考虑平行机环境下紧急任务最大等待时间的优化调度

以快速响应无预知到达的紧急任务为研究背景，考虑两台平行机环境下紧急任务等待时间的优化调度问题。给定机器最大完工时间上界，考虑机器在加工过程中可空闲情形，在不中断常规任务的条件下，以最小化紧急任务的最大等待时间为研究目标，构建了混合整数规划模型，并对问题的某一类最优方案进行分析，证明了该类最优解满足两台机器无同时空闲以及最大完工时间达到上界的性质。基于该性质，设计了一种启发式算法以及随机键编码的遗传算法对该问题进行求解。仿真实验结果表明：遗传算法在小规模工件求解时略优，但计算时间较长；启发式算法在大规模工件求解时其求解质量与求解时间均有明显优势。本研究可为实际中对限定机器工作负荷的场景如何安排机器的空闲时间以快速响应紧急任务提供决策建议。     

带恶化工件的PFS调度的混合遗传算法北大核心CSSCI

研究了带恶化工件的置换流水车间调度问题,其中工件的加工时间是与开始时间有关的线性函数,考虑不同工件在不同机器上具有不同的恶化率,以最小化最大完工时间为目标,建立数学规划模型,进而提出了一种混合遗传算法来求解。该算法引入一种启发式规则以产生m-1条染色体改进初始种群的40%,结合遗传算法的初始种群产生方法共同生成种群,设计遗传参数自适应调节。仿真实验测试和对比了启发式法、遗传算法和混合遗传算法三种求解方法,实验结果表明所提出的混合遗传算法能更有效地求解这类NP-hard问题。     

带恶化工件的PFS调度的混合遗传算法

研究了带恶化工件的置换流水车间调度问题,其中工件的加工时间是与开始时间有关的线性函数,考虑不同工件在不同机器上具有不同的恶化率,以最小化最大完工时间为目标,建立数学规划模型,进而提出了一种混合遗传算法来求解。该算法引入一种启发式规则以产生m-1条染色体改进初始种群的40%,结合遗传算法的初始种群产生方法共同生成种群,设计遗传参数自适应调节。仿真实验测试和对比了启发式法、遗传算法和混合遗传算法三种求解方法,实验结果表明所提出的混合遗传算法能更有效地求解这类NP-hard问题。     

具有成组约束的柔性同序加工车间的排序算法

针对轮胎模具的生产调度特点,研究了具有成组约束的两阶段柔性同序加工车间(FF2)的调度问题,建立了目标函数为最小化最大完成时间的调度数学模型,基于Johnson准则提出一种新的启发式算法,并应用企业的实际算例,说明了数学模型和求解方法的可靠性和有效性。     

新鲜度限制约束下物流配送中心选址-路径优化

目的 满足生鲜产品交付时较高的新鲜度要求,解决多产品、多车型情景下的配送中心选址-路径优化问题。方法 构建考虑碳排放成本和满足客户对产品交付最低新鲜度要求的双层目标规划模型。上层模型以配送中心固定成本、库存管理成本最小化为优化目标,下层模型以车辆固定成本、运输成本、碳排放成本、惩罚成本最小化为优化目标,并结合模型特点,采用两阶段启发式算法进行求解。结果 采用的两阶段启发式算法相对于遗传算法的平均成本解改进率为1.22%,相对于K-means聚类求解算法的平均解改进率为3.03%;两阶段启发式算法相对于遗传算法最优解运算时间的平均提高率为24.8%,相对于传统K-means聚类求解算法的平均提高率为33.0%。结论 经算例对比研究发现,不同新鲜度要求下对配送中心的选址以及车辆路径的安排有显著影响,企业可通过合理规划物流网络和准确评估客户对产品的新鲜度要求等手段实现企业物流成本的降低。     

多阶段灾后救援选址-路径模型及求解算法

配送中心选址与配送车辆路径安排的集成优化对灾后应急救援至关重要,综合考虑救援物资多次运达、多阶段持续配送等特点,以各救援物资需求点间运达时间之和以及系统总反应时间最小为目标,建立一种多阶段带时间约束的应急救援物资配送选址-路径优化模型。为模型的求解,设计一种特定的LRP路径编码,根据编码的结构独立、路径间相互关联等特点,引入一种适应匹配交叉算子,同时结合稳定均衡策略设计一种均衡协作启发式算法(BGEA算法)。为了验证模型的有效性及BGEA算法求解选址-路径多目标问题的优越性,对算例作求解分析,得出了可行性调运方案,并将BGEA算法求解性能与已知算法求解性能进行对比,比较结果表明BGEA算法求解该问题具有良好的寻优能力。     

基于多重约束的飞机移动装配线作业调度优化

基于对飞机移动装配线作业多重约束的分析,建立了作业调度优化问题的整数规划模型,提出了组合优先规则WRST以及基于此规则的启发式算法.WRST综合考虑了最迟完成时间、资源以及空间稀缺度三个指标;而算法设计包括基于WRST规则的作业拓扑排序和作业资源分配两阶段.数值试验结果显示基于WRST规则的启发式算法求解质量高,求解速...     

一种用于求解模具项目进度监视模型的启发式算法

针对模具制造项目的不确定因素较多所造成的监控难度大的问题,分析了模具项目的特点,提出了一种考虑多关键路径的随机项目进度监视模型.利用该模型,基于轨迹收敛系数的原则,提出了一种启发式算法.利用两个实例,将提出的启发式求解算法和前人提出的基于轨迹概率收敛系数的启发式算法进行了比较,并初步分析了两种算法的优缺点.     

