基于NSGA-Ⅱ的产品开发任务调度多目标优化

针对传统的加权系数法和约束法等不能很好解决产品开发任务调度多目标优化的问题,建立了以产品开发时间和成本为目标的多目标优化模型,采用改进的非支配排序遗传算法得出Pareto最优解集,并利用模糊优选法对该解集进行选优,确定了产品开发任务调度的最优执行方案。对两个经典多目标测试函数的求解及对比分析表明了该算法的优越性,结合实例说明了该方法的实施过程及有效性。     

资源约束下产品开发任务调度的多目标优化

鉴于产品开发任务调度过程中存在资源约束问题和学习与遗忘效应,需要对多个目标进行优化决策,通过定义资源平均利用率并提出学习遗忘效应矩阵,结合耦合设计的多阶段迭代模型,以各阶段资源利用率为约束条件,建立资源约束下考虑学习与遗忘效应的任务调度时间与成本的多目标优化数学模型。采用带精英策略的非支配排序遗传算法求解得出Pareto最优解集,并采用改进的多目标理想点法对该解集进行选优,得到最优任务调度方案。以某电动汽车的开发过程为例,验证了该优化模型能够减小产品开发时间,降低产品开发成本,提高总资源利用率。     

工期不确定下产品开发任务调度的多目标优化

针对产品开发中任务工期的不确定性,以产品开发时间最短和成本最低为目标,运用区间数方法描述任务工期的不确定性,建立了工期不确定条件下区间型多目标优化数学模型,并基于区间序关系将该模型转化为确定性的优化模型。采用改进的非支配排序遗传算法(NSGA-II)进行求解,得到了产品开发任务调度的Pareto最优解集。通过实例说明了该方法的实施过程,计算结果表明了该方法的有效性。     

对等网络环境下多目标约束的并行任务调度策略研究

对等网络环境的特点决定了其任务调度性能是受多个因素制约的。鉴于任务执行时间、节点间的通信时间和任务调度费用等因素,提出了多目标约束的并行任务调度策略。首先给出了多目标任务调度的数学模型,利用任务需求与节点性能之间的关系来定义各目标的需求关系矩阵;然后利用隶属度函数将各个关系矩阵转化为模糊矩阵,并根据每个目标对最终目标的不同影响来确定各目标在最终决策中所占的比率,从而将多目标转化为单目标任务调度模型,在此基础上利用匈牙利算法对n个任务m个节点的最优分配问题进行求解。实验结果表明,基于多目标约束的任务调度模型较传统的方法更能优化任务调度的性能。     

考虑任务行程时间的多载量自动导引车系统防死锁任务调度

针对多载量自动导引车（AGV）系统的任务调度和缓冲区死锁问题,提出了考虑任务行程时间的防死锁任务调度方案。以最小化延迟率和交通负荷不均衡度为目标,建立了任务调度模型;分析了任务调度中的实际约束,并在任务行程时间约束下构建了预测模型;针对任务调度模型,提出了一种基于人工免疫-灰狼优化（AI-GWO）算法的多目标防死锁任务调度方法,利用死锁避免规则禁止即将引发工位缓冲区死锁的任务运行,并融合AI-GWO算法对任务执行顺序进行多目标优化;最后,根据AGV负载均衡度进行AGV任务分配。仿真结果表明,上述任务行程时间预测模型具有较高的准确率,任务调度模型及防死锁调度方法具有较好的优化性能和计算效率,从而显著提高了物流系统的任务准时率和路径网络的交通负荷均衡度。     

面向复合意象的产品形态多目标优化

为了使产品开发人员和企业开发新产品时符合用户的多维度感性需求,提出了一种面向用户复合意象的产品形态多目标优化设计方法。首先,应用语义差异评价和因子分析法抽取用户的复合意象维度;然后,采用形态分析法提取产品部件和外形单元要素;最后,在构建产品形态的BP意象预测模型的基础上,采用多目标遗传算法NSGAII求解最优方案。豆浆机实例表明,该方法适用于复合意象的产品形态优化设计,成功得到分布均匀的Pareto最优解,产品开发者可根据具体情况在多个目标之间交互选择优化方案,具有很好的指导作用和实际应用价值。     

基于改进NSGA-Ⅱ算法的协同制造任务调度研究

针对网络协同制造环境下子任务在企业间的任务调度问题,充分考虑协同制造环境下各子任务并行与串行并存的复杂时序关系,制造企业在空间上异构以及生产目标要求多样的特征,在免除调查用户偏好过程的基础上,构建了网络协同制造任务调度的多目标优化模型,改进了NSGA-Ⅱ算法,采用了合理有效的编解码方式、遗传算子和精英策略,在保证种群多样性的同时提高了运算速度,最终得到包含多个解的Pareto最优解集供用户选择。通过算例仿真验证了其有效性,发现其能够很好地解决协同制造系统的任务调度问题。     

