基于多目标萤火虫膜算法的学习效应生产调度问题

针对复杂的生产环境,建立基于学习效应的多目标置换流水车间调度问题模型。设计嵌套有萤火虫算法的膜算法,改进其邻域搜索策略,对构建的模型进行寻优求解。利用Car类基准测试问题测试萤火虫膜算法的性能,并通过与萤火虫算法和粒子群算法的对比,验证了萤火虫膜算法在求解置换流水车间调度问题中的可行性和有效性。利用膜算法求解得到的不同学习率下置换流水车间调度问题的最大完工时间及总流经时间,构建Pareto最优解集,分析不同学习效应因子对多目标置换流水车间调度问题的影响程度。     

应用改进萤火虫算法求解基于学习退化效应的PFSP问题

为了提高基于学习退化效应的置换流水车间调度问题的求解效率,提出一种改进的萤火虫算法来增强算法性能。首先,给出一种基于目标函数的动态自适应惯性权重莱维飞行萤火虫算法,提高了算法收敛速度,易于快速搜索局部及全局最优解;其次,在标准萤火虫算法的基础上对每次移动后的萤火虫群引入差分进化算法,促进萤火虫个体决策域半径内的信息交换与共享,增加种群多样性,提升了算法收敛精度;最后,根据机器加工具有学习及退化效应的特性,通过Matlab对Car类和Rec类置换Flow-shop Benchmark问题的测试验证了改进萤火虫算法对于求解此类问题有很好的可行性及鲁棒性,并分析了不同学习率与退化效应因子组合对目标函数的影响。     

求解零空闲置换流水车间调度问题的离散萤火虫算法

针对最小化最大完工时间的零空闲置换流水车间调度问题,提出了一种离散型萤火虫优化算法。基于萤火虫算法优化机理,采用基于工件序列的个体编码方式,重新定义了个体间距离的概念和位置更新公式,并结合交换、插入和逆序操作的局部搜索策略来提高算法性能。通过典型算例对算法进行了仿真测试和对比,结果表明了所提算法的可行性和有效性,扩展了传统萤火虫算法的求解范围,是解决流水线生产调度问题的一种有效方法。     

考虑学习效应的多目标流水车间调度问题

考虑了学习效应对流水车间调度问题的影响,以最大完工时间和总加权滞后时间为优化目标,建立了与加工顺序相关的对数线性调度模型,设计了LNEH(NEH heuristic with Learning effect)启发式算法和MCF(Membrane Computing for multi-objective Flow-shop scheduling)算法进行求解。LNEH算法根据对学习效应下问题性质的分析,在初始序列和工件插入两个环节进而达到对原有NEH算法的改进,同时采用随机策略以获得多个解。MCF算法是采用膜计算理论设计的一种近似调度优化算法,针对调度问题设计了字符对象的编码方式,根据前端等级大小将字符对象往复地分配为均匀的对象集,借鉴PSO算法制订膜内规则:从外部档案和所在的基本膜内中分别选择作为参考的选择规则和类似于PSO算法的移动规则。数值仿真显示,不同学习系数对调度结果具有较大影响,并对比证明了所提两种算法的有效性。     

平行移动方式下考虑作业时间可分离的多目标流水车间批量调度

对平行移动方式下考虑作业时间可分离的多目标流水车间批量调度问题进行研究。构建以生产周期、总停机次数和总搬运次数为目标的基于分层序列法的多目标决策模型。建立考虑作业时间可分离的时间模型,并设计遗传算法求解流水车间批量调度问题。本研究可为功能型布局流水车间中的批量零件选出最优调度方案,并能为批量零件的加工制造、搬运以及加工制造设备的调整制定精确的生产作业计划。     

设备具有恶化特性的多目标流水车间调度模型与算法

考虑到现实流水车间调度中设备具有恶化特性,针对作业处理时间是其开始时间的线性递增函数的流水车间调度问题,建立了最小化最大完成时间和总延迟时间的多目标优化模型;进而设计了一种基于分解的自适应多种群多目标遗传算法进行求解.该算法将多目标优化问题分解为多个单目标子问题,并分阶段地将这些子问题引入求解过程.在每次迭代时,根据种群在目标空间和解空间的分布情况,自适应地为当前求解的子问题分别构造子种群进行求解.通过对数值算例仿真实验,验证和分析了所提出的算法在解决该问题上能够获得较好质量和分布性的非支配解集.     

