基于多目标差分进化算法的机加工柔性作业车间调度

柔性作业车间的多品种、多件数导致调度难度大、耗费时间较长和成本较高,为此,以最大完工时间、能耗和刀具损耗数量为优化目标,考虑返工、次序的准备时间和批量调度约束,建立了多目标机加工柔性作业车间调度模型.提出一种引入综合考虑能耗和加工时间的轮盘赌初始化策略.针对传统差分进化算法交叉得到的子代机器部分质量较差,提出一种机器选择的策略,以此对差分进化算法进行了改进.将改进后的差分进化算法应用于机加工柔性作业车间调度,并与传统差分进化算法在机加工柔性作业车间调度进行多组实验对比.结果表明：改进差分进化在机加工柔性作业车间调度较传统差分进化算法具有收敛速度较快、鲁棒性较好的优点,优化后各机器负载更为均衡,可有效解决多目标机加工柔性作业车间调度问题,为多品种、多件数类排产任务提供了一种良好的指导方案.     

一种网格环境下作业混合调度的策略

网格作业调度是网格平台以尽可能高效的方式将应用程序提交的计算任务分配到恰当的计算资源上执行的过程.为此分析了网格作业的调度目标与资源分配策略,并在此基础上给出了一个综合的调度算法,以及一个仿真实验结果.     

多目标柔性作业车间调度的Pareto混合粒子群算法

针对多目标柔性作业车间调度问题(Flexible Job-shop Scheduling Problem,FJSP)的复杂性,建立了以总完工时间、所有机器总负载及最大机器负载为目标函数的多目标调度模型,提出了一种带有Pareto档案集的混合粒子群优化算法.该算法首先通过全局搜索、局部搜索和随机产生相结合的初始化方法产生高质量的初始种群,利用改进的快速排序法构造Pareto档案集,并给出了一种快速更新Pareto档案集的算法.既保持了种群的多样性,避免了算法陷入局部最优,又有效地提高了算法的收敛速度;算法中还引入逆转策略来进一步增加解的多样性.通过3个经典算例的实验仿真,验证了该算法的可行性和有效性.     

求解多目标柔性作业车间调度问题的离散人工蜂群算法

作业车间调度问题是一类典型的组合优化问题,要求多个作业在不同的机器上进行加工,目的是获得最好的作业加工序列,以满足特定的性能指标。柔性作业车间调度问题是对传统的作业车间调度问题的进一步扩展,由于求解的复杂性,使得传统方法很难在有效的时间内获得问题的最优解。人工蜂群算法是近年来提出的一种受生物行为启发的优化算法,该算法主要通过模拟蜜蜂的觅食来实现问题的求解。提出了一种离散的人工蜂群算法于求解柔性作业车间调度问题,算法通过交叉方式来搜索潜在的更好的蜜源,并采用自适应的变异策略来降低早熟收敛的可能性。最后通过对比实验证明算法对于求解多目标柔性作业车间调度问题是有效的。     

校园网格作业调度系统的研究与实现

针对校园高性能计算资源和存储资源负载不均衡、管理模式不统一的问题,提出了校园网格作业调度系统的解决方案.通过对网格和网格体系结构的分析,设计了校园网格作业调度系统的分层结构模型,总结了调度系统的实现目标,指出了作业服务的重要作用,并对校园网格作业服务的功能、作业调度的模型及作业调度的策略进行了研究.校园网格作业调度系统的实现,极大地提高了系统的利用率,实现了校园网络中资源的共事,平衡了校园资源的负载.     

一个平面三角形网格的多目标优化算法

用分部优化的思想来处理有限元网格几何优化问题,将问题转化成一系列设计变量很少的子问题,并提出了一个多目标优化的算法进行求解,两个算例被用业说明这一算法的有效性。     

微电网多目标经济调度的一致性算法

基于多智能体的一致性原理,提出了一种微电网经济与环境综合最优的分布式调度方法。该调度方法不再借助于领导跟随的一致性算法模式,而是基于机器人系统的工作模式,各节点通过存储最新的功率缺额,得到局部功率缺额,并用其替代全局功率缺额,解决了分布式多目标经济调度获取全局信息困难的问题。同时,该算法能够适应微电网系统负荷变动的特性,可实现多种情景下的微电网综合最优调度。算例仿真结果验证了所提方法的有效性。     

