基于混合禁忌搜索算法的供应链排序问题

分析非标准件加工企业供应链的特点,提出协同优化订单分配、生产调度和批量运输调度的多工厂多客户供应链排序问题。以工件的最长订货提前期与总成本加权之和最小化为目标,构建问题的数学模型。在分析解的最优性条件基础上,设计一种基于矢量组编码方法的混合禁忌搜索算法。算法对可行域进行分区,通过基于插入、交换两种邻域操作的禁忌搜索算法选择子区域,采用基于块结构邻域操作的禁忌搜索算法搜索子区域中的优良解。采用所提混合禁忌搜索算法对算例进行优化求解,并对采用不同编码方法、不同启发式算法的算例结果进行比较,结果表明所提出算法的有效性。     

应用混合蚁群算法求解模糊作业车间调度问题

为解决蚁群算法求解时间过长和易陷入局部最优的问题,提出了一种求解模糊作业车间调度问题的混合算法,该算法将蚁群算法用于全局搜索.为了提高搜索效率,根据作业车间调度问题解的特征,提出一种基于关键工序的邻域搜索方法,并使用此邻域搜索方法的禁忌搜索算法嵌入蚁群算法.利用禁忌搜索算法较强的局部搜索能力,提高了蚁群算法的优化能力,改善了作业车间调度问题解的质量.实验结果验证了该混合搜索算法的有效性,其优化效果优于并行遗传算法和禁忌搜索算法.     

基于混合遗传算法的生产调度研究

介绍了生产调度及相关理论,针对建材装备企业实际生产中的需求,构建了基于成本和时间的生产调度模型。为求解这一模型,以遗传算法和禁忌搜索算法为基础设计了一种混合遗传算法。通过对实例进行分析,验证了生产调度模型和算法求解的可行性。     

基于改进禁忌搜索算法的单机成组作业调度

提出了单机作业调度的改进禁忌搜索算法。以总流程时间最短为优化目标的具有作业分类与机器设置时间的单机成组作业高度问题是NP难问题,此问题的多项式求解方法不能保证求取最优解。基于改进禁忌搜索算法,建立了具有提交时间与分类设置时间的单机成组作业调度模型,可搜索到该问题的最优解。仿真实验表明,改进禁忌搜索算法能够搜索到最优解,其性能优于WSPT启发式算法,并且运行时间短,可应用于大规模调度问题。     

基于改进禁忌搜索的多目标自动化仓库调度

针对产品质量和路径的多目标自动化立体仓库调度优化问题,为平衡解的收敛性和多样性,提出一种改进的多目标禁忌搜索算法.该算法的改进在于,一方面为Pareto解空间构造可行的初始解,改造了禁忌搜索的邻域结构;另一方面采用惩罚策略,使搜索能够跳出局部最优.面向出入自动化立体仓库的产品在时间上有特定要求的工业生产过程,建立了兼顾质量和路径的多目标优化模型,并运用改进的多目标禁忌搜索算法对其实现了调度优化求解.实例仿真表明,所提算法对仓库调度优化问题在解的质量及求解效率上都取得了较好的效果.     

基于DFA-TS算法的柔性作业车间调度问题求解

通过对柔性作业车间调度的特点和求解该问题的智能算法的研究,提出了一种混合离散萤火虫禁忌搜索算法来求解该问题。该算法基于相似度和剩余作业时间最多的启发式规则来产生初始种群,通过对标准萤火虫算法进行改进,提出了一种离散萤火虫算法,并将该算法与禁忌搜索算法进行融合来加强局部搜索能力。最后结合实验结果证明了该算法能很好地解决柔性作业车间调度问题。     

求解置换调度问题的改进混合遗传算法

构造了求解极小化总完工时间的置换调度问题的改进混合遗传算法：先采用构造型启发式算法和随机方法共同产生初始种群，然后在选择、交叉和变异等遗传操作之前借助禁忌搜索算法寻找每个个体的局部最优解组成当前种群，再应用种群整体替换策略保存种群中的优秀个体构成新一代种群。改进混合遗传算法有机地结合了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。仿真实验表明，改进混合遗传算法具有比构造型启发式算法和禁忌搜索算法更好的鲁棒性和寻优性能。     

