混流装配线调度问题的离散粒子群优化解

混流装配线调度问题是JIT生产中的一个重要问题。借鉴二进制遗传算法中的交叉操作过程，对传统的连续型粒子群算法进行改进，使其适用于离散问题的优化处理。然后以丰田公司的汽车组装调度函数作为目标函数，利用改进的离散粒子群算法进行求解。对比分析表明：新算法所得结果优于常用的目标追随法、遗传算法、模拟退火等方法。     

基于混合粒子群算法的群岛泊位分配问题研究

泊位分配是提高港口运营效率的关键。针对群岛泊位分配问题,以船舶总在港时间为优化目标,构建了群岛泊位分配问题模型,并提出了一种混合粒子群算法进行求解。该算法在更新粒子状态时加入模拟退火和免疫调节操作,增强了算法的全局搜索能力。实验结果表明,混合粒子群算法在求解群岛泊位分配问题时,具有较好的优化性能,验证了算法的有效性和可行性。     

含不一致任务重量的同型熔炼炉批调度优化

为求解含不一致任务重量的同型熔炼炉批调度问题,建立了最小化最大任务完工时间优化模型,设计了一种混合粒子群算法（HPSO）。算法使用随机生成的任务序列作为粒子,采用批首次匹配（BFF）规则对任务序列分批,最长加工时间（LPT）规则将批分配到批处理机,并提出了一种最小完工时间差（MCD）规则对LPT调度结果进行优化;为避免早熟,算法引入交叉和变异操作搜索最优解。通过仿真实验与SA、GA算法对比,实验结果表明算法具有良好的性能。     

越库物流调度问题及其近似与精确算法

在提出问题基础上,建立了基于在制品优化目标的调度模型;根据模型的不同调度特征,给出问题求解的启发式近似算法,并对算法的计算复杂性进行分析,提出问题精确求解的分枝定界算法;通过数值实验验证所给出算法的有效性.表明:分枝定界算法可以有效求解多达40个货物品种的准时制配送问题;启发式算法也具有较高的计算精度,为实际越库物流管理奠定算法基础.     

基于时间窗和多仓温控的生鲜商品配送车辆路径优化问题

目的 针对当前生鲜商品配送效率低和成本高等问题,采用车仓温度可控的多仓车辆作为配送装备,并结合时间窗等约束,研究基于时间窗和多仓温控的生鲜商品配送车辆路径优化问题。方法 建立最小化物流运营成本和车辆使用数量的双目标模型,然后设计基于Clarke-Wright节约算法的非支配排序遗传算法（CW-NSGA-Ⅱ）求解该模型。利用CW节约算法生成初始配送路径,以提高初始解的质量,并设计精英迭代策略,以提高算法的寻优性能。结果 基于改进的Solomon算例,将文中所提算法与多目标粒子群算法、多目标蚁群算法、多目标遗传算法进行了对比,验证了CW-NSGA-Ⅱ算法的求解性能。结合实例,对多仓车辆使用数量、温控成本和运营成本等指标进行对比分析,结果表明,经优化后多仓车辆使用数量减少了35.7%,温控成本减少了39.2%,物流运营总成本减少了47.7%。结论 文中所提模型和算法能够有效优化配送路径,降低运营成本,为构建高效率、低成本的生鲜配送网络提供了理论支持和决策参考。     

置换流水车间调度问题的萤火虫算法求解

作为新兴的仿生群智能优化算法,分析了萤火虫算法的仿生原理,对算法实现优化过程进行了定义。针对最小化最大完工时间的置换流水车间调度问题,采用基于ROV规则的随机键编码方式和互换操作的局部搜索策略,应用萤火虫算法进行求解。通过典型实例对算法进行了仿真测试,调度结果表明了萤火虫算法求解置换流水车间调度问题的可行性和有效性,优于NEH启发式算法和粒子群算法,是解决流水线生产调度问题的一种有效方法。     

混合粒子群算法在混流装配线优化调度中的应用

应用粒子群算法求解混流装配线的优化调度问题,给出粒子的构造方法,并针对算法中存在过早收敛的问题,提出了一种与局部优化和粒子微变异方法相结合的混合粒子群算法.给出了一个实例,实例应用粒子群算法和混合粒子群算法分别进行求解,与其他一些方法比较表明,混合粒子群算法可以有效、快速地求得混流装配线优化调度问题的解.     

