船厂钢板堆场多时段作业计划优化

针对船舶制造中由于钢板出入库时间段的分散性而引起钢板堆场大量倒垛的问题,建立了以减少计划期内倒垛量为目标的多时段钢板堆场作业计划优化模型。模型考虑钢板入库、倒垛和出库作业过程,以及时间约束和空间约束。根据对钢板入库、倒垛和出库作业流程及堆放原则的研究,提出并实现一种由动态规划启发式算法和变邻域搜索算法组成的两阶段求解方法。最后以某船厂的实际数据为例,分别在不同钢板规模情况下与固定参数的遗传算法及人工决策对比,结果表明,新的方法运算时间短,在较大规模问题时可减少47%~75%的倒垛量。     

基于智能算法的船舶分段堆场调度计划与优化

分段的移动是船舶分段堆场调度中最主要的作业过程,而移动路径的优劣决定着分段堆场调度的效率和成本。论文通过综合考虑临时阻挡分段数量、平板车转向次数和移动距离对调度成本的影响,提出分段综合移动难度的评价标准,以此建立数学模型,并以分段综合移动难度为优化目标,利用遗传算法选择分段在堆场中停放位置的较优方案,运用禁忌搜索优化柔性出场时间分段的出场顺序,构建启发式规则来确定分段最优的进、出场路径。最后,利用某船厂的实际数据对模型进行实例验证和数值分析,结果表明,本文方法可以得到较优的堆场作业计划,实现堆场资源的高效利用。     

基于改进GA的分段堆场计划调度方法研究

针对船舶分段堆场在调度过程中周转效率低、调度滞后以及调度成本高等问题,以进出场分段在堆场中的调度为研究对象,考虑船舶分段堆场调度过程中的扰动因素,采用基于事件触发式的重调度方法,结合分段质量和移动距离建立数学模型,以移动分段所需的成本为优化目标,提出利用改进遗传算法来选择分段在堆场中停放位置的较优方案,并构建启发式规则来确定分段最优进、出场路径。利用某船厂实际数据对模型进行验证,表明该方法可得到较优的堆场作业计划,实现堆场资源的高效利用。     

基于启发式规则的临时分段调度计划与优化

船舶堆场中临时分段调度方案的优劣影响着调度的效率和成本。本文以临时分段的调度过程为优化对象,以平板车的移动距离为优化目标建立数学模型。通过制定动态的临时分段调度规则和超长分段调度规则,充分利用堆场中的空存储单元,最终确定一个较优的临时分段调度方案。同时利用任务合并对堆场调度的任务序列进行优化,从而减少调度过程中临时分段的数量。最后,利用某船厂的实际数据对模型和调度规则进行实例验证和数值分析,结果表明,所制定的调度规则可以优化堆场调度方案,提高堆场空间资源利用率和调度效率。     

热轧板坯库自动化系统设计与实现

连铸和热轧生产工序通过热轧板坯库进行生产的缓冲,其管理水平将直接影响到连铸连轧生产的连续性和成本.以马钢四钢轧总厂热轧板坯库为应用背景,分析了板坯库中存在的问题,研究了出入库优化模型,并运用到项目中,减少库内板坯倒垛次数,统一调度运输链中的辊道和行车进行协同作业,提高了作业响应速度,保证库内各项物流作业及时顺畅地完成.     

船舶分段涂装作业重入调度优化算法

针对分段涂装过程中存在调度效率低、完工时间长等问题,本文将分段涂装作业抽象为带有时间和空间约束的批-离散机重入过程,以最小化最大完工时间为优化目标建立数学模型,构造了基于重排策略的启发式算法。通过聚类算法和基于模拟退火的组批重排策略获得不考虑空间约束的分段分批结果,利用最大接触策略实现分段的空间组批调度,提出基于最大剩余加工时间策略和遗传算法的超启发式算法进行分段的重入调度。仿真实验表明,所提出的算法可以充分利用冲砂车间的空间,得到较优的分段涂装调度计划。     

基于随机交箱序列的集装箱堆场出口箱箱位优选

为了优选客户提交箱时间不确定条件下的集装箱堆场出口箱箱位,降低作业成本,提出了基于随机交箱序列的堆场箱位优选方法,即两阶段随机规划模型和基于禁忌搜索的启发式算法.模型通过优选贝位和堆栈最小化堆场龙门吊行车成本和翻箱量,探讨了随机交箱序列条件下的翻箱量和龙门吊行车成本求解方法,并针对模型最优解特点开发了基于禁忌搜索的启发式算法.模拟实验表明,该方法能够有效利用不确定集装箱交箱序列信息改善调度效果,算法能够在合理时间内获得满意解.     