集成供应商选择的产品族设计多目标方法

为避免将产品族设计和供应商选择过程分割而导致不可行或非最优的产品开发方案,以及从多角度对产品族优化设计方案进行评估和权衡,提出一个集成供应商选择的产品族设计多目标优化方法,并建立了一个以最大化产品族总利润和最小化产品族生产风险为多目标的优化模型。在该模型中考虑了产品情感属性对消费者选择行为的影响,以更准确地分析消费者的购买偏好、实现产品族的优化过程。针对优化问题,采用非支配排序遗传算法对模型进行求解。通过实际案例说明了所提优化方法和求解算法的可行性和合理性。     

面向云计算环境任务调度的改进蚁群算法

云计算环境下的任务调度问题是一个NP完全问题,其目的是在各个处理节点上合理分配任务,优化调度策略以保证有效完成任务。以总任务完成时间最短和计算成本最低为优化目标,针对蚁群优化算法易陷入局部最优的缺陷,提出了一种求解该问题的改进蚁群算法。该算法将遗传算法的二点交叉算子融入到蚁群优化算法中,以提高蚁群优化算法的局部搜索能力。通过在云仿真平台Cloud Sim上进行仿真实验,结果表明改进蚁群算法缩短了总任务完成时间,降低了计算成本,从而证明了该算法能有效地解决云计算环境下的任务调度问题,并且其优化能力和收敛速度优于蚁群优化算法和改进离散粒子群算法。     

信息不完备模型下的敏捷制造调度系统研究

针对敏捷制造单元调度问题的动态性、开放性和信息不完备等特点，构建了基于多代理生产组织和运行模式的生产任务调度系统框架结构，研究了敏捷制造环境下的不完备信息模型，提出基于CNCP扩充网协议的自组织招标机制以及基于遗传算法的调度优化模型。实验证明，在不完备信息模型下采用该模型可求取调度目标的最优解。     

复杂产品开发过程中资源优化使用技术研究

为实现复杂产品开发过程中制造资源的优化选择和使用,提出一种基于分层的多目标优化决策方法。面向过程的任务分层分解技术,将影响资源选择的约束因素和评价标准与特定的产品开发任务相结合,保证所选择资源的实用性。并行协同产品开发环境的建立以及基于Agent技术的资源调度过程实现,为制造资源共享和优化使用准备了条件。通过改进的多目标优化决策方法结合增益目标、损益目标准则下两个效用评价函数,详细地描述了服务响应时间、服务质量、成本、安全性等约束目标下资源优化选择的原理和过程,实现了资源调度的“排序选优”。结合工程实例,验证了该算法的可行性。     

响应面和多目标遗传算法结合的副车架优化

为实现副车架设计过程中,质量和第一阶模态频率同时达到最优,在模态分析和三种工况副车架强度分析的基础上,首先应用Hyperworks进行了副车架参数化,建立了11个厚度尺寸变量。然后应用试验设计分析方法对尺寸变量进行筛选,去掉了3个对质量、最大应力和第一阶模态频率影响都不显著的因子,将基于移动最小二乘法构建响应面近似模型引入到副车架优化设计的复杂系统中。最后,基于副车架近似模型利用多目标遗传算法进行多目标优化,获得了副车架质量和第一阶模态频率的Pareto最优解。研究结果表明:通过获得的Pareto最优解的边界,可以指导副车架优化设计,将大幅缩减产品开发周期、降低产品开发成本。     

基于协同优化和多目标遗传算法的车身结构多学科优化设计

在汽车车身结构NVH和侧面碰撞安全性研究中,实施多学科多目标优化的可行性设计。通过试验设计制定试验方案并进行数据采样,构建考虑整车侧撞安全性、白车身模态、静态弯曲刚度、扭转刚度和轻量化等性能的响应面近似模型,然后对车身结构分别进行确定性和可靠性轻量化单目标设计。最后,运用多目标遗传算法结合多学科协同优化对车身结构进行多目标优化设计,获取Pareto最优化解集。研究结果表明:可靠性优化设计较确定性优化设计而言,能考虑产品设计和生产过程中的不确定性因素,保证产品稳健性;车身结构的多目标优化设计全面考虑了车身结构轻量化、NVH和碰撞安全性能等多学科之间的耦合和解耦;设计者可按需选择其满意的优化结果,这将大幅缩减产品开发周期、降低产品开发成本。     

