超启发式文化基因算法优化生产与预维修集成调度问题

鉴于传统车间调度通常认为机器始终处于可用状态而有悖于实际生产环境的不确定性,考虑机器使用过程中需要周期性的进行预防性维修的情况,以最大完工时间和预防性维修总成本为目标,建立了机器预防性维修和柔性作业车间调度的集成优化模型。针对该模型设计了年龄模型下的3种不同的集成策略,并开发了一种超启发式文化基因算法,算法采用两层结构,顶层采用文化基因算法的搜索机制,底层是全局搜索算子库和局部搜索算子库,采用基于概率的改进的自适应算子选择机制。实验表明,该算法可以有效求解生产调度与预维修集成优化问题。通过对比可知,同步集成策略表现最优。将役龄模型应用于同步集成策略中,进一步优化了同步集成调度策略,在保证机器可靠性的前提下降低了最大完成时间和预防性维修总成本。     

基于多目标混合进化算法的作业车间混排可变分批节能调度方法

针对作业车间分批调度问题,集成可变子批划分和子批混排策略,考虑批量划分约束、子批混排加工约束等,建立了最小化能耗和完工时间的混排可变分批调度优化模型,并提出了一种改进多目标混合进化算法。为了协调算法的全局搜索与局部搜索性能,将Jaya算法种群更新机制引入基于分解的多目标进化算法中,同时结合混排可变分批调度问题特征,设计了一种基于子批拆分/合并与关键链相结合的局部搜索策略。基于不同规模算例,对比分析了所提出的算法与其他经典算法的求解性能。实验结果表明,所提出的算法在Pareto解集收敛性和分布性方面具有明显优势,同时所提出的混排可变分批策略可有效降低能耗、缩短完工时间。     

多目标离散灰狼优化算法求解作业车间节能调度问题

针对作业车间节能调度问题,建立了一种以优化总能耗和工件最大完工时间为目标的节能调度模型,并提出一种多目标离散灰狼优化算法进行求解.根据问题的特点,首先采用离散整数编码方式,利用调度规则生成初始种群;其次引入一种基于跟踪模式和搜寻模式的双模式并行搜索方法,并在搜索过程中动态调整两种模式下个体的数目,以协调算法全局和局部搜索能力;为了使算法适用于多目标离散调度问题,在跟踪模式下提出一种基于交叉操作的离散个体更新方法,在搜寻模式下提出一种基于记忆池机制和邻域结构的离散个体更新方法.对40个作业车间调度问题基准算例进行改造,并验证了所提算法的有效性.     

面向云制造的混流混合车间调度问题

为解决云制造环境下混流混合车间的生产调度优化问题,综合考虑混流装配与零部件加工的集成优化以及外协云任务与自制任务的协同调度,建立了以最小化最大完工时间、均衡化零部件生产和最大化零件车间机器利用率为优化指标的多目标车间调度模型。基于零件分批和车间调度的两阶段求解策略,设计了一种两级递阶结构的混合生物地理学优化算法,采用在迁移算子中嵌入差分进化算法的变异策略来提高算法的搜索效率。最后,通过实例验证了模型和算法的有效性。     

改进差分进化算法求解混合流水车间调度问题

对于求解混合流水车间调度问题,标准差分进化算法存在易陷入局部极值的缺点,为此,以最小化最大完工时间为目标函数建立了仿真优化模型,并提出了一种改进差分进化算法进行求解。将所提算法结合反向学习策略生成初始种群,在差分进化中进一步引入自适应差分因子,并在个体选择机制中引入模拟退火算法的Metropolis准则,有效提高了该算法的全局搜索能力。最后基于不同规模算例对所提算法和经典算法进行了仿真实验结果对比,验证了所提改进差分进化算法的有效性和优越性。     

无缝钢管热轧批量调度问题的学习型文化基因算法

针对无缝钢管热轧批量调度问题,考虑生产工艺约束、生产需求优化等因素,以最小化热工具轧辊使用消耗、生产拖期为目标,建立了多目标整数规划模型。分析了无缝钢管批量调度顺序对热工具轧辊消耗的影响,给定了轧制批量顺序下的求解启发式算法,并设计了一种基于多种群进化的学习型文化基因算法。针对目标设计了不同的搜索算子以及算子的自适应学习选择策略来指导种群进化,充分发挥全局搜索和局部搜索能力。仿真实验与常用的带精英策略的快速非支配排序遗传算法和文化基因算法进行了对比,验证了所提模型和算法的有效性。     

