集装箱港口集卡——轮胎吊集成调度方法

为了更好地协同调度集卡和轮胎吊,以桥吊调度计划为依据,给定轮胎吊和集卡关联任务集与作业要求时间,研究了轮胎吊—集卡的调度问题特性,以最小化完成任务的累计延误时间为目标,分别建立集装箱码头轮胎吊和集卡的调度问题整数规划模型。考虑到两者之间的并发耦合关系,通过建立分布式到达时间控制方法模型,并融合离散粒子群优化算法对集卡—轮胎吊集成调度问题进行求解。在算例分析中,通过与CPLEX计算结果进行比较,验证了分布式到达时间控制方法及离散粒子群优化算法对求解集卡—轮胎吊集成调度的收敛特性和可靠性。结果表明,不同时间阶段按当前配置的集卡—轮胎吊资源进行作业,均有从85~215min不同程度的累计作业延误时间,这将导致桥吊的效率损失,进而延长船舶作业时间,影响船舶实际靠离泊时间。     

求解多目标作业车间调度问题的双种群遗传算法

针对多目标作业车间调度问题,提出一种将正逆序调度方法与生成调度活动的遗传算法相结合的双种群遗传算法.该算法利用活动调度缩减解空间,提出采用正、逆序遗传调度算法分别在不同种群优化不同目标函数,将多目标问题分解成多个单目标问题.在进化过程中,通过个体迁移算子加快多个目标的并行搜索,并提出了一种构造Pareto解集的精英锦标赛法则.通过基于Benchmark算例的仿真实验,验证了该算法求解多目标作业车间调度问题的有效性.     

集装箱码头混合零空闲柔性流水作业调度优化

岸桥、集卡、场桥是码头重要的接卸转运设备,具有交互复杂、作业成本高、岸桥空闲时间长等特点。综合考虑接卸转运三阶段,以最小化最大完工时间和总作业成本为目标,构建码头三阶段混合零空闲柔性流水作业调度优化模型。为解决该NP难多目标问题,提出改进离散布谷鸟算法,该算法包括：单链编码和三链解码、离散化的莱维飞行更新机制、离散化个体抛弃机制、基于快速非支配排序策略的间歇启动多邻域局部搜索策略,对所建立的NP难多目标优化模型进行优化求解。仿真实验分为三部分,首先获得每组集装箱任务的最佳资源配置组合;然后基于最佳资源配置组合,进行算法对比;最后进行了实际案例分析。实验结果表明了问题模型的准确性、所提算法的可行性和高效性。通过所提算法对该问题进行求解,可获得高于80个集装箱每小时的转运速率。     

自动化集装箱码头装卸系统的协同调度优化

为提高自动化集装箱码头装卸系统多阶段混合作业的效率,将双循环模式下的岸边吊桥-自动引导车-场地吊桥协同调度问题抽象为混合整数规划模型,利用基于启发式的自适应遗传算法进行求解,以达到优化集装箱任务集合完成时间的目的。通过数值试验验证了所提出模型与算法的有效性。     

基于数字孪生的自动化集装箱码头多AGV动态调度

自动导引车(AGV)调度是自动化集装箱码头作业的关键环节，其效率也是影响码头整体作业效率的决定性因素之一。为了应对作业中不确定事件、信息不对称以及生产信息透明度低等问题对AGV调度效率和稳定性产生的影响，提出了一种基于数字孪生的自动化集装箱码头多AGV动态调度方法，通过码头物理空间和孪生空间的闭环交互以提高调度效率和减少调度偏差。构建了一种多AGV动态调度数字孪生框架和调度问题模型，深入探索了数据服务平台、数字孪生多维多尺度模型的构建、虚实一致性验证的运行机理以及码头虚实交互；详细阐述了基于数字孪生的多AGV动态调度流程和相应算法设计，并以某自动化码头实际的AGV调度过程为例，设计了原型系统来验证所提出AGV调度模式的有效性。     

岸桥故障下考虑邻近岸桥共享作业的集装箱码头调度多目标优化

针对岸桥故障等原因引起的码头调度方案重新调整的实际问题，对邻近船舶采用岸桥共享作业的方法，以船舶作业时间最短和码头作业成本最低为目标建立多目标优化模型，利用混合式多点交叉和混合式单点变异方式改进NSGA-Ⅱ算法，并融入岸桥共享原则的邻域搜索策略。为寻找满足决策者偏好的调度方案，在兼顾船公司和港口方利益基础上，利用Pareto前沿分布信息，采用Pareto非劣解相对于各优化目标的偏向量化方法，得到了适合决策者偏好的最终方案。最后，以我国某集装箱码头为例验证了所提模型和算法的可行性；通过算法对比，显示改进后的算法更为有效。该研究成果可为提高港口管理水平提供决策依据。     