平顺移动模式下考虑加工时间与调整时间可分离的多目标流水车间批量调度

对平行顺序移动模式下考虑加工时间与调整时间可分离的多目标流水车间批量调度问题展开研究.构建以加工制造设备总停机次数、批量工件生产周期以及搬运批量工件的总次数为决策目标的基于分层序列法的多目标决策模型,利用该模型可确定批量工件的最优加工排序方案.建立平行顺序移动模式的加工与调整时间模型,该模型是求解生产周期的基础,也是为批量工件的最优调度方案制定生产作业计划的依据.提出并设计平行顺序移动模式下考虑加工时间与调整时间可分离的禁忌搜索算法对问题进行求解.研究结果表明:本研究可为平顺移动模式下考虑加工时间与调整时间可分离的批量生产流水车间选出批量工件的最优调度方案,同时可为批量工件的加工和加工制造设备的调整制定精确的生产作业计划.     

基于离散状态转移算法的无等待流水车间调度研究

针对制造行业中广泛存在的无等待流水车间调度问题,提出一种改进的离散状态转移算法进行求解。基于流水车间调度问题的特性,设计工件的编码方式,采用基于工件加工时间标准差为优先级的NEH(Nawaz-Enscore-Ham)方法构造初始解,设计基于插入和交换的多邻域组合搜索策略以提高初始解的质量;提出一种基于群状态的离散状态转移算法,并利用带二次状态转移操作的三种离散操作算子扩大算法的搜索范围;为进一步提高离散状态转移算法的求解性能,设计了基于莱维飞行的破坏重构局部搜索方法,对全局搜索发现的优质解进行细致搜索。仿真实验表明,改进的离散状态转移算法能够有效求解无等待流水车间调度问题。     

基于改进遗传算法的流水车间调度求解方法

流水车间调度问题是一类经典的NP完全问题,为此提出了一种求解极小化总完工时间的流水车间调度问题的改进遗传算法.该算法采用构造型启发式算法和随机方法共同产生初始种群,结合禁忌搜索算法的局部搜索性能和遗传算法的全局搜索性能.仿真实例的结果表明该算法对问题求解的可行性和有效性.     

基于蚁群优化的置换流水车间调度算法

针对置换流水车间调度问题,提出了一种基于蚁群优化的调度算法.该算法的要点是将NEH启发式算法和蚁群优化结合起来:首先,将蚁群优化中的能见度定义为NEH中所用的工作加工时间之和.其次,对于部分解采用了NEH中的步骤2和步骤3进行局部调整.最后,对构造出的解做插入型局部搜索.用所提算法对置换流水车间调度问题的基准问题进行了测试,测试结果表明提出算法的有效性.     

考虑区间工时的多目标柔性作业车间节能调度

在综合考虑经济指标和环境因素基础上，研究了工件加工时间不确定的多目标柔性作业车间节能调度问题。将工件不确定加工时间描述为区间数，并以最小化最大区间完工时间、区间总能耗为目标构建区间柔性作业车间调度节能问题优化模型。同时，依据区间可能度的支配关系，设计了一种有效求解该问题的区间多目标进化算法。通过15组测试问题，分别对区间多目标进化算法、SPEA-II及NSGA-II进行仿真实验，并采用反转世代距离(inverse generation distance, IGD)和覆盖集测度(C测度)两种性能指标验证了所提算法的可行性和有效性。     

基于混合粒子群-NEH算法求解无等待柔性流水车间调度问题

针对以最小化最大完工时间为目标的无等待柔性流水车间调度问题,提出了一种混合粒子群-NEH算法.该算法 利用粒子群优化算法解决机器分配问题,并进行全局优化;利用改进的NEH算法确定工件加工顺序,并首次提出差值 平移算法计算问题目标值.在算法求解过程中,通过不断对停滞粒子实行变异操作,避免粒子群陷入早熟收敛状态.基 于典型算例的仿真实验,证明了所提算法求解该类问题的可行性和有效性.     

考虑行为主体的置换流水车间干扰管理研究

针对置换流水车间计划外新工件到达干扰问题,研究从加工系统参与主体:企业管理者、车间工人和客户三方进行基于前景理论的扰动度量,并建立同时考虑初始成本目标和基于行为运筹扰动目标的干扰管理模型.经分析发现问题复杂度为NP-难,为了弥补单一元启发式算法具有求解性能依赖于初始解的质量以及局部搜索不足等缺陷,从初始解改进和加强局部搜索两个角度,提出一种具有一般通用性的元启发式算法混合策略,分别基于量子计算、粒子群搜索和模拟退火设计了四种具体混合算法.为验证该混合策略的有效性,基于置换流水车间Taillard(Ta)标准测试集设计干扰算例并应用算法进行求解,验证了基于前景理论的扰动度量的优势,通过输出有效前沿多样性和收敛性分析证明了所提算法混合策略求解问题的有效性.     