以JIT为目标的多阶段非等同并行机调度问题研究

针对多阶段非等同并行机模式下的准时化(Just-in-TimeJ,IT)调度问题,采用由遗传算法和禁忌搜索算法混合的禁忌遗传递阶算法进行求解。禁忌遗传递阶算法用禁忌搜索算法对工件最佳加工次序进行搜索,而相应评价值由遗传算法计算得出。遗传算法采用基于阶段机器号的二维矩阵编码,可有效地避免不可行解的产生,同时采用自适应改进提高遗传算法跳出局部最优的能力。实际算例说明禁忌遗传递阶算法计算结果稳定可靠,适合于解决多阶段非等同并行机的JIT调度问题。     

基于改进遗传算法的作业车间调度

针对传统遗传算法在求解作业车间调度问题时存在的算法收敛速度慢、寻优结果易陷入局部最优等缺点,提出了基于禁忌搜索算法的遗传交叉算子,利用禁忌表对交叉过程重复产生的子代进行有效禁忌,以加快算法的收敛速度,提高算法的全局搜索能力。算法设计了特殊的禁忌交叉方式,经实例表明:与传统的遗传算法相比,改进后的遗传算法在算法的收敛速度和求解的质量方面有了明显提高。     

基于ILOG SOLVER的Job-Shop调度算法实现

通过使用约束规划方法对Job-Shop调度问题进行描述和建模,设计用于求解Job-Shop调度问题的禁忌搜索算法,在此基础上基于先进的约束规划系统ILOG对算法进行实现。实践证明基于约束规划将ILOG优化组件应用于对Job-Shop调度问题的求解中,不仅可以大大提高编程效率而且最后结果也有显著提高。     

[供应链调度]分时电价和时变行程时间下的供应链调度

针对单机供应链调度问题,在生产计划和批次配送阶段分别考虑分时电价政策和时变行程时间。以总成本最小为目标建立混合整数规划模型,通过对模型的分析给出了最优解的性质,以此将模型分解为若干个批次的机器调度子问题。对于子问题优化,设计了子集划分启发式算法并证明了算法的最优性。对于主问题的优化,设计了自适应变邻域搜索算法。数值计算结果验证了模型和算法的有效性,证明了供应链集成调度能减少大量的能源消耗。     

求解分布式混合流水线调度问题的改进双层嵌套式遗传算法

针对分布式混合流水线生产的生产调度问题,模拟实际排产中的排产到线和排产到时的排产策略,提出了基于改进双层嵌套式遗传算法的两层优化模型。外层依据流水线分配平衡和准时交货等基本原则总体上解决生产订单在流水线之间的分配问题,内层以最小生产时间为主要目的求解流水线的生产订单生产次序问题。考虑到双层嵌套式遗传算法的时间复杂性,基于模糊逻辑理论设计了一种模糊控制器来动态调整遗传算子,并采用主动检测停止方法,提高算法效率。使用某空调工厂的实际生产数据验证了算法的可行性、计算结果的准确性及排产策略的有效性,为高级计划与排程(Advanced Planning and Scheduling,APS)中大规模复杂供应链调度问题提供了可借鉴的方法。     

面向航空发动机装配线的知识化制造自适应优化调度

为了解决不确定生产环境下的航空发动机装配调度问题,设计了一种面向航空发动机装配线的知识化制造自适应优化调度算法。算法采用强化学习和过程仿真相结合的调度策略求解方式,以最小化提前期惩罚费用和完工时间成本为调度目标,给出了航空发动机装配的Q学习自适应调度模型;针对装配调度问题定义了四个新的调度规则,定义了航空发动机装配的四个状态特征用于对系统状态进行描述,并针对调度目标设计了合理的回报函数。仿真实验结果表明,在调度过程中,采用提出的Q学习方法在多数情况下都远优于其他规则,尤其在装配任务到达频繁的情况下,总体上表现出更好的优势,显示了良好的自适应性能。     