改进粒子群算法的动态空间调度方法

针对船体分段生产调度的多目标性和动态性,提出了一种改进粒子群算法的动态空间调度方法,确定船体分段在工作平台上的加工顺序和空间布局位置.算法以加工完成时间最短和空间利用率最高为目标,采用自适应惯性权重策略保证算法的收敛性,并引入遗传算法中的选择算子和变异算子增强算法的收敛速度和多样性,利用启发式定位策略确定分段的位置.最后,以船厂实际生产数据进行仿真验证.仿真结果表明,所提方法可以大大降低以手工方式制定调度计划的复杂度,并能有效地提高空间利用率达到70%,说明该方法是解决动态空间调度问题的一种有效方案.     

基于云制造平台的供应链生产计划方法

提出了一种基于云制造平台的供应链生产计划方法.构建了以最大完工时间、总服务成本和总运输成本为优化目标的供应链生产计划模型,设计了遗传算法和改进遗传退火算法,对模型进行求解,建立了基于最大完工时间和总成本的算法选择模型.利用仿真算例比较了2种算法在不同情况下的求解效果,并给出了算法的选择准则.仿真结果表明,该方法能为以云制造平台为调度主体的供应链制定合理的生产计划.     

基于碳排放和分类用户满意度的冷链物流路径优化

企业需要在考虑分类用户满意度的前提下降低企业配送成本.同时基于碳中和概念,面对可能的碳税和碳限政策,也需要制定合理的方案来降低企业成本.针对冷链物流路径优化问题,构建了考虑分类用户满意度和碳税碳限政策的冷链物流成本模型,融合遗传算法和蚁群算法设计出Aco-Aga和Aga-Aco算法,并分别对模型优化效果进行对比,Aco...     

基于多智能体粒子群优化的移动机器人动态路径规划

为了确保机器人在动态环境下无碰撞地到达目标位置,将多Agent粒子群优化算法（multi-agent particle swarm optimization, MAPSO）引入到粒子滤波（particle filter, PF）中,提出一种基于多Agent粒子群优化粒子滤波算法（multi-agent particle swarm optimized particle filter, MAPSOPF）的路径规划方法。通过多Agent系统的竞争、协作机制,调整MAPSOPF中粒子的提议分布,更新预估粒子的位置。与PSOPF算法相比较,该算法的迭代步数减少了50%~60%,计算时间复杂度降低了5%~50%。与改进的遗传算法相比较,MAPSOPF算法的计算时间复杂度降低了95%。三种算法中,MAPSOPF可近似得到最短的路径。实验结果表明该算法可有效应用于移动机器人动态路径规划。     

基于带疫苗注入VAMIGA的认知无线电波形优化

典型基于遗传算法的认知无线电(CR)引擎多采用加权法将多个优化目标转换为单目标进行处理,这容易漏掉最优解且引擎效率较低。针对该问题提出了一种带疫苗注入的自适应多目标免疫遗传算法(VAMIGA)。通过在CR问题中与强度Pareto进化算法(SPEA2)仿真对比,VAMIGA决策结果降低了2%~15%的发射功率,提高了6%~8%的调制指数,降低了6%~36%的误比特率。由此可见该算法能更有效地解决多目标优化和不同环境下的CR波形设计问题。     

基于混合遗传算法的分布式车间作业调度问题

分布式车间作业计划与调度是一个典型的组合优化问题,而组合优化问题是遗传算法求解的领域.本文描述了分布式车间作业调度问题及其调度方法,结合分布式车间生产模式的实际情况,将模拟退火算法引入自适应遗传算法,提出了混合遗传算法(GASA);详细地阐述了分布式车间作业计划与调度问题的解决策略和操作过程,并以甘特图的方式给出了计算结果.与其它方法比较,混合遗传算法是解决分布式车间作业计划与调度问题的更为优良的方法.     