基于改进NSGA-Ⅱ的多目标绿色作业车间调度问题研究

针对多目标绿色作业车间调度问题(green job shop scheduling problem,GJSP),以最大完工时间、总碳排放量和总拖期时间为优化目标,建立多目标绿色作业车间调度问题模型,提出一种改进的NSGA-Ⅱ算法来对模型进行求解。模型中设计总碳排放量目标函数,考虑工件更换装夹方式时机器调整状态的碳排放量;算法中设计基于N5邻域结构和非支配排序的局部搜索策略,结合实际设计GJSP测试实例,对提出的算法进行验证。计算结果显示,对于多目标优化,改进后的NSGA-Ⅱ求得均衡解非支配等级相对更高,获得了更优的单个目标值。研究表明,改进的NSGA-Ⅱ具有更好的优化效果,验证了提出算法的有效性。     

Pareto多目标模糊调度算法研究

针对企业项目调度中具有多个目标的特性,现实情况中面临资源的可用时间和活动的执行时间具有不确定性,提出了多目标模糊调度模型.在多目标模糊项目调度模型的基础上提出了Pareto多目标模糊遗传调度算法,针对调度中所获得的解空间的多样性问题,在多目标模糊调度算法中引入共享机制平衡解空间的分布.最后对算法进行了实例验证并与其他多目标调度问题的算法进行了比较,验证其有效性.     

基于改进人工蜂群算法的多目标绿色柔性作业车间调度研究

针对柔性车间生产排程问题,以最小化完工时间、最小化机器总负载以及加工总成本最低为目标函数,设计了一种多目标麻雀搜索算法(multi-objective sparrow search algorithm, MOSSA)进行求解. 首先,将父子代融合后的种群进行非支配排序,选取最优位置个体和最差位置个体;其次,采用两段式规则对机器选择和工序排序进行编码;最后,利用麻雀搜索算法完成种群的更新和寻优. 通过算例进行实验仿真,研究参数对MOSSA的影响,并将MOSSA与其他算法进行比较. 结果表明：该模型下,参数影响较小,MOSSA具有高性能全局搜索能力和较好的收敛性,对于解决多目标生产排程问题具有指导作用.

     

基于改进遗传算法的柔性作业车间调度

应用遗传算法解决柔性作业车间调度问题,针对柔性作业车间问题的特点提出了一种新颖直观的双子串基因编码方法,并设计了独特的交叉和变异算子,从而取消了运用遗传算法求解作业车间问题时为使基因合法化而进行的基因修复和重建过程,仿真结果表明用该遗传算法解决柔性作业车间调度是有效的.     

Approximation algorithm for multiprocessor parallel job scheduling

Pk|fix|Cmax problem is a new scheduling problem based on the multiprocessor parallel job, and it is proved to be NP-hard problem when k≥3. This paper focuses on the case of k=3. Some new observations and new techniques for P3|fix|Cmax problem are offered. The concept of semi-normal schedulings is introduced, and a very simple linear time algorithm Semi-normal Algorithm for constructing semi-normal schedulings is developed. With the method of the classical Graham List Scheduling, a thorough analysis of the optimal scheduling on a special instance is provided, which shows that the algorithm is an approximation algorithm of ratio of 9/8 for any instance of P3|fix|Cmax problem, and improves the previous best ratio of 7/6 by M.X.Goemans.     

改进多目标进化算法的云工作流调度

针对云计算和云存储资源复杂变化的定价机制给云工作流调度带来了极大的挑战问题,建立了考虑定价机制的多目标云工作流调度模型。针对云工作流调度问题的特点,设计了一种实数编码机制,使得现有的基于实数编码的交叉算子能够直接用于求解云工作流调度问题,从而避免了现有组合优化方法需要进行解的可行性修正的问题。进一步在MOEA/D算法框架下,设计了一种启发式局部搜索策略,提出了一种新的进化多目标云工作流调度算法。仿真试验结果表明,与目前主流的进化多目标优化算法相比,该算法在求得帕累托最优解集的宽广性和均匀性上具有明显的优势,且算法稳定性更好。该方法对于云平台资源利用率的提升具有重要的应用价值。     

