飞机排班调度中机组指派优化模型及算法研究

分析了航空企业飞机排班计划编制流程,重点研究了其中的空勤机组指派优化问题,建立了机组指派优化模型,模型同时考虑了机组与航班执行飞机之间在机型、飞行区域等条件上的匹配要求。为求解模型,构造了一种改进遗传算法,算法采用自然数编码,动态自适应调整交叉和变异概率,以及智能启发式规则修正的方式加快优化速度。采用航空公司的实际航班数据进行仿真实例研究结果表明,模型和算法切实可行。     

基于遗传算法的指派问题求解

提出了利用遗传算法来解决指派问题．主要将每项任务作为一个基因位。形成染色体。然后借助遗传操作的选择、交叉和变异等操作来对问题进行优化操作。实验结果表明该算法是有效的。     

飞机维修计划优化模型与算法研究

分析了航空维修生产调度中的维修计划编制问题,仔细研究了飞机维修计划编制流程和约束条件,建立了飞机维修计划编制优化模型,不仅考虑了飞机维修资源的约束,同时还考虑了维修日期对效益的影响,能够快速确定每架飞机开始检修日期。为了求解模型,建立了离散粒子群优化算法,采用适合模型的粒子取值和速度变化方式。应用生产数据进行实际排产的实验结果表明,建立的模型和算法切实可行,可应用于生产实际,可大大提高生产调度自动化水平。     

求解指派问题的交叉粒子群优化算法

粒子群优化是由Kennedy和Eberhart于1995年根据鸟或鱼群居社会行为而提出的,经典的粒子群是一个有效的寻找连续函数极值的方法。结合遗传算法的交叉粒子群算法解决了指派问题,实例证实它是一种简单有效的算法。     

蚂蚁算法在民航飞机排班问题中的应用

蚂蚁算法是一种比较新的组合优化算法,在很多问题的求解中取得了成效。该文将蚂蚁算法引入了民航飞机排班问题的求解过程,并举例说明了蚂蚁算法在飞机排班问题中的可行性,为民航飞机排班问题的解决提出了新的思路。     

面向正常性的飞机排班优化算法

针对航班正常性问题,在飞机排班问题基础上,引入正常性约束,建立面向正常性的飞机排班模型,提出一种两阶段启发式算法进行求解.构建符合正常性要求的候选航班链集合,将排班问题转化为候选链对航班计划的集合覆盖问题.通过0-1整数规划求解集合覆盖问题,得到满足正常性约束的最小飞机数量排班方案.松弛正常性约束减小飞机使用数量,满足飞机数量约束.通过迭代搜索寻求正常性与飞机数量平衡的最优排班方案.实验结果表明,该方法可以有效提升航班计划的正常性期望.     

工作流动态指派参与者模型及应用

本文致力于工作流管理系统中动态指派参与者机制的研究,综合考虑参与者资格适合度、事件优先级、高级约束条件满足性以及参与者状态有效程度等因素提出一个全新的动态指派参与者模型及相应的动态指派方法,并将其应用到保险业工作流管理系统中.基于动态指派参与者机制建设工作流管理系统会更加适应当前的办公环境,提高办事效率.     

飞机集中除冰车辆优化调度方法研究

针对大型机场的飞机集中除冰车辆优化调度问题,采用遗传算法进行集中除冰车辆优化调度,提高大型机场的除冰作业效率,减少因飞机结冰造成的航班延误时间。该方法设计了染色体结构,初始种群生成方法,适应度函数和控制参数,完成了除冰车辆优化调度模型的建立。最后通过算例,验证了遗传算法对飞机集中除冰车辆分配调度的优化性能,为飞机集中除冰车辆优化调度提供了新策略。     

用神经网络求解机器人动态调度中的近似指派问题

本文利用HOPFIELD神经网络，对机器人动态调度中的近似指派问题提出了合理的神经网络表示方法，给出了网络的能量函数表示法及神经元状态方程，从而得出了机器人动态调度中近似指派问题的快速求解策略，满足了动态调度的实时性要求。本文从理论上论证了所提算法的收敛性。软件仿真结果表明，本文提出的近似指派问题网络求解方法是有效的，计算结果是满意的。     

