基于混合优化算法的船舶分段堆场间调度研究

针对船厂运输任务分段的平板车缺乏有效调度现状,以平板车和任务分段的承重约束、任务优先级约束和任务时间窗约束作为约束条件,建立以平板车空载行驶时间和惩罚时间的权重和作为优化目标的模型。设计遗传算法、禁忌搜索算法,并提出两种构造邻域空间的策略,利用遗传禁忌混合优化算法求解平板车运输分段的最优序列;通过深度优先遍历算法求解考虑转向次数的最优路径,从而实现对模型的求解。以某船厂实际数据为例,对模型的应用进行实例验证,结果表明:本文方法可以求解较优的调度方案,实现资源的高效利用。     

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。     

预防性维修计划和生产调度的多目标优化

为了降低设备故障对生产成本和生产时间的影响,建立了单台设备预防性维修计划和生产调度的多目标联合优化模型.将维修成本、生产任务的最大完成时间、加权总完工时间及加权总延迟时间作为优化目标.采用了多目标遗传算法,同时对预防性维修计划和生产调度进行优化.通过实例,将预防性维修计划、生产调度的多目标联合优化方法分别与单目标联合优...     

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。     

一类功能型布局制造系统调度问题

为有效对功能型布局制造系统进行调度,构建批量零件的加工与搬运时间模型,设计考虑了搬运车辆总投入数量、搬运次数均衡程度、搬运车辆总空载转移时间等指标的基于单运输工序的搬运车辆协作调度算法. 研究结果表明,本算法可为同类型批量零件制定精确的生产与搬运作业计划,生成用于支撑搬运车辆调度算法所需的时间信息;可对搬运车辆进行准确调度,特别是与其他搬运车辆调度算法相比,在搬运车辆总投入数量、搬运次数均衡程度等方面具有明显优势.     

基于新颖性排名和多服务质量的云工作流调度算法

针对现有研究未能综合考虑以用户成本和系统利用率为目标进行优化调度的问题,提出基于新颖性排名和多服务质量(QoS)目标的云工作流调度算法.将资源节点执行任务的频度、任务的等待时间和执行时间作为因子加入推荐模型;使用模拟退火算法训练得到推荐模型,计算出优先级因子;调度器根据优先级因子表进行调度并对其进行更新.在CloudSim平台上进行模拟调度仿真实验,结果证明:所提出算法的任务执行时间优于Q值学习(Qlearning)算法,且用户成本和系统使用率的综合指标更好.     

基于强化学习的集装箱码头卡车调度策略研究

研究同时服务于装船和卸船作业的集卡全场调度策略,调度优化目标包括减少岸桥等待集卡的时间以及减少集卡的空载行程。提出了基于Q学习算法的集卡调度强化学习模型,对其系统状态、动作策略、报酬函数进行分析,并结合小脑模型关节控制器(CMAC)神经网络对Q函数进行泛化和逼近。仿真结果表明,与其他集卡调度策略相比,Q学习算法的优化效果比较明显,其在保证岸桥连续作业的同时,还能有效减少集卡的空载行程。     

DVS系统硬实时周期任务动态调度算法

与实时任务的可调度分析不同,实时DVS调度在保证任务截止时间限制同时,还要关注任务执行的处理器功耗。功耗研究一段时间的累积效果,传统基于最坏执行时间的任务调度模型不能满足实时DVS调度需要。该文采用实际执行时间(AET)概率分布建立实时任务调度模型,利用随机分析的方法分析AET分布对实时DVS调度算法性能的影响,提出了基于平均执行时间的实时DVS动态调度算法。实验结果表明,该算法在任务具有不同AET分布情况下可保持稳定的功耗性能。     

加工时间不确定的船体分段空间调度方法

针对调度过程中存在的不确定性因素及调度对象存在关联约束关系,提出了一种加工时间不确定的船体分段空间调度方法.以旁板这一类分段关联件的加工时间的变动作为不确定影响因子,建立了船体分段在不确定环境下的空间调度模型,目标为最小化由不确定因素造成分段提前、拖期的时空占用成本.该模型考虑了船厂实际生产过程中的随机加工时间以及分段和关联件的约束关系,结合某船厂的实际生产数据进行实例验证,结果表明,该模型能对加工时间不确定条件下的船体分段空间调度给出较优的调度解,而且在空间调度解的质量和模型应用范围等方面更贴近船厂现实生产情况.     