基于免疫算法的并行机间歇过程模糊生产调度

研究了一类具有顺序无关模糊产品切换时间和成本以及模糊单位加工时间和成本的并行机间歇过程调度问题，目的是确定每种产品在每个设备上处理的批次数目、批量以及批次顺序，优化目标为最小化总完成时间和最小化总生产成本。根据任意设备上同种产品的所有批次均顺序处理的性质，建立了问题的模糊运输模型。利用加权和方法将多目标函数转化为单目标函数，并使用基于积分值的方法对模糊数进行排序。提出了基于排列边集编码的免疫算法，通过求解不同规模的问题实例证明，免疫算法不仅能获得比遗传算法和免疫遗传算法更好的解，而且比免疫遗传算法更高效，同时具有良好的动态性能。     

面向模具车间机器人制造单元的任务调度策略

分析了模具生产加工的特点,针对模具车间机器人制造单元作业任务难以合理分配的问题,以工件组的总体完工时间最小为优化目标,提出了任务调度的数学模型,并建立了一种遗传禁忌混合优化算法.最后,通过实例分析说明了所提方法的可靠性和有效性.     

Development of a multiobjective GA for advanced planning and scheduling problem

In this paper, we consider an advanced planning and scheduling (APS) problem in manufacturing supply chain. The problem was formulated with mixed integer programming and three objectives are taken into account. To solve the APS model, a multiobjective genetic algorithm with local search is presented to find the Pareto optimal solutions. The proposed algorithm makes use of the principle of nondominated sorting, coupled with the use of a metric for normalized crowding distance. Local search technique is used to improve the efficiency. The proposed algorithm was compared with two other multiobjective genetic algorithms from the literature. Performance of these heuristics has been tested on ten problems in three scenarios. The computational results demonstrate the effectiveness and efficiency of the proposed approach and indicate that the presented algorithm outperforms previous work for APS problems.     

三层供应链联合调度算法研究

研究了由1个供应商、1个制造商和若干客户组成的三层供应链模型,提出将调度理论应用于供应链的优化管理.优化目标是通过供应商、制造商及运输的联合调度来提高客户服务水平,降低运输费用.通过分析得到了最优解中加工顺序和运输分批的性质,缩小了搜索范围,据此给出了一个动态规划求解方法,并对动态规划算法进行了复杂度分析,得出客户数为固定常数时,本模型的动态规划算法是多项式的时间算法.最后,通过两个示例分析了算法中参数对解的影响.     

Integrating production and transportation scheduling in a two-stage supply chain considering order assignment

This study is concerned with the integration of production and transportation scheduling in a two-stage supply chain environment while considering the assignment of orders to the suppliers. The first stage contains m suppliers distributed in various geographic zones, and the second stage is composed of l vehicles with different speeds and transportation capacities that transport n jobs from the supplier to a manufacturing company. In addition, it is assumed that each job occupies a different vehicle size and could be processed by some permissible suppliers. After modeling the problem as a mixed integer programming problem, a genetic algorithm named dynamic genetic algorithm (DGA) is proposed to solve it. Since this problem has not been mentioned in the literature, DGA performance was evaluated by comparing its outputs with optimum solutions for small-sized problems and to the random search approach for larger problems. Additionally, the performance of the DGA was compared with that of a similar problem from the literature. The results of these comparisons show that the DGA is an excellent approach. In addition, the impact of grouping technology initialization is examined, showing that the quality of the solution was not improved and that there was an increase in the CPU time.     

A hybrid heuristic algorithm for the multistage supply chain network problem

In recent years, many developments in logistics were connected to the need for information in an efficient supply chain flow. The supply chain is often represented as a network called a supply chain network (SCN) that is comprised of nodes that represent facilities (suppliers, plants, distribution centers and customers). Arcs connect these nodes along with the production flow. A multistage SCN (MSCN) is a sequence of multiple SCN stages. The flow can only be transferred between two consecutive stages. The MSCN problem involves the choice of facilities (plants and distribution centers) to be opened and the distribution network design must satisfy the demand with minimum cost. In this paper, a revised mathematical model is first proposed to correct the fatal error appearing in the existing models. An efficient hybrid heuristic algorithm (HHA) was developed by combining a greedy method (GM), the linear programming technique (LP) and three local search methods (LSMs) (always used in solving the scheduling problem). The pair-wise exchange procedure (XP), the insert procedure (IP) and the remove procedure (RP) to solve the MSCN problem. Preliminary computational experiments demonstrate the efficiency and performance of the proposed HHA.