基于前摄—反应的泊位岸桥鲁棒性集成调度

针对不确定因素下集装箱码头岸边侧泊位岸桥资源的协同调度问题,提出前摄调度计划和与之匹配的反应策略相结合的决策框架,并在前摄调度计划中引入了时间缓冲,以吸收船舶到港时间不确定带来的影响。以质量鲁棒性和解鲁棒性为目标函数,建立了不确定环境下连续型泊位岸桥集成调度的数学模型,并构建了具有双层决策结构的优化算法对模型进行求解。其中,上层采用非支配排序遗传算法框架搜索关键决策变量编码,下层运用带缓冲的前摄启发式算法对上层解码,并结合Monto Caro抽样及所设计的两种反应策略进行仿真评估。通过数值实验验证了所提方法框架与算法的有效性。     

柔性作业车间机床与搬运机器人联合调度方法

针对当前柔性作业车间机床和搬运机器人单独调度存在的不匹配问题,以车间完工时间为目标,提出基于多代竞争强进化遗传算法的机床与机器人联合调度方法。对多工件、多工序、多机床、多机器人的柔性作业车间联合调度问题进行了描述;考虑了机床生产和机器人搬运的时序约束,建立了最小化车间完工时间的优化模型;使用工序链、机床链及机器人链缠绕的染色体编码方式,将联合调度问题转化为算法优化问题;在遗传算法中引入多代竞争机理和强进化算子,其中多代竞争机理增加了优秀染色体的遗传概率,强进化算子具有保留优秀基因片段和强制差基因进化的能力。经生产实验验证,在15个工件44道工序的调度中,该算法的车间完工时间比标准遗传算法缩短了14.75%;另外,在不同规模的工件生产调度中,与克隆选择算法和标准遗传算法相比,该算法的迭代次数最少、车间完工时间最短。上述实验结果充分证明了多代竞争强进化遗传算法在柔性作业车间生产联合调度中的优越性。     

多技能资源约束项目调度问题的改进算法

针对多技能资源约束项目调度问题,以最小化项目工期为目标建立了问题的数学模型。针对现有研究的不足,提出基于局部两作业资源需求的改进串行调度机制的遗传算法。该算法上层采用遗传算法框架优化作业顺序列表,下层利用新的调度机制和资源置换算法解决多技能资源分配问题并对调度计划进行解码,其中,新的调度机制包含不同情形下局部两作业的处理策略,资源置换用来确保资源的合理利用使得作业能够尽早开始。数据实验结果表明,所提算法可以有效避免资源冲突,在算法的求解质量和速度方面具有良好的性能。     

基于混合遗传算法的车间调度问题的研究

作业车间调度问题是最困难的组合优化问题之一，也是计算机集成制造系统中的一个关键环节，在实际生产中具有广泛应用。为此，提出了实现车间调度的混合遗传算法的设计方案，把遗传算法与模拟退火算法相结合，充分发挥遗传算法良好的全局搜索能力和模拟退火算法有效避免陷入局部极小的特性。通过实验验证了基于GASA混合算法的作业车间调度方法显著提高了搜索效率，改进了收敛性能。     

基于个性化生产模式的并行机调度问题研究

针对具有不同交货期窗口的并行机调度问题,研究了能客观反映个性化生产模式下客户抱怨特点的作业调度模型,采用相对惩罚因子和级数惩罚因子有效地对问题进行描述,建立了具有相对概念和非线性特征的目标函数,使惩罚值更贴近于现实。针对数学模型提出了采用随机键编码方式的遗传算法,最小化所有工件提前、拖期惩罚值,并应用仿真实验验证了算法的有效性。     

改进遗传算法求解JIT环境下的Flow—shop问题

研究了准时生产环境下不同交货期窗口提前／拖期调度问题的特征。采用区间数表示弹性作业人数环境下的加工时间,运用多属性决策方法将传统遗传算法的适应度函数选定和适应度的计算两个步骤合二为一,减少了中间过程,避免信息的损失,增强了模糊评价的有效性。仿真实验验证了算法的有效性。     

