多场桥分区域平衡策划下的集装箱堆场箱位分配问题

集装箱码头堆场出口箱箱位分配和场桥调度对码头运营效率有重要影响. 为了合理分配箱位和调度场桥, 采用分区域平衡策划方法, 在给定批量任务下, 考虑场桥实际作业中的安全距离, 以均衡各场桥作业任务量和减少场 桥的非装卸时间为目标, 建立混合整数规划模型, 并设计遗传算法求解, 通过不同批量任务的实验分析验证所提出方法的有效性. 研究表明, 分区域平衡策划方法可以更好地解决箱位分配和箱区多场桥联合作业的优化问题.

     

多阶段人机协同求解动态柔性作业车间调度问题

针对柔性作业车间生产环境中机器故障的动态调度问题, 以最小最大完工时间和最小偏差为目标, 结合车间调度人员的经验建立多阶段人机协同动态调度策略. 在不同阶段该策略的调度人员可参与优化过程, 提高方案的可行性和稳定性. 设计外部精英库中最优解的更新方法, 依据海明距离保留具有相同目标值的多种调度方案. 最后通过实例仿真验证了该模型和算法的有效性、可行性和稳定性, 更便于有效地指导生产实践.

     

混堆集装箱箱区内场桥调度模型与算法

在混堆模式下的集装箱港口中,场桥（YC）调度是否合理直接影响着堆场的作业效率。考虑到混堆箱区内各任务对应的内集卡或外集卡到达时刻的不同,以及内外集卡优先级别的差异,构建了一个以所有集卡的等待成本和场桥的总移动成本最小为目标的场桥调度（YCS）模型,并设计了对应的遗传算法,给出了相应遗传算子的操作规则,通过算例的求解验证了模型与算法的有效性。     

分布式车间调度优化算法研究综述

在分布式制造环境下, 分布式车间调度着重研究工件在工厂间的合理分配以及各工厂内的合理加工顺序, 以实现调度指标的最优化. 分布式车间调度的研究具有重要的学术意义和应用价值, 已成为生产调度领域的热点. 对 此, 围绕分布式并行机调度、分布式流水线调度、分布式作业车间调度、分布式装配调度和分布式柔性车间调度等问题, 重点综述分布式调度优化算法方面的代表性成果, 介绍分布式调度的若干应用, 最后指出有待于进一步研究的若干方向和内容.

     

集装箱码头场桥协同调度研究

针对集装箱港口场桥调度过程中场桥移动路径具有冲突性的特点,提出了将集中决策和多agent建模相结合的优化方法,充分发挥集中决策的高效性和多agent建模的灵活性。通过数值实验和以往的调度方法进行了比较,结果显示得到的调度结果具有良好的可行性。     

基于箱粒子的多扩展目标PHD滤波

在高斯混合多扩展目标PHD 滤波的基础上, 结合最新兴起的箱粒子滤波, 提出一种基于区间分析的多扩展目标PHD 滤波算法. 采用大小可控的非零矩形区域来代替传统的多个点量测, 这样可降低权值计算中对量测分布的要求. 仿真对比实验表明, 采用区间分析方法在保证近似于传统滤波精度的同时可降低计算复杂度, 在目标数目估计及抗杂波干扰方面也具有较为突出的优势, 并且可解决在目标靠近时由于不能正确给出子划分而造成的漏检问题.

     

基于环境经济调度问题的空间自适应划分多目标优化

提出一种基于空间自适应划分的多目标优化算法. 为了增强种群的收敛性和多样性, 多维搜索空间被划分成多个网格, 网格内的粒子通过共享“引导”粒子的经验信息调整自身的速度和位置, 并引入年龄观测器实时记录引导粒子对Pareto 解集所做的贡献, 及时更新引导粒子, 以增强算法的全局搜索能力. 对多目标测试函数以及环境经济调度问题进行了仿真实验, 实验结果表明, 所提出算法能对解空间进行更加全面、充分的探索, 快速找到一组分布具有较好的逼近性、宽广性和均匀性的最优解集合.

     

考虑时间窗的集装箱港口场桥全局调度优化

合理高效的场桥调度计划有助于减少场桥与集卡相互等待的时间从而提高港口的运营效率,考虑到在实际操作中会出现多箱区多场桥同时工作、互相冲突等情况,建立了以场桥移动成本和延误成本最小化为目标的数学模型,利用计划时间段和时间窗的概念对场桥作业进行约束,通过遗传算法编码进行求解,并将计算结果与实际操作及其他算法的优化结果相对比,进而验证该模型和算法的有效性和稳定性。     

面向哈佛体系结构的集装箱码头场桥作业调度

集装箱码头堆场作业调度问题一直是国内外相关研究的热点和难点,但由于码头作业的动态性、开放性、强耦合性和复杂性,堆场主要装卸设备场桥的调度配置问题一直未能有较好的解决方案。故提出面向哈佛体系结构的基于Agent建模和仿真模式,并将计算机操作系统中的磁盘臂调度算法和基于仿真的优化思想引入到上述模型中。通过构建相应的多Agent系统仿真得出敏捷高效鲁棒的场桥调度和配置解决方案,从而帮助集装箱码头提高服务水平和竞争力。     

炼钢连铸生产调度的优先级策略混合遗传算法

针对炼钢连铸生产调度计划的可执行性要求, 考虑到生产中的设备选择及作业时间的不确定性问题, 提出一种利用任务可执行设备的加工权重赋值方法来量化描述现实生产中加工设备间的匹配关系, 并以设备选择优先级策略的形式引入遗传算法的交叉、变异过程, 按照生成可行解、再进行种群优化的分步决策方式形成混合遗传算法. 以某炼钢厂的实际生产调度数据为例进行仿真实验, 其结果表明了所提出算法的有效性.