等待时间受限的流水车间调度问题的若干性质

等待时间受限的流水车间调度问题广泛存在于高温连续作业或中间产品不稳定的流水车间生产管理过程中, 要求工件在相邻机器上的等待时间不能超过一定的上限. 针对以最小化最大完工时间为目标函数的该类问题, 研究了加工机器上的工件序列特征, 并在此基础上分析了基于排列排序进行问题求解的可行性和有效性, 为算法求解提供了理论依据.     

具有跨工位操作的汽车总装车间调度仿真问题

研究了一类从汽车总装车间作业中提炼出的新的流水车间调度问题.该问题具有跨工位操作、停线操作以及加工时间波动的特点,这些特点使得调度问题变得相当复杂.首先,建立了该调度问题的数学模型;然后,针对此模型以最小化最大完工时间为目标,采用遗传算法和模拟退火算法相结合的方法确定出最佳调度方案;最后通过二维的动画仿真对调度结果进行验证与分析.利用北京某汽车企业总装车间实际生产数据测试和分析了上述方法,结果表明了该方法的有效性.     

基于混合流水作业组织的港口拖轮调度优化

在对拖轮调度问题进行分析的基础之上,将拖轮调度问题归结为一类具有多阶段共用机器特征的混合流水车间调度问题. 建立了针对多停泊基地不同作业模式下、且考虑靠泊与停泊两阶段的拖轮调度优化模型,推导了基于混合流水作业组织的港口拖轮调度优化问题的理论下界值,并设计了启发式规则与模拟退火相结合的混合算法（HSA）求解该模型. 通过运用该算法求解仿真算例,并将其结果与模型理论下界值、三种基于现行调度规则及基于Johnson 规则的调度方案进行比较. 结果表明,运用HSA求解的结果与理论下界值的平均偏差值为5.39%,且该结果远小于基于现行调度规则及Johnson规则的求解值,验证了模型与算法的高效性,可以为拖轮作业模式的选择以及调度方案的制订提供决策支持.     

基于混合流水作业组织的港口拖轮调度优化

在对拖轮调度问题进行分析的基础之上,将拖轮调度问题归结为一类具有多阶段共用机器特征的混合流水车间调度问题.建立了针对多停泊基地不同作业模式下、且考虑靠泊与停泊两阶段的拖轮调度优化模型,推导了基于混合流水作业组织的港口拖轮调度优化问题的理论下界值,并设计了启发式规则与模拟退火相结合的混合算法(HSA)求解该模型.通过运用该算法求解仿真算例,并将其结果与模型理论下界值、三种基于现行调度规则及基于Johnson规则的调度方案进行比较.结果表明,运用HSA求解的结果与理论下界值的平均偏差值为5.39%,且该结果远小于基于现行调度规则及Johnson规则的求解值,验证了模型与算法的高效性,可以为拖轮作业模式的选择以及调度方案的制订提供决策支持.     

多时间窗车辆调度问题的建模与求解

传统的单时间窗车辆调度问题模型无法描述用户空闲时间分段可选的情况,为此需要建立多时间窗车辆调度问题模型.对多时间窗车辆调度问题进行研究,建立了问题的数学模型,并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.该算法首先利用扫描算法求得初始解,然后利用模拟退火算法对初始解进行改进.实验结果表明该算法可以有效地求解多时间窗车辆调度问题.     

约束规划求解集装箱装卸系统集成调度问题

集装箱码头装卸系统中的岸桥、集卡和场桥的集成调度问题本质上是有阻塞、准备时间可分离并且依赖操作顺序的三阶段混合流水车间调度问题,现有文献多采用启发式算法求解该问题.本文先建立了一个紧凑的混合整数规划模型,然后从约束规划的角度建模求解该问题,提出了一个约束规划模型,以区间变量作为决策变量,并采用"扩展操作任务"的概念来定义区间决策变量以提升求解效率.为了展示约束规划的建模灵活性,还扩展了模型以考虑机器效率不同的因素.数值实验显示约束规划模型能够在很短的时间内对大规模算例求出高质量的解.     

柔性作业车间动态调度问题研究

为了有效求解柔性作业车间动态调度问题,提出了一个基于多目标免疫遗传算法(MOIGA)的动态调度优化算法。首先定义了柔性作业车间动态调度问题,然后采用事件驱动和周期驱动相结合的调度策略,提出了基于MOIGA的动态调度优化模型,接着设计了面向交货期性能最优的柔性作业车间调度算法,并讨论了影响算法复杂度的因素,最后通过一个实例仿真,表明了算法的可行性和优越性。