排序方式: 共有21条查询结果,搜索用时 0 毫秒
1.
研究了一类零部件混批生产车间需要加工准备的多周期成批生产计划与调度的集成优化问题,建立了生产计划和调度集成优化的非线性混合整数规划模型.并提出了一种交替式混合遗传协调优化算法求解该集成优化问题.其主要思想是给定计划用一混合遗传算法求调度,反过来给定已求调度用另一混合遗传算法求取新计划,如此不断交替使用两个混合遗传算法实现计划与调度的同时优化.仿真结果证明了该方法的可行性和有效性. 相似文献
2.
一类新的混流装配线排产优化模型 总被引:1,自引:0,他引:1
针对混流装配线的负荷均衡化问题,建立了最优化辅助工人数量的一类新的排产优化模型,分析了混流装配线的空间间隔约束和能力约束之间的关系,让明了空间间隔约束是满足工作站能力约束的充分条件.在此基础上给出了有辅助工人参与情况下的空间间隔约束不等式.对一些非线性约束进行了线性化处理,从而可以方便地求解模型.最后,通过仿真实例验让了该方法的可行性和有效性. 相似文献
3.
油田开发规划非线性多目标优化模型研究 总被引:4,自引:1,他引:4
为了编制油田的效益规划,实现对利润、产量、成本、投资多个目标的合理决策。根据油田开发的实际情况。将油田的构成细分为9个部分。建立了利润、产量、成本和投资的非线性多目标优化模型,将利润、产量、成本、投资4种油田开发指标分成不同的优先级进行优化。采用ARMAX模型预测模型参数。用多项式拟合描述产量与工作量之间的非线性关系。在对多目标设置不同优先级的基础上,应用基于遗传算法的逐层非线性多目标算法。较快地得到最优解,对油田效益规划的编制具有重要意义。 相似文献
4.
油田开发规划是一项复杂的系统工程,在一定投资下,要使得利润最大、产量最大,并且尽量降低成本,需要通过数学规划的方法进行科学合理的决策。为此,该文开发了油田开发规划优化决策系统,可以作为长期或短期油田开发规划的决策工具。 相似文献
5.
遗传算法是一种全局搜索能力较强的元启发式算法,可通过不断进化种群得到最优或近优解;但是遗传算法的局部搜索能力较差,容易发生早熟收敛问题。因此为了克服遗传算法早熟收敛的问题,考虑到禁忌搜索算法的局部搜索能力较强的优势,提出了一种遗传和禁忌搜索的混合算法解决预制生产流水车间的提前和拖期惩罚问题。该混合算法是在遗传算法每次迭代后,通过禁忌搜索改进当前种群中的最好染色体,并替换种群中适应度值最差的染色体。经实验测试表明,所提出的混合算法的性能更优,更容易得到全局最优解或近优解。 相似文献
6.
7.
并行生产线和特定工序生产资源共享模式可以显著改善客户满意度并节约成本.针对预制构件并行生产线资源配置与生产调度集成优化问题,基于分解策略和交替迭代优化思想,提出一种交替式混合果蝇-禁忌搜索算法(AHFOA_TS)以最小化拖期惩罚费用.首先,通过快速启发式方法产生一较好初始解;然后,固定资源配置方案,为提高算法局部搜索能力,通过集成多种局部搜索方式,设计一种离散果蝇优化算法优化订单指派及调度方案;最后,固定订单指派及调度方案,为减少无效搜索次数,设计一种基于双层变异算子和精英劣解交叉策略的混合禁忌搜索算法以优化资源配置方案,如此两个阶段交替运行直至满足终止条件.此外,设计4种基于交替搜索框架的智能优化算法用于比较.计算结果表明, AHFOA_TS算法能够更有效求解预制构件生产线资源配置和生产调度集成优化问题. 相似文献
8.
为了追求节能减排与净利润最大化,建立一种置换流水车间订单接受与调度模型。禁忌搜索是一类启发式全局搜索算法,传统禁忌搜索对初始解依赖较大,没有对考虑能效的置换流水车间调度问题进行更深入的优化。鉴于问题的复杂性,提出了一种节能混合禁忌搜索算法,结合了NEH构造启发式算法的优势,并在该算法中设计了订单接受与拒绝编码方式、能耗调整与交货期配置策略。最后采用大量随机实例对性能进行分析。实验结果表明,通过上述改进,改善了算法的全局搜索能力与解决复杂模型的寻优能力,节能混合禁忌搜索较单一算法而言性能更优,可以有效增加企业总净利润,降低能源消耗。 相似文献
9.
惩罚复杂诊断系统混合噪音的模糊小波分类机 总被引:2,自引:0,他引:2
针对复杂故障诊断系统特征数据中具有高斯、幅值较大、奇异点等混合噪音, 设计一种分段式损失函数, 构造基于小波基函数的小波核函数, 由此得到一种输出为模糊数的模糊小波ν-支持向量分类机, 即模糊鲁棒小波ν-支持向量分类机(FRWν-SVC). 它可以有效地压制故障特征时序的多种噪音和奇异点, 具有很强的鲁棒性, 而且它比标准模糊小波ν-支持向量分类机(FWν-SVC)具有更简洁的对偶优化问题. 最后进行了汽车装配线故障诊断的实例分析, 结果表明基于FRWν-SVC的故障诊断模型是有效可行的. 相似文献
10.
在解决以合同惩罚和存储成本最小化为优化目标的流水车间重调度问题时,提出了一种启发式算法和改进的遗传混合算法。传统的遗传算法是一种基于优胜劣汰的随机、自适应的优化算法。通过复制,交叉和变异,将问题解编码所表示的“染色体”群在逐代进化,最终收敛到最合适的群体,从而得到问题的最优或满意解。但缺点是求解结果依赖于初始值,且运行时间过长。因此对传统遗传算法做了相应的改进,考虑到启发式算法的快速性,为充分发挥俩种算法的优势,提出启发式算法和改进遗传混合算法。最后对性能进行分析;试验结果表明:该算法运行时间短,且在大规模数据集下,更易于靠近全局最优解。 相似文献