     

不确定资源受限项目调度研究综述

不确定资源受限项目调度问题(RCPSP)是研究在不确定环境和有限资源约束下如何合理安排项目活动,以实现既定目标的最优化.不确定RCPSP具有很强的工程背景,在学术和应用上均具有很高的研究价值,但存在大规模、强约束、多极小、多目标和不确定等诸多复杂性,求解非常困难.为此,介绍了不确定RCPSP的数学描述和几种具体形式,重点综述了不确定RCPSP的算法进展,并归纳了相关的应用成果,最后指出了有待进一步研究的若干方向和内容.     

求解多处理器任务调度问题的改进差分进化算法

针对多处理器系统任务调度复杂问题, 在自适应差分进化算法基础上增加惯性速度分项, 提出一种称为惯性速度差分进化(IVDE) 的改进算法, 以避免陷入局部最优解. 结合启发式任务列表, 对算法的状态编码提出了处理器列表(PL)、部分偏序任务列表(PTL) 和全部任务列表(CTL) 等3 种形式. 通过求解随机生成的任务调度标准图和真实求解任务问题, 进行了数值仿真验证, 其中PTL-IVDE 算法相比蚁群优化(ACO) 算法、混合遗传算法(TLPLC-GA), 能快速求得更好的任务调度方案.

     

基于改进??学习的知识化制造自适应动态调度策略

针对知识化制造系统生产环境的不确定性, 构建一个基于多Agent 的知识化动态调度仿真系统. 为了保证设备Agent 能够根据当前的系统状态选择合适的中标作业, 提出一种基于聚类-动态搜索的改进??学习算法, 以指导不确定生产环境下动态调度策略的自适应选择, 并给出算法的复杂性分析. 所提出的动态调度策略采用顺序聚类以降低系统状态维数, 根据状态差异度和动态贪婪搜索策略进行学习. 通过仿真实验验证了所提出动态调度策略的适应性和有效性.

     

考虑转包的平行机供应链排序

研究一类考虑转包的供应链排序问题, 即工厂从客户处接受一批订单, 这些订单既可以由工厂完成, 也可以通过支付一定费用进行转包. 工厂需要确定被转包的订单集并安排未被转包订单的生产和运输. 针对工厂为平行机生产环境的情况, 以交货期限内完成所有订单的转包成本、生产成本与运输成本之和最小化为目标, 构建了问题的数学模型, 并设计了启发式算法. 最后通过数值实验结果表明了算法的有效性.

     

以低碳为目标的集装箱拖车运输问题及其时间窗离散化算法

研究以低碳为目标的集装箱拖车运输问题. 该问题需同时调度隐含的运输资源和具有双重时间窗限制的运输任务. 基于扩展的确定的活动在顶点上(DAOV) 的图建立该问题的具有双时间窗约束的混合整数非线性规划模型,设计一个基于时间窗离散化的求解算法, 并将该模型转化为纯整数线性规划模型. 实验结果表明, 所提出的方法有很好的求解速度和精度, 与给定车辆行驶速度情形的对比进一步验证了所提出模型的有效性.

     

基于新邻域结构的Memetic 算法求解流水车间调度问题

流水车间调度是一类典型的生产调度问题,属于NP-难问题.针对传统的最优化方法难以求解大规模问题,提出了一个Memetic算法,在算法的局部搜索中使用一种新型的基于NEH的邻域结构,并且其邻域规模随着搜索的进行能够动态变化,可以大大提高算法的搜索能力.通过对标准Benchmark问题的测试,所得结果表明提出的基于新邻域结构的Memetic算法具有较好的性能,并且优于已有文献中的粒子群算法.     

自适应变步长迭代动态规划方法及其在间歇过程优化中的应用

迭代动态规划(IDP) 作为一种求解非线性问题的离散算法, 其寻优精度和收敛速度受到时间段划分的影响. 通常, 时间段划分依赖主观经验, 缺乏科学有效的指导. 针对终端时刻固定的动态优化问题, 提出一种自适应变步长IDP 算法, 综合考虑控制变量与目标函数值的变化, 对时间段数量、长度和切换点进行优化. 将该方法应用于间歇过程优化, 结果表明其能够智能分配时间段数量与长度, 可有效提升寻优精度.

     

基于TDMA方式WMN中一种链路调度机制研究

基于TDMA方式的无线网状网中,链路调度对网络性能起着重要作用.针对固定顺序的待调度链路集,提出求解最优调度周期的启发式算法;基于链路顺序对算法性能的影响,从全局优化的角度对全网链路进行排序,提出基于遗传算法的最优链路调度机制.仿真结果表明,该算法能快速收敛于全网链路的最小调度周期,具有比现有算法更高的传输效率和更低的实施复杂度.     

一种多目标资源受限项目调度问题的教学算法

针对多目标资源受限项目调度的特性, 基于结合活动列表和资源列表的编码设计了合理的交叉操作, 提出一种多目标教学算法. 为了在个体间有效交互信息, 在教师阶段非支配个体作为教师与学生执行交叉, 而在学生阶段学生间执行交叉, 同时在每个阶段通过前向-反向改进增强局部搜索能力, 并用Pareto 档案集存储和更新非支配个体.基于标准测试集的数值仿真及与现有最好算法的比较, 验证了所提出算法的有效性.