改进粒子群算法在农产品物流配送路径管理中的应用

目的 为了更加合理地进行车辆路径调度管理,提高粒子群求解车辆路径优化问题的性能。方法 提出了一种动态猴子跳跃机制的粒子群优化算法,它借助群体的动态分组,采用不同的动态惯性权重来提高算法的速度,引入猴子跳跃机制来保证全局收敛性。最后把改进算法应用到物流配送路径优化的2个实例中,同一环境下,改进算法搜寻到最优路径适应值、平均运算时间,以及求得最优解的成功次数,均优于标准粒子群优化算法。结果 结果表明,改进的算法能快速有效地确定物流配送路径。结论 改进粒子群优化算法不仅具有较快的寻优速度,而且也提高了算法的收敛性,保证了寻优质量,因此具有很大的应用价值。     

自动化生产单元调度的混沌粒子群算法

在求解一类带时间窗口的自动化生产单元调度问题时,基本粒子群算法易陷入局部极值点且收敛缓慢.针对这一问题,将混沌搜索技术引入至基本粒子群算法中,利用混沌运动搜索精度高、遍历性好的特点来改善基本粒子群算法易陷入局部极值点和收敛缓慢的缺点,从而提高粒子群算法的收敛速度和优化质量.首先给出了带时间窗口的自动化生产单元调度问题的混合整数规划模型,着重讨论了混沌粒子群调度算法的设计,包括编码方式、混沌初始化、混沌扰动和适应度函数计算等.对提出的算法进行了仿真验证,仿真结果表明在求解此类调度问题上,混沌粒子群算法比基本粒子群算法具有明显的优势.     

基于混沌粒子群的资源受限项目调度问题

鉴于基本粒子群算法易陷入局部最优,提出一种将混沌算法嵌入基本粒子群的混沌粒子群算法,并将其用于求解典型的资源受限项目调度问题。采用基于优先值的粒子编码方式和串行调度方案,分别用基本粒子群算法和混沌粒子群算法对实例求解。并且比较了2种算法求解多资源受限项目调度问题的性能。结果表明:混沌粒子群算法在距最优值的平均偏差和达到最优值的次数百分比等性能上要优于基本的粒子群算法,并且混沌粒子群具有更好的收敛性。但是,混沌粒子群算法在计算达到最优工期的平均时间上略比基本粒子群算法逊色。     

无功优化中粒子群、遗传算法的简要对比

在做无功优化算法设计时,发现遗传算法和粒子群算法是无功优化的两大主要算法,相关算法都是从这两中标准算法中改进而来,到底选择哪一分支去改进更好,本文通过IEEE6标准节点系统的仿真结表明：粒子群算法用于无功优化具有可行性和有效性,比遗传算法更具优势。     

求解VRP问题的混沌模拟退火萤火虫算法

目的使萤火虫优化算法(GSO)能够适用于车辆路径问题(VRP)的求解,同时提高该算法的求解性能。方法通过对GSO算法的改进,提出求解VRP问题的混沌模拟退火萤火虫优化算法(CSAGSO)。首先,设计改进的GSO算法(IGSO)使IGSO算法能够适应VRP问题的求解;其次,在IGSO算法中引入模拟退火机制,提出模拟退火萤火虫优化算法(SAGSO),使IGSO算法可有效避免陷入局部极小并最终趋于全局最优。然后,在SAGSO算法中引入混沌机制,提出CSAGSO算法,对SAGSO算法的荧光素浓度值进行混沌初始化和混沌扰动;最后,对标准算例集进行仿真测试。结果与遗传算法、蚁群算法和粒子群算法相比,CSAGSO算法的全局寻优能力、收敛速度及稳定性均改善了50%以上。结论对GSO算法的改进是合理的,且CSAGSO算法的全局优化能力、收敛速度和稳定性均优于遗传算法、蚁群算法和粒子群算法。     

基于二进制粒群的拣选作业优化

目的提高电子标签拣选系统中拣选作业的效率与货位占有率。方法以某电子拣选库为研究对象,提出以订单完成度、货位占有率以及货位聚集度为目标的拣选优化模型。设计基于二进制粒子群算法(BPSO)和遗传算法(GA)的模型求解仿生算法。结果试验及优化结果表明,基于BPSO的电子拣选库订单的完成度、货位占有率以及货位聚集度较遗传算法更高。结论基于二进制粒子群算法求解的优化模型较符合实际的电子拣选库人工拣选作业,同时仓储作业货位的利用率及拣选效率得到了提高。     

