求解车间作业调度问题的快速禁忌搜索算法

针对车间作业调度问题的难解性，提出了一种求解该问题的快速禁忌搜索算法．该算法是按照禁忌搜索算法的一般步骤来进行设计的，在设计过程中对于算法所涉及到的初始解问题、邻域构造问题以及禁忌表长度的选取等问题给出了旨在减少算法计算时间，提高算法优度的解决方案．该算法找到了所测试的21个标准算例中18个算例的精确最优解，而且在PⅡ233的计算机上每个算例的计算时间不超过2s。     

求解调度问题的粒子群算法编码方法研究

利用粒子群算法求解调度问题的关键是建立有效的粒子编码结构.介绍了作业车间、流水车间和并行机调度等3类典型调度问题的特点,阐述了求解调度问题的粒子群算法结构,指出设计粒子群算法编码方法需要考虑的3个关键问题.提出3种求解不同调度问题的粒子群算法编码方法,并从生成调度解的可行性和有效性、粒子群计算模型的适用性和解码过程的复杂性等几个方面对粒子编码方法进行分析.以作业车间调度问题为例,验证了所提粒子编码方法的有效性.     

基于局部搜索策略的车间作业调度问题的算法研究

为车间作业调度问题提供了一个快速、易于实现的近似算法．该算法基于局部搜索策略,采用特殊的邻域构造方法,即邻域的构造仅与关键路径上的工序相关．该算法找到了所测试的14个标准算例中12算例的最优解,而且在PⅡ233的计算机上每个算例的计算时间不超过1s。     

基于改进粒子群的柔性作业车间调度问题优化研究

主要针对柔性作业车间调度问题进行求解,利用改进粒子群算法作为求解方法,以最小化最大完工时间(C_max)作为该问题的求解目标.在算例的选取上,选用作业车间调度问题的8*8经典算例和柔性作业车间调度问题的Brandimarte算例对提出的算法进行验证.改进粒子群算法由遗传算法和粒子群算法构成,遗传算法具有较好的全局搜索能力,但搜索过程中收敛的精度不高,粒子群算法由于其寻优特性,在搜索过程中速度较快,但容易陷入局部最优,综合考虑两者的优缺点,将遗传算子引入粒子群算法中,采用交叉搜索的方式,调整惯性权重以及变异的方式使粒子进化,当粒子群进化到一定程度后,对部分粒子进行变异处理从而避免算法陷入局部最优解,同时可以提高粒子群算法的收敛精度.依据柔性作业车间调度问题的特点,在经过多次变换种群规模以及迭代次数后,求解出最适合柔性作业车间调度问题的最优解.     

蚁群算法在车间调度问题中的应用

提出用蚁群算法求解车间调度问题.车间调度问题是典型的非确定性多项式时间难问题,蚁群算法是一种分布式进化计算方法,具有鲁棒性,正反馈,并行性等特点,而且算法简单.给出了用蚁群算法求解车间调度问题的流程,并且用经典的JSP的样例对算法进行了测试,实验结果表明用蚁群算法可以求解得到车间调度问题的最优解或近似最优解.     

柔性流水作业排序问题的贪心算法求解

柔性流水作业排序问题是一类复杂的车间作业调度问题。针对通常情况下调度问题求解困难的问题,给出了求解柔性流水作业排序问题近似解的贪心算法,并对其性能进行了分析测试。结果表明,虽然该贪心算法求出的近似解与最优解相比有一定误差,但由于其时间复杂度较小,因此对求解车间作业调度问题仍有一定的现实意义。     

社区疫情防控的消杀作业路径优化问题研究

针对社区疫情防控的消杀作业路径优化问题,设计了一种基于模拟退火算法的启发式算法．首先,提出用于面型消杀任务的作业工艺,建立了问题的整数规划模型;然后,针对问题特点开发了基于模拟退火算法的启发式算法,使用一种可以根据问题规模改变解空间大小的解结构,设计了多种类型的解更新操作,利用Floyd算法计算优化目标值,通过Metropolis准则接受新解．多规模对比计算实验表明：所提出的模拟退火算法在小规模算例的平均求解结果与精确解相差在4%以内,在中规模算例的求解结果比CPLEX平均优化10%～40%,在大规模算例的求解结果比贪婪算法平均优化60%～80%,因此当求解此类问题时该算法能在合理的时间内取得较优的结果．     

求解多目标柔性作业车间调度问题的两阶段混合Pareto蚁群算法

针对多目标柔性作业车间调度问题(FJSP)分解得到的作业分派、排序子问题仍是多目标优化问题的情况,提出了一种求解该问题的分层Pareto优化框架,并采用该框架构建了两阶段混合Pareto蚁群算法的求解算法,其中两个Pareto蚁群系统分别求解多目标作业分派、排序问题。结合GT算法、排产规则评估和过滤第一阶段的分派方案,将具有较好评估全局解的分派方案作为分派阶段的精英档案,并输入给排序蚁群系统获取其非支配调度解,进而获取问题全局非支配解。子问题算法混合了各目标相关的邻域搜索策略,与Pareto蚁群算法结合,以期提高解的质量。通过求解带有平均工件加权延迟时间指标的多个FJSP基准算例,验证了算法的有效性。计算结果表明,该分层Pareto优化框架对原问题进行分层分解,有利于降低原问题的复杂性,相比多数文献,算法能够获得各基准算例Pareto非支配解,从而为分解求解复杂多目标调度优化问题提供了一种途径。     

一种求解矩形packing问题的智能枚举算法

矩形packing问题有许多工业应用,如码头货物装载,木材下料,超大规模集成电路（VLSI）布局设计,新闻排版等。国内外已提出了许多求解此问题的算法,如：遗传算法,模拟退火算法以及启发式算法等。在目前已有研究的基础上,提出了一种智能枚举算法,该算法的关键在于设计一种快速有效的枚举策略。用Hopper和Turton提出的21个矩形packing实例对所提出的算法性能进行了实算测试,平均面积未利用率为0.04%,平均计算时间为277.69 s,并求得了其中18个实例的最优解。实算结果表明：该算法对求解矩形packing问题是行之有效的。     

带时间窗的4PL路径优化问题的两阶段求解

以第四方物流(fourth partylogistics,4PL)为背景,针对带有时间窗约束的4PL路径优化问题,设计了一个两阶段算法.该算法首先根据和声搜索算法的优化机制在配送网络多重图上产生一个简单图,然后采用删除算法求出简单图上的前K条费用最短路径.该算法能确保产生的解是合法的连通路径,不需要对非法路径进行修复,能保留解的信息且节省大量的计算时间.对不同规模的3个算例进行求解,并与传统的和声搜索算法和枚举算法进行对比分析.结果表明,本文算法的求解效果优于传统的和声搜索算法和枚举算法,是求解该类问题的有效算法.