的.     

基于HPN仿真的混杂系统分层调度方案国家863计划项目98-45-006

本文针对混杂系统中分段式生产的调度问题提出了一种分层调度的解决方案.在调度的上层将混杂系统中连续变量进行离散化处理,给出易于求解的静态调度方案在下层利用HPN(bybridPetrinet,混杂Petri网)仿真反馆调度信息,补偿上层调度中由于模型的离散化而丢失的动态信息.通过两层之间的通信达到整体调度方案的快速性、实时性和鲁棒性.     

基于HPN仿真的混杂系统分层调度方案

本文针对混杂系统中分段式生产的调度问题提出了一种分层调度的解决方案。在调度的上层将混杂系统中连续变量进行离散化处理,给出易于求解的静态调度方案：在下层利用HPN（bybrid Petrinet,混杂Petri网）仿真反馆调度信息,补偿上层调度中由于模型的离散化而丢失的动态信息。通过两层之间的通信达到整体调度方案的快速性、实时性和鲁棒性。     

基于蚁群算法的Petri网最优路径序列寻找

根据蚁群算法和时间Petri网的特点提出了一种网络元素可以记录少量信息的记忆扩展时间Petri网(METPN)。当METPN运行时，使用充足量的托肯在网络中行走并在行走过程中留下信息素来调整托肯的路径选择，从而使大量蚂蚁的行走路线不断逼近Petri网中时间延迟更短的变迁序列，最终在最短变迁序列上形成清晰的蚁路，从而在一定程度上解决了复杂Petri网的最优路径寻找问题。仿真结果表明，托肯可以有效地在最短延时路径上形成蚁路，能够求得从初始库所到网络中任意库所的最短路径。     

基于蚁群-遗传算法的模糊Petri网参数优化算法

在模糊Petri 网（FPN）的建立过程中如何确定模糊产生式规则的各项参数是尚未解决的热点问题。将蚁群算法和遗传算法相结合,提出了GAACA算法。仿真实验表明：该算法具有很强的泛化能力和自适应功能,能够达到参数优化的目的。     

基于Petri net建模的资源调度的蚁群算法

利用了受控赋时Petri net建立了分布式系统中的资源调度的模型,并应用仿真器进行了仿真。由于在进行大规模的模型分析时,不适合采用仿真器来模拟,因而引进了蚁群算法来优化模型,可以得到较好的结果。     

一种模糊Petri网参数优化的有效算法

以蚁群算法为基础,提出了一种带交叉、变异因子的模糊Petri网参数值寻优的有效方法。仿真实验的结果表明,新算法无需依赖经验数据,有效找到模糊Petri网的理想参数,从而提高了模糊Petri网对知识的分析和推理能力。     

On Enforced Convergence of ACO and its Implementation on the Reconfigurable Mesh Architecture Using Size Reduction Tasks

In this paper we show that size reduction tasks can be used for executing iterative randomized metaheuristics on runtime reconfigurable architectures so that an improved throughput and better solution qualities are obtained compared to conventional architectures that do not allow runtime reconfiguration. In particular, the problem of executing ant colony optimization (ACO) algorithms on a dynamically reconfigurable mesh architecture is studied. It is shown how ACO can be implemented such that the convergence behavior of the algorithm can be used to dynamically reduce the size of the submesh that is needed for execution. Furthermore we propose a method to enforce the convergence of ACO leading to a faster reduction process. This increases the throughput of ACO algorithms on runtime reconfigurable meshes. The increased throughput is used for repeated runs of ACO algorithms on a given set of problem instances which significantly improves the obtained solution quality.     

改进蚁群算法在VRP问题中的应用及颜色Petri网实现

蚁群算法在解决车辆路径问题时存在运行速度慢等问题,基于此本文提出了一种自适应蚁群算法.该算法把客户需求等因素加入禁忌表,实时记录当前最优解,据此智能调整信息素的更新规则,同时调整了概率转移公式和可行解的构造方法,并建立了相应的颜色Petri网模型.最后利用VRP问题库中的几个经典实例与GA及其他改进蚁群算法进行了对比试验,验证了该算法既可以加快收敛速度,又可以避免局部最优,同时保证了最优结果的多样性.     

基于文化的连续蚂蚁优化算法的研究

针对蚂蚁优化算法在求解连续空间问题方面的缺陷,提出一种基于文化的连续蚂蚁优化算法。该算法将蚂蚁优化算法纳入文化算法的框架,组成基于蚂蚁优化算法的主群体和信念的两大空间。在知识和群体层面使用双重进化机制支持问题的求解和知识的提取,从而充分利用精英蚂蚁所携带的特征信息,在很大程度上提高了收敛速度,增强了搜索的多样性。实验结果表明,该算法求解速度快、寻优成功率高,是一种提高蚂蚁优化算法性能的有效算法。     

基于混合蚁群算法的物流配送路径优化

基本蚁群算法在优化过程中存在搜索时间长、易陷入局部最优解的缺点.研究构造了一种基于蚁群算法的混合算法,利用蚁群算法首先求出问题的基本可行解,采用遗传变异中的单亲逆转算子进行再次优化,求得问题最优解.对物流配送路径优化的仿真试验表明,相对于基本蚁群算法和遗传算法,混合算法的优化质量和效率更优.     

变迁特性服从不同分布的SPN最优路径序列寻找

现实中的很多问题可以建模为随机Petri网(SPN)的主干路径寻找问题。假设SPN中变迁所代表的单元是可修复的,变迁的可靠度服从威布尔分布,维修度服从对数正态分布,在此基础上提出广义维修时间的概念,并得到了单元稳态可用度、系统稳态可用度计算方法。为了获取该类SPN的主干路径,根据蚁群算法和SPN的特点提出了一种网络元素可以记录少量信息的带变迁可用度的SPNMA网。在SPNMA运行时,大量的托肯在SPNMA中行走并且在行走过程中留下信息素,以变迁的综合成本,稳态可用度和信息素作为调整托肯路径选择的主要依据;引入基于均匀分布信息量均衡算子、基于正态分布的信息素权重因子和随机托肯等新方法对蚁群算法进行改进,蚂蚁优先选择综合成本低的路径,最终在最优主干路径上形成清晰的蚁路。仿真结果表明托肯可以有效地在最优路径上形成清晰的蚁路。