基于列车到发分布的高速铁路车站到发线运用优化

针对高速铁路车站到发线运用计划编制问题,提出了一种基于分时段多目标的到发线运用优化模型和改进的快速非支配排序遗传算法(non-dominated sorting genetic algorithmⅡ,NSGA-Ⅱ)。首先,考虑咽喉区进路与到发线的耦合关系,根据列车到发分布特征对研究时段进行划分,以到发线利用均衡、计划鲁棒性强和客运服务质量为优化目标,应用整数规划方法构建到发线运用优化模型。然后,引入约束支配原则,设计了带精英策略的改进算法。最后,以京沪高铁某车站的实际运行数据为例进行仿真验证。计算结果表明,在平峰时段,到发线占用费用比原方案降低了16.98%,有效提升了客运服务质量;在高峰时段,到发线占用时间方差和总冲突系数比原方案降低了48.57%和29.81%,明显提高了车站的设备利用率和到发线运用计划的鲁棒性;与整体优化方法相比,分时段优化方法能更有针对性地降低各项优化目标的函数值。因此,充分考虑列车到发分布因素对到发线运用问题的影响,可以有效改善优化指标,为制定不同繁忙程度下的车站作业方案提供决策支持。     

基于改进GA的云计算任务调度策略

针对传统遗传算法在云计算任务调度过程中的收敛速度慢和易早熟等问题,提出了一种基于遗传优化算法的双适应度函数改进算法.该算法采用任务完成时间和任务完成成本为双适应度函数,引入个体相似度概念来提高种群质量;采用并列选择法进行选择操作,并且采用自适应规则约束交叉和变异操作,提高种群个体质量,加速进化策略可以有效地避免早熟.结果表明,改进的遗传算法有效地加快了云任务作业调度的收敛速度,并改善了易早熟等现象.     

求解柔性作业车间调度的岛屿模型遗传算法

针对多品种小批量复杂产品生产的调度优化问题,结合柔性作业车间调度问题与统一计算设备架构的特点,提出了一种求解柔性作业车间调度问题的岛屿模型遗传算法.设计了统一计算设备架构的存储模型及执行模型,给出了染色体编码、解码方式,并改进了遗传算法的选择、交叉、变异操作,最后定义了迁移操作.算法提高了遗传算法在统一计算设备架构上的并行处理效率,使用标准实验数据进行测试,结果表明了使用岛屿模型遗传算法求解柔性作业车间调度问题是有效的和可行的.     

基于智能混合算法的织物自动配色方案优化设计

为了提高织物自动配色的通用性和精确性,建立了以成本最优为目标的自动配色数学模型.针对染色过程多约束条件的特点和传统遗传算法存在的缺陷,提出了一种基于智能混合算法求解自动配色方案的优化方法.首先利用正交实验设计法、自适应适值函数调整以及适值相似度判别策略等措施对遗传算法进行了改进,然后融入具有较强局部搜索能力的模拟退火算法进行进一步迭代优化,最终实现了自动配色方案的优化设计.分别运用传统遗传算法和智能混合算法对自动配色模型进行仿真和实测,结果表明:智能混合算法改善了全局寻优能力、收敛速度和稳定性,且在保证配色质量的条件下,生产成本较之传统遗传算法的优化成本降低了1.7%以上,具有较好的工程实用价值.     

基于遗传算法的供应链企业订购方案优化模型

建立了供应链企业物资订购方案优化模型。该模型在考虑供应商的供应能力、运输能力等限制因素，满足企业网络计划要求的基础上，确定使企业物资订购费用和存储费用最小的物资采购计划，从而达到优化企业网络计划的目的。并设计实现求解该优化模型的遗传算法。     

基于多种群遗传算法的自动化立体库货位优化

针对自动化立体仓库作业效率和安全性的要求,以货物出入库作业时间、货架整体等效重心和关联产品间相对聚集程度为目标函数,构建了多目标货位分配优化数学模型。将多目标模型加权归一化处理后,用简单加权遗传算法求解,为避免出现未成熟收敛问题,提出了多种群遗传算法求解货位分配优化数学模型,并结合玩具车组装和自动化立体库实验,求得自动化立体库货位分配结果并对比分析,验证了多种群遗传算法的有效性,为自动化立体库货位分配和优化提供了一种有效的解法。     

基于分段替换的低复杂度降低OFDM峰均比算法

针对基于遗传算法(GA)的部分传输序列(PTS)方法在降低正交频分复用(OFDM)系统峰均比(PAPR)时存在避免早熟收敛和降低算法复杂度两项指标不能兼顾的问题,提出分段替换的降低OFDM峰均比算法。通过设置合理的门限值,减少不必要的搜索运算,降低算法复杂度;利用克隆种群和记忆种群相结合的分段替换染色体策略,提高优质种群利用率,加快收敛速度的同时避免早熟收敛。仿真结果表明,合理的门限值和分段替换染色体策略可以优化降低峰均比算法的性能。