基于狮群算法的数字孪生车间调度问题优化

针对柔性作业车间调度问题,提出一种基于狮群算法的数字孪生柔性作业车间调度方法。基于实际生产过程的需求,使用狮群算法生成柔性作业车间调度初始方案,建立物理车间与虚拟车间实时交互的数字孪生柔性作业车间调度模型,在搭建的虚拟车间中对初始调度方案根据设备利用率进行方案优化。采用数字孪生模型解决设备故障等车间突发事件对生产进程的影响问题。通过使用真实车间数据对机加工车间生产调度过程试验,结果表明,采用狮群算法求解柔性作业车间调度问题,搜寻能力强,搜索速度快,可以在不同规模的问题中找到更优的解决方案;狮群算法结合数字孪生的柔性作业车间调度方案能够整体优化系统性能,有效处理扰动带来的延长生产时间问题。     

基于遗传算法的车间作业调度

提出了一种基于遗传算法的车间作业调度算法，详细讨论了染色体编码方法和遗传算法的设计，并构造了该算法的基本模型，给出的仿真算例表明了该算法解的有效性。     

基于改进粒子群算法作业车间调度问题的优化

针对作业车间调度问题,提出一种基于自适应权重和混沌的改进粒子群优化算法。构建以机器加工时间最短为优化目标的多约束作业车间调度模型,采用基于工序排列的编码方式得到粒子参数与工序序列的映射关系;基于自适应权重改进粒子群算法中的惯性系数和加速因子,使得算法可以根据适应度值动态调整参数因子;采用反向学习策略改善种群初始解的质量;引入莱维飞行、变邻域搜索、混沌,增强了算法的搜索能力,避免陷入局部最优解。试验结果表明:改进粒子群算法可以有效地提高粒子利用率,平衡全局搜索与局部搜索能力,改善传统粒子群算法易早熟的缺点,得到更优的解。     

多目标资源受限项目调度的多种群蚁群算法

为实现资源受限项目调度的多目标优化,通过改进传统蚁群算法,提出适用于多目标优化的多种群蚁群算法.该算法基于串行进度生成机制,每个蚁群具有各自的目标函数、与目标函数相匹配的不同搜索策略以及各自的信息素更新机制.各蚁群独立进行搜索决策,但各蚁群之间存在信息素的相互作用,从而实现加速搜索.针对多目标资源受限项目调度问题设计新的精英策略.在目标规划基础上构造一系列多目标项目调度算例,经系统测试表明,所提出的多种群蚁群算法能够有效优化资源受限项目的资源配置,实现多目标优化.     

一种基于多目标的容器云任务调度算法

为解决容器云调度模型面向同构任务、同构资源和单一目标造成的不实用、不公平、不高效、不均衡问题,提出带约束修复的树形调度目标模型,基于异构任务和异构资源,采用约束修复避免映射方案不可行,采用优先级综合多个子目标并将其归属于不同树形分支下的子空间,最终实现多个上层应用框架之间的公平、高效、节约、均衡调度模型。试验结果表明,带约束修复的树形调度目标模型在公平度上不比其它对比单目标模型差,可满足更多的任务的需求,并在此前提下拥有更高的资源利用率和负载均衡度,在实用性、公平性、高效与均衡上优于单目标模型,可有效保证公平分配资源,增加容器服务收益,降低物理资源成本,提高稳定性和可用性。     

基于规划和动态调度的网格工作流

基于WFMC的工作流参考模型提出了网格工作流体系结构,扩展了基于遗传算法技术的规划算法以支持网格工作流自动建模,给出了基于市场驱动策略的动态调度算法以提高网格应用的服务质量,并介绍了在Globus上实现的原型系统JLGridFlow和其在大文件下载中的应用。     

基于双向收敛蚁群算法在车间作业调度上的应用

合理搭配车间中生产环节的各种资源,减少零部件的准备工作,可以提高设备使用率与生产效率。提出双向收敛蚁群算法,并通过实例跟基本蚁群算法相比较,实验结果证明采用双向收敛蚁群算法可以提高搜索过程的挥发系数,加快收敛速度。