缓冲区容量约束下发动机混流装配线排序研究

为解决缓冲区容量约束下发动机混流装配排序问题,以关键部件消耗均匀化和最大完工时间最小化为目标,建立了优化数学模型,设计了一种多目标遗传算法,采用了混合交叉算子和启发式变异方法,并设计了基于帕累托分级和共享函数的适应度函数,将多目标遗传算法和多目标模拟退火算法的优化结果进行了比较。研究结果表明,多目标遗传算法在满意度和计算效率方面均优于多目标模拟退火算法,是一种有效的混流装配线排序问题求解算法。     

基于改进遗传算法的铸造造型任务批调度模型

以单件小批量生产模式为主导的铸造生产具有订单种类多样、产品制造周期长、车间自动化程度低等现象,针对铸造企业客户订单多材质、铸件产品多类别以及造型熔炼多约束的特点,建立了一个以造型任务总完工时间最小的铸造造型任务批调度模型,并提出了一种改进的遗传算法对模型进行求解。算法设计了一种基于单件与砂箱类型的双层编码方案,在初始化阶段通过结合批首次匹配(BFF)规则进行分批,以提高初始种群的质量,在迭代阶段设计了一种基于批次交换的局部搜索方法,以避免算法陷入局部次优解。最后通过对某铸造企业的实际生产数据进行案例分析,验证了所提模型的有效性和算法的优越性。     

考虑分割配送的易腐品一体化库存路径问题

一个供应商用多个同质车辆给多个零售商配送一种易腐品,满足多个周期中零售商的需求,决策计划期内零售商的到货计划、供应商的生产计划以及车辆路径问题以最小化系统总成本。考虑质量时间窗、载重成本、车辆返回时间间隔等因素,建立混合整数规划模型,将模型分为一个主问题、两个子问题,采用两阶段启发式算法和配送量调整机制来进行求解,通过数值算例和灵敏度分析验证了模型和算法的有效性。     

并串联系统设计优化

建立了并串联系统设计优化的两类模型，提出了遗传算法与模式搜索、启发式算法相结合的求解方法。     

考虑风险规避的制造/再制造系统生产计划研究

在风险规避环境下建立了一个含再制造的多产品、有能力约束的单周期报童模型,给出了模型存在最优解的库恩一塔克(KKT)条件,然后用一种由迭代搜寻算法和遗传算法相结合的混合启发式算法进行求解,通过两个算例验证了模型和算法的有效性,最后对回收不确定性、风险规避程度等参数对系统利润的影响进行了灵敏度分析.     

三维装载约束的车辆路径问题的模拟退火算法

传统的车辆路径问题只考虑物品装载的质量属性约束,而忽略其他装载属性约束.针对这种情况,研究了三维装载约束的车辆路径问题,提出了三维装载的处理算法,基于模拟退火算法设计了一种两阶段启发式算法进行求解:第1阶段通过启发式算法得到初始解;第2阶段通过模拟退火算法对初始解进行改进,构造了测试集对结果进行验证.实验结果显示该算法是能够有效的求解该问题.     

工件带到达时间并具有成组约束的车间排序算法

针对模具制造过程的特点,在工件不同时到达的情况下,研究了前阶段带有成组约束的两阶段柔性同序加工车间的调度问题,建立了目标函数为最小化最大完成时间的调度数学模型．基于Potts的RJ’算法提出解决此类问题的启发式算法,并将该算法应用到轮胎模具企业的生产实例中,通过仿真说明数学模型和求解方法的可靠性和有效性．     

求解矩形布局问题的自适应算法

矩形布局问题属于NP-Hard问题,其求解算法多为启发式算法。该文侧重于构造布局求解算法中定位函数(规则)的优化,将模拟退火算法的思想融入到遗传算法中,提出了求解矩形布局问题的自适应算法,其利用自适应交叉、变异及接收劣质解的概率等方法对定位函数中各参数进行优化。算法通过两种方式确定初始种群的数目,具有较强的适应性。在算法搜索的后期,利用差异性较大的个体进行交叉操作,从而保持种群的多样性。最后通过实例证明了该算法能够很好的应用于矩形布局问题的求解。     

制造/再制造集成物流网络设施选址模型及算法

首先构建了一个制造/再制造集成物流网络:在该网络中,正向物流和逆向物流都是双层结构的,所有的物流设施均有能力限制,且假设再制造产品与新产品同质,都可以用来满足顾客的需求.在此基础上建立了一个混合整数非线性规划(MINLP)模型.然后提出了混合启发式算法求解.该算法用禁忌搜索法确定整型变量,用基于优先权的遗传算法解决多阶段运输问题.最后通过一个算例说明了模型和算法的有效性.     

结合车辆日检的混凝土罐车调度问题研究

结合车辆日检因素建立基于网络流模型的混凝土罐车调度问题混合整数规划模型,并提出一种结合启发式规则和车辆流冲突选择策略的遗传算法对问题优化求解。结果表明,所提出的算法可以有效地获取更优的罐车调度计划,节省企业成本、提高效益,同时可为混凝土企业的车辆购买或租用计划提供有益的指导。     

基于工序集的多阶段混合流水车间调度问题研究北大核心

针对砂型铸造车间包含并行工序集与批处理集的多阶段调度问题,总结了该类问题的特点和难点,构建了以最小化最大完工时间为优化目标的多阶段混合流水车间调度模型,采用了一种改进人工蜂群算法求解该模型。在算法中提出了基于插入原理与前驱工序释放时间的分段解码方法来有效利用机器空闲时间段,并引入了动态触发邻域机制增强算法的局部搜索能力,最后通过仿真实验验证了本文算法,解决此类问题的可行性和有效性。