基于混合蛙跳和遗传规划的跨单元调度方法

针对运输能力受限条件下的跨单元问题,提出了一种基于混合蛙跳与遗传规划的超启发式算法.将改进的混合蛙跳算法作为超启发式算法的高层框架,为跨单元调度问题搜索启发式规则,同时利用遗传规划产生可以兼顾多因素的优质规则,用于扩充超启发式算法的规则集.实验表明,提出的算法可以有效地搜索出优异的规则组合,并且通过遗传规划产生的规则可以在很大程度上改善候选规则集,提升算法性能.     

两端球状圆柱体储油罐变位识别与罐容标定

为了解决由于储油罐变位而导致的罐容表计量误差问题,对两端球状的圆柱体储油罐变位后罐内油量进行了重新标定,针对储油罐可能在水平和竖直两个方向上发生变位,分析了两种情况变位前后罐容间的关系,在此基础上建立了相应的标定模型和储油罐在变位前和变位后罐容标定计算公式,并给出了该模型的适用范围的判定公式及具体的求解步骤,通过实例对模型进行了检验,检验结果表明了该模型的正确性和可行性.     

考虑运输能力限制的跨单元调度方法

工件在生产单元之间频繁转移产生了跨单元调度问题.本文结合我国装备制造业的生产实际,提出考虑运输能力的跨单元调度方法,设计了一种基于离散蜂群与决策块结构的超启发式算法.针对传统超启发式算法的局限性提出动态决策块策略, 同时改进传统蜂群算法的侦查蜂策略,使之具有更好的优化性能.实验表明,动态决策块具有比静态决策块更好的性能,算法在优化能力和计算效率的综合性能上优势显著,并且问题的规模越大,优势越明显.     

一种基于时间窗的多阶段混合流水车间调度方法

考虑同时包含单处理机和批处理机的多阶段混合流水车间调度问题,设计一种基于时间窗的蚁群算法,以最小化最大完工时间为优化目标。在解决整体调度问题的过程中,通过蚁群算法实现工序分派、排序、组批三个阶段的协同优化调度;另外在工件组批阶段加入时间窗策略,利用前瞻性算法动态构建组批方案,通过分析批处理机的时空关系设计合理的组批时间窗,以获得较高的机器利用率。试验结果表明,与无时间窗的蚁群算法相比,时间窗策略在确保最小化最大完工时间的同时,提高了批处理机的利用率;与CPLEX相比,基于时间窗的蚁群算法在最大完工时间和计算效率方面均有较大优势。蚁群算法与时间窗的结合兼顾了多个阶段多种机型的生产特点,适用于解决多阶段混合流水车间的调度问题。     

一种新型的通用动态查询用户控件的设计与应用

设计了一种基于多表的通用动态查询用户控件并将其应用到查询系统中,克服了传统的静态查询方法具有的不灵活、可维护性差、复用性低以及基于单表的动态查询信息量小、数据项独立性差等缺点,方便用户查询到相关的数据项,给用户提供较详细的信息.这种查询方式不仅有利于用户比较、分析数据,同时有利于提高系统的开发效率.测试结果表明,该查询系统的性能较好.     

卧式椭圆柱型储油罐的变位识别与罐容标定

为了解决由于储油罐变位而导致的罐容表计量误差问题,对卧式椭圆柱型储油罐变位后罐内油量进行了重新标定,建立了相应的标定模型和储油罐在水平和倾斜放置时的罐容标定公式,并给出了模型的求解步骤。通过实例对模型进行检验,检验结果验证了模型的正确性和可行性。     

一种改进的求解柔性作业车间调度问题的灰狼算法

柔性作业车间调度问题是智能制造领域的一类典型调度问题,它是制造流程规划和管理中最关键的环节之一,有效的求解方法对提高生产效率具有重要的现实意义。本文基于经典灰狼算法进行改进,以优化最大完工时间为目标,提出一种改进的灰狼算法来求解柔性作业车间调度问题。算法首先采用基于权值的编码形式,实现对经典狼群算法中连续性编码的离散化;其次在迭代优化过程中加入随机游走策略,以增强局部搜索能力;然后在种群更新过程中加入尾部淘汰策略,在避免局部优化的同时增加种群多样性,合理扩大算法的广度搜索范围。在标准算例上的仿真实验结果表明,改进的灰狼算法在求解FJSP时比经典灰狼算法在寻优能力方面具有明显的优势,相比其它智能优化算法,本文所提算法在每种算例上均具有更好的优化性能。     

基于改进麻雀搜索算法的病患分配调度

在突发性公共卫生事件爆发时,大量的病患群体与有限的医疗资源供给会形成急剧的冲突,影响疫情防控救治效率。为满足患者就诊需求,提高医疗资源使用效率,文章以最小化平均收治时间、最小化最大收治时间为优化目标建立数学模型,在麻雀搜索算法中引入正余弦搜索策略使产生的个体具有多样性,对最优群体加入t分布扰动策略避免算法陷入局部最优。文章采用麻雀搜索算法、改进麻雀搜索算法、量子粒子群算法分别求解文章提出的数学模型,并将结果进行对比分析。以Y市为例,将Y市划分为9个人口区域,6家医院,进行病患分配调度的仿真实验研究。文章提出的数学模型可以准确描述大流行病期间患者就诊问题,所提算法可快速给出病患救治分配方案,让病患在较短的时间内获得相应救援,同时也可避免具有传染性的疫情进一步扩散。     

一种基于动态决策块的超启发式跨单元调度方法

对运输能力受限条件下的跨单元调度问题进行分析, 提出一种基于动态决策块和蚁群优化 (Ant colony optimization, ACO) 的超启发式方法, 同时解决跨单元生产调度和运输调度问题. 在传统超启发式方法的基础上, 采用动态决策块策略, 通过蚁群算法合理划分决策块, 并为决策块选择合适的规则. 实验表明, 采用动态决策块策略的超启发式方法比传统的超启发式方法具有更好的性能, 本文所提的方法在最小化加权延迟总和目标方面有较好的优化能力 并且具有较高的计算效率.