基于混合差分进化算法的并行机批处理调度问题研究

考虑到实际生产中产品多、批量小的特点,建立了一种带工艺约束的并行机批处理调度优化模型。为解决调度中的分批问题,提出了一种新的基于产品需求量的批量划分方案及批量染色体编码方式,采用两级差分进化算法来解决批量划分和批次调度问题;针对标准差分进化算法收敛速度慢、易出现早熟现象等问题,引入动态随机搜索和随机变异的局部搜索策略,以增强标准差分进化算法的局部搜索能力。测试算例及调度实例的仿真结果表明,该算法能有效地提高算法收敛速度,平衡其全局搜索和局部探索能力。     

一种基于改进NSGA-Ⅱ的多目标绿色柔性作业车间调度方法

针对多目标绿色柔性作业车间调度问题,建立了以最小化最大完工时间、总负荷和总能耗为优化目标的多目标优化模型,提出了一种带有自适应交叉变异算子和学习机制的改进NSGA-Ⅱ多目标优化算法。该算法通过机器和工序的两级编码机制,使用基于全局、局部和随机选择的非支配排序选择策略得到初始种群;采用具有自适应算子的混合交叉变异策略进行迭代,提高算法的全局搜索能力;引入分布函数来改进精英保留策略提高种群的多样性;通过学习机制进行邻域搜索提高算法的局部搜索能力。最后,采用基准测试算例Brandimarte以及Kacem数据集对算法进行测试,结果表明采用改进的NSGA-Ⅱ算法求解多目标绿色柔性作业车间调度问题具有求解精度高、收敛速度快以及解集多样性好的优点。     

基于混合遗传鲸鱼优化算法的柔性作业车间自动导引车融合调度方法

针对柔性作业车间调度问题,考虑自动导引车(AGV)在车间制造过程中只参与装卸和搬运工作,提出一种实现AGV路径规划与柔性作业车间调度集成优化的融合调度模型。采用基于工序排序与机器选择两个子问题的二维向量编码方案,并在解码过程中提出基于最先服务原则的AGV安排策略。对鲸鱼优化算法进行离散化改进,针对性地设计了多种种群初始化策略,引入遗传算法的交叉、变异操作以提升鲸鱼优化算法的全局搜索能力,并嵌入局部搜索算法以达到全局搜索和局部搜索的平衡,构建了一种混合遗传鲸鱼优化算法（HGWOA）来求解该融合调度模型。通过经典测试算例验证了算法性能,并使用正交试验优化了算法参数。研究结果表明,HGWOA算法用于求解柔性作业车间AGV融合调度问题可以获得较好的效果。     

求解零空闲流水线调度问题的和声搜索算法

针对以总流经时间和最大完工时间为目标的零空闲流水线调度问题,提出了和声搜索调度算法。该算法利用和声搜索算法的优化机理,采用基于浮点数的编码方式和新设计的和声产生方法,扩展了传统和声搜索算法的求解模型,并结合快速插入邻域局部搜索算法,给出了三种混合求解策略。仿真试验表明,该算法具有高效性和优越性。     

基于Web服务的异构数据源统一检索研究

为使统一检索能够适应当前Internet和异构数据源的不断发展,基于目前流行的Web服务技术,设计了一个异构数据源统一检索框架,并针对检索服务分发和结果融合提出了检索服务统一模型、记录统一模型,以及相应的结果融合算法.结合可扩展标记语言,统一各数据源检索返回的异构数据记录,利用Web服务机制的完好封装性、规范性、松散耦合、高度集成能力等特点,实现异构数据源检索接口的透明集成.基于Web服务的异构数据源统一检索系统实现简单,时空性能好,可扩展性强,能兼顾各数据源的特点实现全局优化.     

不确定需求和能力约束下的多目标多工厂生产计划

针对多个具有供需关系的制造工厂和多个地域分散的客户组成的供需网络,研究了不确定需求、生产能力和运输能力条件下的多周期多目标生产计划方法,决策变量为每个周期上工厂的生产计划及工厂间的运输计划,优化目标为最大化总利润与最大化任意客户的平均客户满意度.利用模糊数描述不确定参数,在建立问题的混合整数规划模型后,将此模糊数学模型转化为最大化满意度的加权和模型,并提出了禁忌搜索与后向启发式方法相融合的B-TS算法.计算实例证明,B-TS算法能够有效获得多目标多工厂生产计划.     