基于蚁群算法的虚拟企业生产任务调度优化研究

描述了虚拟企业生产任务调度的层次框架,该调度框架包括虚拟企业全局调度和合作伙伴局部调度两个层次。针对虚拟企业调度层的优化问题,综合考虑虚拟企业生产任务的时序逻辑关系、作业时间和生产任务集等影响因素,建立了以任务总作业时间最小化为目标的数学模型,并基于蚁群算法对上述优化模型进行了求解。应用实例与算法比较验证了优化模型与求解算法的有效性。     

面向振动控制协同设计任务的时间模型研究

在基于压缩机管线振动控制项目的协同系统中,各子任务分配和调度是十分关键的。合理的任务分配和调度可以优化振动控制项目实施进程,提高项目的执行效率。笔者考虑管线振动控制项目中任务之间的相互约束关系,以项目总的持续时间为目标,任务调度为设计变量,建立项目协同任务调度的数学模型,并应用遗传算法对其进行求解,得出任务的最优调度策略和任务调度的甘特图,并进行验算分析。分析结果显示在最优调度策略下,项目执行效率明显提高,总的执行时间大大缩短,这种基于遗传算法的时间模型可为项目任务的合理分配提供一种很好的参考。     

考虑碳排放的大型制造企业甩挂运输牵引车调度优化

为了在完成既定运输任务的前提下减少大型制造企业内的碳排放量,阐述了大型企业采用甩挂运输的可行性和优越性。以吨公里CO2排放量为目标函数,构建了硬时间窗约束下的考虑碳排放的大型制造企业内牵引车优化调度模型,并设计了两阶段启发式算法求解该模型。该算法首先应用扫描算法获得模型初始可行解;然后,分别采用模拟退火算法和禁忌搜索算法提高初始可行解质量;最后,将优化模型和算法运用于以湖南华菱钢铁公司实例为基础的11个算例,并进行求解。结果表明:优化调度模型及两阶段启发式求解算法是可行、有效的。本文优化调度方法具有良好的节能减排效果,同时也说明大型制造企业内牵引车的中心节点选址能有效降低甩挂运输的碳排放量。     

考虑计划执行与新能源消纳的中长期调度优化方法

为提升电力系统清洁能源消纳能力，并保障常规电源电量计划执行，提出了一种考虑计划执行与新能源消纳的中长期调度计划优化方法.通过考虑新能源电量、电力的不确定性，结合不同电源启停调峰性能上的差异，构建了基于两层架构的中长期调度计划优化方法.上层模型重点考虑新能源电量预测不确定性，而下层模型充分考虑新能源电力预测不确定性.结果表明，该方法能够优化燃煤电厂启停调峰方式，实现电量计划与新能源消纳的协调，解决电量执行偏差及弃风、弃光等问题.     

运输调度中不确定性问题的研究

运输调度涉及到任务分配、时间安排、人员安排以及路线选择等，是一个典型的非多项式困难问题。在整个调度过程中，常会发生各种意想不到的事情，从而影响原定的调度计划，本文详细讨论了运输过程中可能出现的各类不确定性事件，并用整数规划模型对运输过程进行了描述。针对不确定事件的突发性，先得出确定情况下的调度结果，然后通过对各种突发事件的分析，重新对问题进行优化，不断修正原有的调度结果，由于此类调度问题求解十分困难，故提出了一种启发式遗传算法对问题进行了求解，研究结果表明，用此方法可以很好地解决上述问题。     

模糊云资源调度的CMA-PSO算法

针对多目标云资源调度问题,以优化任务的总完成时间和总执行成本为目标,采用模糊数学的方法,建立了模糊云资源调度模型.利用协方差矩阵能够解决非凸性问题的优势,采取协方差进化策略对种群进行初始化,并提出了一种混合智能优化算法CMA-PSO算法(covariance ma-trix adaptation evolution s...     

