化验室资源调度优化的改进型克隆选择算法

为了提升化验室处理化验单能力,实现资源调度优化,建立了化验室调度模型,引入了克隆选择算子、自适应变异算子以及多种群协同进化思想,提出了改进型克隆选择算法,并运用该算法对化验室处理化验单进行了调度优化。将改进型克隆选择算法与多种类型算法进行对比,结果显示,改进型克隆选择算法能有效改善早熟收敛问题,提高搜索效率,获得最优分配方案,适用于化验室化验单调度问题,满足实际要求。     

特殊工艺约束下最小完工时间并行多机调度问题的研究

非等同并行机最小化完工时间调度问题作为家纺企业车间调度问题的重要组成部分,有着独特的特点,一方面并行多机非等同,另一方面每机器可生产产品类型受特殊工艺的约束,针对该问题的特点,基于免疫系统的克隆选择原理,结合一种新型的促进和激励群体多样性的技术,提出了一个新颖的人工免疫算法.仿真结果表明,此算法是有效的,优于遗传算法和克隆选择算法,并能适用于解实际家纺企业这类调度问题.     

计及排放的动态经济调度免疫克隆演化算法

结合免疫系统的克隆选择原理和遗传进化机制,提出一种免疫克隆演化算法(Immune clonal evolutionary algorithm, ICEA)。ICEA建立克隆选择机制与演化机制的动态结合,提出动态免疫选择和自适应非均匀突变算子,针对动态经济调度(dynamic emission economic dispatch, DEED)问题特性引入不同的等式和不等式的约束修补策略,使其适合大规模约束的DEED问题求解。数值试验将ICEA应用于10机系统进行测试,并与同类算法展开比较。仿真结果表明,ICEA具有较好的收敛性和全局优化效果,获得的Pareto前沿具有较好的均匀性和延展性,该结果能为电力系统调度人员提供较为有效的调度决策方案。     

基于多模式匹配的应用协议识别研究

针对网络监听中应用层网络协议类型多、端口动态化、负载变化频繁、关键词匹配难度大等问题。本文提出了一种能够不降低被监听网络性能的多模式匹配的应用协议识别算法。首先根据模式串集合前后缀关系进行分类,然后采用正、反向匹配算法进行处理,最后采用活跃规则的方式对协议规则进行调度。实验结果表明,新算法在模式集较大的情况下,能明显提高应用协议识别的效率,并减少资源消耗,适用于实行大规模网络监听的生产环境。     

TD-HSUPA MU-MIMO室内调度及用户配对

为了解决在室内多用户多输入多输出(MU-MIMO)场景下,时分双工上行高速分组接入(TD-HSUPA)系统的多用户调度问题,提出了一种新的调度和用户配对算法.该算法综合考虑了接收天线间的流间干扰和同一接收天线内的码间干扰.通过将用户动态接入不同基站天线服务列表,所提算法能在保持用户公平性的前提下明显提升基站平均吞吐量.该算法运算复杂度低,无需增加信令开销,适用于实际室内系统中.     

遗传算法在家纺企业生产调度中的应用

为解决家纺企业的生产调度问题,设计了一种新颖的遗传算法.算法采用自然的编码方式,能有效地反映实际调度方案,即清楚反映出每日每机器加工产品的顺序和数量,通过提出一种新的基于浓度的种群多样性更新选择方法,提高了种群多样性,且利用局部搜索算法对每子代得到的调度方案进行了局部调整,改善了种群质量,加快了收敛速度.仿真结果表明,此算法是有效的,适用于解家纺企业实际生产调度问题.     

精英克隆局部搜索的多目标动态环境经济调度差分进化算法

为有效解决复杂多目标动态环境经济调度问题,提出一种基于精英克隆局部搜索的多目标动态环境经济调度差分进化算法.以传统的差分进化(differential evolution,DE)算法为框架,为了提高DE算法的开采和探索能力,增设精英群的克隆和突变机制,采用动态选择方式确定精英群,有效增强算法的全局搜索能力.数值试验以I...     

列队竞争算法求解多目的厂间歇过程调度问题

由于组合爆炸特性,多目的厂的调度问题很难求解大规模甚至中等规模的问题,本研究采用一种新的随机型进化搜索算法——列队竞争算法对该问题进行求解,引入新的选择策略和变异方法。计算表明,同已有的方法相比,该方法求解效率高、收敛速度快、使用简单方便,可有效的克服计算负荷和求解质量之间的冲突,是一种求解多目的厂间歇过程调度问题的有效算法。     

解决一类家纺企业生产计划排单问题的并行混合遗传算法

为了解决一类家纺企业的生产计划排单问题，提出了一个基于自然编码的混合遗传算法，此算法具有如下特点：一方面编码方式能有效地反映调度方案；另一方面对每子代得到的调度方案利用爬山算法对其进行了局部调整，大大加快了收敛速度．同时为了更好地适应调度实时性和解大规模此类问题的需要，基于遗传算法自然并行性特点的基础上，实现了主从式控制网络模式下并行混合遗传算法．计算结果表明，此算法是有效的，优于普通的遗传算法，有着较高的并行性，并能适用于解决大规模此类企业生产计划排单问题.     