基于约束搜索球的点云数据与CAD模型精确比对检测

针对传统数字化比对检测中点偏差计算的准确性及效率不高的问题,提出了一种基于约束搜索球的点云数据与计算机辅助设计模型比对检测技术。首先,为了提高计算的准确性,在分析现有点—面计算模型的基础上,提出了点—边计算模型及点—点计算模型,用于计算曲率变化较大区域的点偏差。其次,为了提高计算效率,在最邻近顶点搜索过程中采用K-D树进行加速,在点数据归属过程中,构建一系列约束搜索球,将点云数据与计算机辅助设计模型比对的范围限制在约束搜索球内,降低算法的时间复杂度,提高点数据归属的效率。以某大型叶片为例,验证了该方法的有效性。     

汽车发动机滚子链的疲劳可靠性试验研究

根据ISO15654-2004（传动用精密滚子链疲劳试验方法）中规定的链传动疲劳试验规范,分别利用成组法和升降法对汽车发动机机油泵滚子链06BT-1进行了疲劳可靠性试验,研究了高速汽车链的疲劳寿命分布规律,建立了与不同可靠度相对应的疲劳寿命和载荷水平之间的关系曲线。通过试验结果的对比分析,探讨了成组法和升降法的“谐应”关系,提出了实用的高速汽车链的疲劳试验方法。     

基于改进人工蜂群算法的多目标绿色柔性作业车间调度研究

针对多目标绿色柔性作业车间调度问题（MGFJSP）的特点，提出从碳排放量、噪声和废弃物这3个指标来综合评定环境污染程度，建立了以最小化最大完成时间和环境污染程度为优化目标的MGFJSP模型，并提出了一种改进的人工蜂群算法来求解该模型。算法的具体改进包括：设计了一种三维向量的编码和对应解码方案，在跟随蜂搜索阶段引入一种有效的动态邻域搜索操作来提高算法的局部搜索能力，在侦查蜂阶段提出产生新食物源的策略用于增加种群的多样性。最后进行了实验研究与算法对比，以验证所建模型和所提算法的有效性。     

有限缓冲区流水线调度的多搜索模式遗传算法

针对有限缓冲区流水线调度问题，提出了一种多搜索模式遗传算法，算法使用多个交叉和变异操作进行解空间的探索和改良，并采用基于有向图的邻域结构来增强局部搜索。同时，局部搜索和变异操作受决策概率控制。基于典型算例的仿真和比较研究验证了所提算法的有效性。     

适应性禁忌搜索算法求解带回程的时变速度车辆路径问题

为求解带回程的时变速度车辆路径问题，建立了问题的数学模型并提出适应性禁忌搜索算法求解。适应性禁忌搜索算法为两阶段的启发式方法，改进固定速度下的启发式方法用于生成时变速度下的初始解，然后运用适应性禁忌搜索算法进一步优化，包括邻域生成规则定义，采用Hash表存储搜索过程中的解，检测解的重复状态，定义逃离局部搜索区域规则。对改进的标准问题进行测试，同时与最近邻域搜索算法的结果作比较，结果表明算法是有效的。与固定速度情形相比较，时变速度模型得到的调度方案更加合理。     

求解单行布局问题的一种变邻域搜索算法

设施布局问题对于企业内部的物流合理化起着重要作用, 单行布局问题作为设施布局问题的一个典型特例,属NP-hard问题,常规方法难以精确求解。针对单行布局问题的 复杂性,提出了一种改进的变邻域搜索算法进行求解。首先构建单行布局问题的数学模型,然后分析模型并构造一种有效的初始解;针对问题特征,设计了4种邻域结构,该邻域结构采用了从简单到复杂的推进搜索机制;改进了局部搜索算法并对邻域结构进行搜索;最后进行了实例验证,并与多种经典算法进行了对比,结果表明,所提变邻域搜索算法 可在短时间内得到单行布局问题高质量的近优解。     

基于语义模型的企业数据检索

为了支持企业在决策时从企业数据中检索获得有意义的数据，提出了基于语义模型的语义检索方法。该方法首先基于概念树描述语义模型，通过概念映射将数据源和语义模型进行语义关联。并在此基础上，建立语义模型和支持描述逻辑推理的知识模型之间的映射，通过调用描述逻辑推理机完成语义检索，检索结果再通过语义模型映射对应数据源信息，最终返回语义一致益于决策的数据视图。     

3D打印中的模型分割与打包

为了提高3D打印技术中三维模型的打印效率,减少打印材料耗费,缩短打印时间,提出了一种全局最优的模型分割与打包算法。首先,将给定模型分割为若干金字塔形状的分块。然后利用一种改进的禁忌搜索算法寻找最优打包方案,尽可能地减少支撑材料的体积,根据分块体积给出利于全局优化的初始解,并通过控制邻域生成规则以及候选解集,使得搜索更加高效并大幅提高寻优速度。最后,将打印成型的各部件拼合成整体。实验结果表明:生成的打包方案节省了14%~38%的打印时间,节省了21%-46%的打印材料。该方法模型分割产生的分块个数少、打包高效合理,不仅有效地提高打印效率,还减少了打印时间和支撑材料消耗。