智慧医疗场景下考虑终端移动性的任务卸载策略

针对工作流任务、边缘服务器无线信号覆盖范围、智慧医疗场景以及终端移动路径,分别构建模型进行描述,根据移动终端的实时位置和移动速率构建基于移动路径的工作流任务执行时间及能耗模型. 根据边缘服务器的无线通信模型,引入任务执行延迟和任务迁移2种情况以保障服务的连续性和执行时间限制. 从全局角度综合考虑任务在云端、边缘服务器和本地的执行效益,设计工作流任务优先级划分算法和边缘服务器卸载优化算法,并使用遗传算法设计基于最佳移动路径的工作流任务卸载决策及调度算法,在可选路径中搜索满足用户响应时间约束,且移动端能耗最低的最佳路径和相应的任务卸载、调度方案. 仿真结果说明：该算法能够合理地分配计算资源,在用户响应时间约束下充分降低移动终端能耗,相较未考虑终端移动性的卸载算法,移动端能耗降低了19.8%.     

不确定执行时间的云计算资源调度

针对执行时间不确定情况下的云计算资源调度问题,基于模糊规划理论建立了时间-成本约束条件下的模糊云资源调度模型,使用三角模糊数表示不确定的任务执行时间,以最小化评价函数的平均值和不确定度作为调度目标。提出一种改进的混沌蚁群算法对模型进行求解,算法引入精英策略优化了信息素的更新,采用折叠次数无穷大的混沌映射进行混沌搜索,并设计了自适应混沌扰动机制以增强算法的全局搜索能力。在Cloudsim平台上用仿真数值实例对模型和算法进行验证,证明了模型的可靠性,实验结果表明改进算法在收敛速度、求解能力和负载均衡上均有较好的性能。     

基于关联调度模型的模糊环境下车间动态调度

为了实现在模糊加工环境下实时的动态调度,采用调度节点和调度链的建模思想构建车间作业的调度关联模型.通过调度节点和调度路径描述调度任务中的约束关系.考虑实际生产调度过程中存在的大量不确定因素,将调度关联模型引入模糊加工环境中,结合模糊加工状态下作业计划关联方法构建调度可行解,并通过蚁群算法求解调度任务的优化方案.仿真结果表明,该方法能够在加工时间和交货期不确定的情况下,通过动态调度模型的关联过程获得较为优化的调度方案.     

资源受限下的连续性消耗应急调度模型

目的 解决资源受限下的物资连续性消耗的应急调度物资和时间的优化问题.方法 在各出救点出救时间不确定条件下,建立了以施救成本和因施救不及时导致的损失费用最小化为目标的应急调度优化模型;考虑了出救点的物资量限制和时间限制等约束条件,采用粒子群算法对模型进行优化求解,对设计算例进行仿真实验.结果 求解出出救点的最优运输量和最优运输时间,实现了在规定应急时间内总成本最小的效果,验证了模型的合理性及算法的有效性.结论 模型适合解决在资源受限下的满足应急总成本最小的物资优化和出救时间优化的调度问题.     

集装箱集散的空重箱循环甩挂调度方法

在集装箱港区等局部物流网络中,相对于运输时间,货物装卸时间严重降低普通载货集卡的利用率。在集装化优势下,通过甩挂分离牵引车和集装箱挂车,提出在集装箱集散环境下空重箱循环甩挂的调度问题和两阶段优化方法。首先,引入虚拟任务建立集散任务的时间优先关系网络;然后,在总作业时间最小化的目标下,建立空重箱循环甩挂的混合整数规划模型。通过算例分析说明方法的有效性,演示线路作业任务序列分配,对运输里程增量和牵引车利用率等方面进行分析,为局部物流网络的甩挂运输调度提供参考。