求解作业车间调度问题的一种改进遗传算法

为克服传统遗传算法解决车间作业调度问题的局限性,综合遗传算法和局部搜索的优点,提出一种改进的遗传算法。为基于工序的编码提出了一种新的POX交叉算子。同时,为克服传统遗传算法在求解车间作业调度问题时的早熟收敛,设计了一种子代交替模式的交叉方式,并运用局部搜索改善交叉和变异后得到的调度解,将提出的改进遗传算法应用于MuthandThompson基准问题的实验运行,显示了该算法的有效性。     

面向大规模定制的装配线优化调度研究

针对大规模定制生产模式下汽车装配线调度存在的问题,提出一种多目标优化调度的方法,设计了相应的目标函数。提出一种多目标遗传算法,设计了相应的编码、选择和交换方案,在算法实现中对精英策略和选择机制进行了改进。仿真实验说明该算法可行有效,优于VEGA、PGA和NPGA等其他遗传算法。     

低碳策略下的多目标柔性作业车间调度

为解决低碳策略下多目标柔性作业车间调度问题,在深入分析柔性作业车间多目标调度研究现状和不足的基础上,结合基于设备状态—能耗曲线的低碳策略,提出包括能源消耗、最大完工时间、加工成本和成本加权加工质量的多目标柔性作业调度模型。针对上述模型,设计了基于血缘变异的改进非支配排序遗传算法,该算法根据计算交叉染色体的血缘关系确定变异率,优化了交叉和变异策略,解决了算法的早熟问题。针对具体实例,构建了调度模型和算法,计算结果验证了算法的可行性和有效性。     

基于遗传-粒子群混合算法的柔性作业车间多资源调度问题

在传统柔性作业车间调度问题(FJSP)中加入运输和装配环节,提出一种柔性作业车间多资源调度问题(MRFJSP),以完工时间最短为目标建立了包含加工、运输和装配的柔性作业车间调度模型。为了提高传统遗传算法(GA)在车间调度问题中的寻优能力,将粒子群算法(PSO)的寻优过程进行改进并与遗传算法进行结合,提出一种带保优策略的遗传-粒子群混合算法,利用单层编码对模型进行求解。通过算例验证了模型的可行性,并将提出的混合算法与遗传算法和粒子群算法进行比较,证明了混合算法的优越性。     

扰动机制下的遗传算法求解柔性作业车间调度

针对柔性作业车间调度问题,提出一种扰动机制下的遗传算法,该算法以最大完工时间最小为优化目标。为了克服传统遗传算法早熟的缺点,引入差异度阈值策略对传统遗传算法的结构进行动态调整,同时设计了灾变机制和大变异策略相结合的扰动机制,增强了算法的搜索性能。最后,通过基准案例进行测试并与其他算法的结果进行对比,验证了扰动机制下的遗传算法对于解决柔性作业车间调度问题的有效性和优越性。     

应用混合蚁群算法求解模糊作业车间调度问题

为解决蚁群算法求解时间过长和易陷入局部最优的问题,提出了一种求解模糊作业车间调度问题的混合算法,该算法将蚁群算法用于全局搜索.为了提高搜索效率,根据作业车间调度问题解的特征,提出一种基于关键工序的邻域搜索方法,并使用此邻域搜索方法的禁忌搜索算法嵌入蚁群算法.利用禁忌搜索算法较强的局部搜索能力,提高了蚁群算法的优化能力,改善了作业车间调度问题解的质量.实验结果验证了该混合搜索算法的有效性,其优化效果优于并行遗传算法和禁忌搜索算法.     

基于混合遗传算法的柔性作业车间调度研究

为更有效地求解柔性作业车间调度问题,提出一种混合遗传算法(蚁群-遗传算法)。在分层法的基础上,首先采用蚁群算法解决工艺路线选择问题,再通过遗传算法解决传统的作业车间调度问题。在混合遗传算法求解过程中,不断地在前期优化中获取调度知识,用于指导后期的优化过程。通过标准案例测试,验证了混合遗传算法对于解决柔性作业车间调度问题的有效性。     

均衡作业下的散货港口卸船设备协同调度研究

针对散货港口卸船设备协同调度问题以及货船舱位作业均衡要求,以卸船最大完工时间最小化、作业成本最小化为目标建立卸船设备协同调度模型,设计多目标遗传算法进行求解,将贪婪策略引入染色体解码过程以提升求解效果。计算结果表明：基于贪婪策略的多目标遗传算法求解得出的作业时间和作业成本均少于传统的多目标遗传算法,能够有效优化人工调度结果,进而验证了算法的实用性。