多UCAV任务分配的混合遗传算法与约束处理

针对多UCAV协同作战任务分配问题,建立了多目标整数规划模型,提出了基于整数编码的混合遗传算法．将约束分为全局约束和局部约束,根据局部约束将决策变量分为自由变量和非自由变量,仅对非自由变量进行编码,减少了染色体变化要素．设计了交叉算子和变异算子,以提高个体的约束满足率．以UCAV的SEAD任务为想定进行仿真,实验结果表明,该混合遗传算法可有效解决大规模整数规划问题,在求解效率和约束满足率上比标准遗传算法有显著提高．     

基于HGA的冲压车间生产计划与调度的集成优化

根据车身厂冲压车间和生产库房的实际情况,研究了冲压件成批生产的Job-shop车间生产计划和调度的集成优化问题,给出该问题的非线性混合整数规划模型,并采用混合遗传算法进行求解。遗传算法中,给出一种新的启发式规则来改善初始解集,通过与递阶分解方法进行比较,得出该算法对求解该类问题有着很好的效果。     

云计算中负载优化模型及算法研究

云计算环境的动态性和异构性,使得云计算很容易出现负载失衡现象,严重影响了云计算的整体性能和用户体验.论文提出了基于改进遗传算法的负载均衡优化模型,兼顾资源需求动态变化和虚拟机的计算能力,建立相应的资源调度模型,运用改进遗传算法实现资源负载均衡.验证表明,该算法能很好满足云环境下数据中心的使用要求,提高资源利用率和负载均衡度.     

一种启发式算法求解批量计划和排序集成问题

文章针对基于JIT思想建立的一种批量计划和作业排序集成问题,建立整体模型,设计了一种启发式算法采用集成方法求求解。针对问题的特点和遗传算法的特性,各层优化时均采用遗传算法求解,借鉴递阶优化方法的思想,首先从优化作业排序层出发,将其优化结果作为约束来优化批量计划层,然后利用利用批量优化的结果再重新来协调优化作业排序层,进而进一步去求解更好的批量计划。基于这种协调传递的思想,使各层的优化形成一个闭环,直到满足循环终止条件,得到比较理想的结果。最后通过算例试验表明,这种启发式算法与采用整体求解方法相比,具有比较满意的寻优性能和收敛速度。     

基于准时制的轧钢厂生产计划模型及算法

针对钢铁企业轧钢厂的实际情况,分析了生产计划的制定流程,建立了基于准时制思想的以天为单位的满足用户合同的生产计划模型,适合于多品种小批量的生产情况,并采用改进混合遗传算法求解。算法求解中,用基于自然数的分层寻址式的编码方法,采用赌轮选择和锦标赛选择混合构造选择算子,在线动态调整算法的概率系数,同时采用专家系统方法修正每一个解。生产数据的仿真实验表明模型及求解算法切实可行,保证了优化效果和收敛速度,结果达到了精细化生产的要求。     

多仓库多配送点的物流配送算法

物流配送是物流中一个最要的环节,对于一个大规模的物流集团来说,集约化的发展要使多个仓库、多个配送点（往往达到数以千计的规模）综合实行配送优化成为可能。文章提出了一种多仓库多配送点情况下的配送算法,即综合了sweep、saving算法以及虚拟配送点概念的引入,给出种由仓库向配送点的派车方案,该方案为进一步细化的处理奠定了基础。     

基于自适应退火遗传算法的车间日作业计划调度方法

遗传算法、模拟退火算法、最优个体保护法在全局收敛性、种群早熟化、收敛速度慢等方面存在应用缺陷.文中提出了自适应退火遗传算法解决车间日作业计划的调度问题.该算法针对遗传算法中组成编码串的变异概率在整个搜索过程中是固定不变的,而且取值较小,促使算法的求解过程很长,且易走向局部最小值,提出自适应变异概率的概念与理论改善遗传算法的收敛速度;针对选择算子对种群多样性的影响,提出整体退火选择的方式(Boltzmann概率选择机制)选择杂交母体,以克服种群早熟化,避免过早收敛.最后结合车间日作业计划静态调度模型给出求解算法和求解实例.     

钢铁企业中库存匹配与生产计划联合优化模型与算法

针对钢铁企业在MTO与MTS混合生产组织方式下存在的库存匹配与生产计划问题,按照集成 化管理思想,将两项工作综合考虑,建立了以合同的违约惩罚、生产准备费用、库存匹配费用总额最小化为目标的联合优化模型.结合问题的特点,构造了具有启发式修复策略的改进遗传算法.通过实例仿真证明了模型与算法的有效性和可行性.􀁱