基于粒子群算法求解约束优化问题的改进算法

提出一种进行的粒子群算法(Particle Swarm Optimization,PSO)用于求解多目标的优化问题。这种改进引入遗传算法的交叉算子,增强算法的搜索能力。同时,使用基于子种群划分的改进选择算子,避免算法过早陷入局部最优。使用三个测试函数进行测试,实验结果证明算法的有效性。     

集装箱码头岸桥调度的时间—成本均衡模型与算法

针对集装箱码头岸桥调度的时间—成本均衡问题,综合考虑岸桥调度问题中所涉及的各类约束和装卸任务所需时间与成本之间的关系,首次提出了岸桥调度的时间—成本均衡混合整数优化模型。设计改进的遗传算法用以求解该模型。数值实验的结果验证了模型正确性和算法有效性,说明模型和算法可以用于实际的岸桥调度过程。     

基于公平原则的泊位-岸桥联合调度研究

港口调度优化问题分为离散的泊位分配和时变的岸桥调度问题,并构建泊位-岸桥联合调度优化模型。对于到港船舶泊位分配问题,提出靠泊优先权概念,并以此作为基因编码基础。岸桥分配中提出岸桥调度的公平分配原则,使得岸桥分配存在初始分配和最终分配。为解决非线性混合整数规划模型,改进了遗传算法,模型目标是使所有船舶在港总时间最小。实验算例验证了算法设计的优越性。     

区域航运网络上的不定期船舶调度优化

为降低在区域航运网络上提供不定期货运服务的航运企业运营成本,本文研究了不定期船舶的调度优化。以区域内不同港口间货运需求已知为前提,重点考虑泊位时间窗和每个港口可装可卸的实际情况,兼顾港口的货物服务时间窗和船舶容量等现实约束,以计划期内所有调度船舶的总运营成本最小为目标,构建了一个整数规划模型,设计了嵌入禁忌搜索规则的遗传算法对模型进行求解,给出了所有船舶的挂靠港次序和运输的货物。通过数值实验,将改进遗传算法与CPLEX和传统遗传算法对比,验证了模型和算法的有效性。结果表明,考虑泊位时间窗和港口可装可卸能够降低运营成本。     

粒子群优化算法在水文科学中的应用进展

介绍了粒子群算法的标准算法及流程,探讨了粒子群算法在水库优化调度、水电站经济运行、参数优选等水文领域中的研究成果和存在的问题,指出未来应该加强粒子群算法改进机理和收敛性能的研究,并与其他算法技术相比较、结合,拓展其在水文科学领域的应用范围,为解决水文领域中大量优化问题提供新途径。     

蝙蝠算法在PFSP调度问题中的应用研究

针对新生的启发式智能算法蝙蝠算法求解离散型生产调度问题存在的局限性,利用对蝙蝠算法重新编码以及初始化的方式来求解离散型生产调度问题。通过对经典的生产调度基准数据进行测试,并同较成熟的标准粒子群算法进行比较。结果表明,蝙蝠算法在解决离散的生产调度问题时,具有较好的优化性能。验证了蝙蝠算法求解离散性问题的有效性以及可行性。     

新型无人仓AutoStore的货物合箱方法研究

目的 为减少AutoStore系统在共同存储策略下的订单处理时间,解决经营品类繁多,但仓储面积有限的企业货物存储问题。方法 提出货物合箱的存储方法,设计关联规则挖掘算法与混沌种子优化算法的混合优化算法进行求解。从机器人翻箱操作、料箱的分配规则、系统布局三方面进行分析,结合AutoStore运作规律,建立以机器人拣货行走距离最短为目标函数的数学模型,通过Apriori算法输出货物热度,输入混沌种子算法,得到储位分配结果,实现联动决策。在基本种子算法的迭代中加入混沌序列,帮助种子避开局部极小值。结果 实例分析表明,货物合箱方法能够显著减少共同存储下AutoStore系统的订单处理时间,缩小与指定存储策略订单处理时间的差距,与粒子群算法和基本种子优化算法相比,混沌种子优化算法的优化效率更高、稳定性更好。结论 文中的研究为经营品类繁多,但仓储面积有限的企业提供了一种更适合的货物存储策略,具有较强的操作性和实际意义。