考虑时间不确定性的战时装备维修任务调度方法

战时装备维修任务调度可以根据实时更新的维修任务信息,及时调整装备维修方案,充分发挥其对作战的支援作用。针对战时维修任务调度中对时间不确定性因素考虑不足的问题,构建一种装备维修任务调度模型,该模型以维修任务出现的随机性、维修时间的不确定性和机动时间的不确定性为驱动条件,将维修时间和维修能力作为约束条件,以保持修复装备重要度之和最大为决策目标,进行装备维修任务调度,可以及时调整维修方案,规划最优维修任务执行路径。为了快速准确地获得装备维修任务调度结果,采用一种改进最大-最小蚂蚁系统求解维修任务调度模型。最后,通过算例验证运用该方法进行维修任务调度的及时性和有效性。     

基于遗传算法的堆场自动化设备调度策略

主要针对处理码头运营系统(TOS)一次生成多条未指定作业设备的生成任务的业务需求提出了一种基于遗传算法的自动化堆场调度策略。该策略采用遗传算法的框架模型分析作业任务,设计基因编码规则,设计适应度计算函数,制定基因筛选和交叉变异方法,最终实现算法得到优化的任务调度方案,包括分配设备和规划设备避让。其中规划设备避让采用了随机方法迭代产生最优解。提出的自动化堆场调度策略继承了遗传算法的优点与特性,不需要知道研究目标的内在性质也能进行求解。这对于任务调度优化这类原本需要考虑复杂的时间空间转换的问题提供了捷径,提高了系统开发效率。     

基于Petri网和模拟退火遗传算法的并行测试研究

针对自动测试系统中并行测试任务调度复杂、难以优化的问题，提出了一种Petri网技术和模拟退火遗传算法相结合的任务调度优化算法。首先为并行测试系统建立时间Petri网模型，然后将激发的变迁序列集作为并行测试任务调度路径。为了得到最优路径，引入模拟退火遗传（GASA）算法进行搜索。在搜索过程中，将能激发的变迁序列作为染色体，进行选择、交叉和变异。为了防止算法出现收敛过早，陷入局部最优解的现象，还要对个体进行模拟退火操作，最后得到测试完成时间最短的任务调度序列。     

基于物理规划的多学科多目标设计优化

针对复杂产品多学科多目标设计优化存在的耦合严重、计算效率低、难以获得体现设计者偏好的最优解等问题,提出了基于物理规划和改进的协同优化策略的多学科多目标设计优化方法,阐述了该方法的基本思想并给出了设计优化流程.该方法密切结合实际工程设计经验,将多目标优化问题转换为反映设计者偏好的综合目标优化问题,采用改进的协同优化策略建立多层次的优化模型进行并行优化,得到了反映设计者偏好的最优解.以飞机起落架缓冲器为例,证明了该方法可以较好地求解多目标优化问题的折中非裂解.     

异构多处理机系统的负载均衡与任务调度

分析了异构多处理机系统中的负载均衡和任务调度参数,讨论了异构集群任务调度模型,提出了一种负载均衡启发式优化算法(LBHOA)。LBHOA采用启发式搜索策略,每次分配一个任务时,从不完全分配的结点中选择估计值最小的结点进行扩展搜索,直到找到完全分配的目标结点,且目标结点的时间开销估计值是所有完全分配结点中最小的。实验结果表明,与算法WLCA和LTGA相比,算法LBHOA的平均应答延迟时间的开销减少了10%,任务完成时间的开销减少了15%。LBHOA降低了资源最优分配中的计算复杂度,能够满足异构集群系统中的负载平衡和优化调度的需要,使异构多处理机系统在系统资源均衡分配的同时使系统资源利用率最优。     

面向多制造任务的工艺路线优化决策方法研究

针对制造企业中多制造任务的竞争性问题，根据每个制造任务的可行工艺路线集，以制造任务的各自最短完工时间为目标，提出并构建了一种非合作博弈的多任务工艺路线优化决策模型。博弈模型分为工艺路线优化决策阶段和任务调度阶段，前者为后者提供局中人集，后者为前者提供Nash均衡解集，从而实现多制造任务的最优工艺路线的动态决策。采用遗传算法对博弈模型进行具体解算，实例验证了博弈模型的可行性。     

Kriging模型并行加点策略的多目标优化方法

针对复杂机械装备多学科多目标优化设计成本高、周期长等问题,提出一种近似模型与并行加点策略相结合的多目标优化方法。基于Kriging模型,将添加更新样本点定义为同时考虑Pareto最优解和预测误差的动态多目标优化问题,应用改进NSGA-II优化算法和极大极小距离准则,确定最优的并行更新样本点,在提高Kriging模型精度的同时实现多目标优化。测试函数验证和实例结果表明,该方法可有效提高复杂系统多目标优化效率,同时获得收敛性和分散性俱佳的Pareto最优解。