低复杂度大规模MIMO系统联合天线选择与用户调度波束成形

针对大规模多输入多输出(MIMO)系统硬件复杂度较高以及基站所能支持的最大用户数受基站天线数影响的问题,提出一种计算复杂度较低的适应于大规模MIMO系统下行链路的联合天线选择与递减用户调度算法,通过移除“差”的天线和用户来最大化系统总速率,降低基站所需配置的射频链路数.仿真结果证明,该方案能够在保证系统性能的前提下大幅度降低系统硬件复杂度.     

JIT方式下的单机分批调度问题研究

准时生产意义下的调度问题，是当前调度领域研究的一个主要方面，针对单机分批作业准时生产方式，研究了不允许出现拖期的批调度问题，目标是使得加工总成本最小，目标函数不仅考虑了提高惩罚，还考虑了机器的加工费用，为了确定最优分批与各批次的开始时间，给出了两个推理的三个规则，并根据推理规则给出了一个有效的启发式算法，使得目标函数最小，应用实例说明了该算法的正确性与有效性。     

多阶段连续型柔性制药车间调度

针对包含易变质药品的柔性均衡制药车间调度问题,提出一种基于列生成框架的算法.通过设计面向虚拟作业对的排序策略,表征制药过程中的无等待现象,利用动态规划方法求解由原调度问题衍生出的价格问题,并设计改进的分支定界算法求得最终的调度方案.由不同规模的数值实验可知,对于规模较小的多阶段连续型柔性制药车间调度问题,提出的算法可求得最优解;对于传统优化软件难以求解的较大规模问题,该算法仍可在较短时间内得到高质量的药品生产调度方案,从而验证了该调度算法的有效性,并可为实际连续型柔性制药车间提供辅助排程决策.     

协同遗传算法和多Agent系统的生产调度优化

建立了动态多Agent的生产调度模型,该模型从整体角度优化整个生产过程,在不确定的情况下,完成动态生产调度,使各个生产车间相互配合以得到最小加工时间。针对此模型,设计了一个协同遗传算法对调度进行求解。仿真实验表明,动态多Agent调度模型对生产的计划与实行起到了关键的作用。     

柔性作业车间分批调度多目标优化方法

为了解决柔性作业车间中小批量工件的分批调度多目标优化问题,构建以制造工期、拖期惩罚、加工成本、批次数量和机器总负荷为目标函数的柔性作业车间多目标调度模型.应用改进的强度Pareto进化算法（SPEA）求解.在该算法中,应用模糊c 均值聚类（FCM）加快外部种群的聚类过程,引入自适应的变异算子来增强解的多样性.采用约束Pareto支配和可变长度的编码策略,一次运行就能够求得Pareto最优解集.利用模糊集合理论得到Pareto解的优先选择序列,并从中选出一个最优解.该方法将工件分割成具有柔性数量的多个批次,使各批次的工艺路线选取及加工顺序得到优化.通过实例仿真对该方法的性能进行比较分析.将该方法应用于某机械公司车间调度中,验证了该方法的有效性和适应性.     

存在批量为2的批处理设备的综合调度算法

提出求解存在加工批量为2的批处理设备的复杂单产品综合调度算法.该算法根据复杂产品具有的树状工艺结构的特点,先采用已有的优先级、短用时和长路径策略调度工序;当工序属于批处理设备时,再采用长路径、临界时间等待和先行工序短用时策略.理论分析和实例表明,提出的算法不仅能够解决存在加工批量为2的批处理设备的复杂单产品综合调度优化问题,而且复杂度不超过二次多项式.     

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.     

蚁群算法在离散型车间派工中的应用

车间派工问题是学术界和实践界的关注热点,合理的派工方案可以缩短生产周期、有效利用资源、提高生产系统的响应能力．蚁群算法非常适合这类问题的处理,利用5个城市旅行商问题研究信息启发式因子、期望启发式因子、信息素挥发系数以及信息素强度这四个参数与迭代次数之间的关系,得出求解小规模问题的蚁群算法参数推荐值;建立车间派工问题的析取图模型,使其成为适合蚁群算法的一个自然表达;给出基于蚁群算法的车间派工问题实现步骤,以一个3＊3问题为例在JBuilderX中得出总完工时间最短的派工方案,验证了蚁群算法在车间派工问题中的可行性和有效性．     

基于剩余函数的单件车间调度算法的软件实现

单件车间(Job-Shop)调度问题是一类具有次序约束和资源约束的组合优化问题,是一个典型的NP难题。对Job-shop调度算法的研究不仅是对排序理论的一个补充,而且对于解决单件、多品种、小批量机械制造业的现代化管理也会起到积极的推动作用和影响。在求解调度问题的初排算法及调解算法的基础上。利用VC与Matlab混合编程实现了该算法。经分析及实验验证,利用这种算法求解Job- Shop调度问题可得到比较满意的结果。