双机流水车间外包与调度联合优化问题的混合变邻域搜索算法

针对最小化内部完工期与总外包费用的双机流水车间外包与调度联合优化问题,开发了一种混合变邻域搜索算法。在该算法中,采用工件剔除型启发式方法产生初始联合决策解;基于3种新型邻域结构提出了最佳改进式局部搜索规程;引入概率式准则来决定下轮迭代的目标搜索邻域。通过算法校准实验分析,探索出合适的邻域变更次序和温度参数的计算方式。通过与CPLEX软件、隐枚举测试程序对比显示,对于工件数不超过30的算例,校准后所提算法求得最优解的耗用时间更少。通过与遗传算法、模拟退火算法、和声搜索3种对比算法在工件数不少于100的算例上进行对比发现,所提算法经校准后,在求解质量和解的鲁棒性上均具有显著优势。     

基于Memetic算法的有限缓冲区流水车间调度问题

针对有限缓冲区流水线调度问题,提出一种基于变邻域搜索策略的Memetic算法。在基本遗传算法中,采用NEH算法和改进IG算法产生部分初始种群,使用部分交叉算子和插入变异算子,在交叉和变异之后设计一种改进变邻域搜索方法来进行局部搜索。在该改进变邻域搜索中,将模拟退火算法作为变邻域搜索中的局部搜索方法,大大增强了算法的寻优能力,使得Memetic算法在集中搜索和分散搜索之间达到更合理的平衡。运用提出算法求解经典基准算例,并与当前先进算法比较,验证了所提算法的有效性。     

预防维护下装配线平衡的多目标重启变邻域搜索算法

针对预防维护下的装配线平衡问题,提出了一种带有重启策略的多目标变邻域搜索算法,以优化正常工作、设备维护情形下的节拍与工序调整。算法结合启发式与随机方法得到较优初始解;设计并筛选出寻优能力较强且具有互补性的四类邻域算子及其搜索策略,以更好地进行全局探索与局部开发。为促进Pareto前沿推进,提出了一种具有自适应能力的重启算子,以便根据问题规模调整重启代数阈值、参考寻优进程扩大搜索空间。该算法机制简单且无固定参数,实验结果表明该算法能够获得具有竞争性的非支配解集。     

考虑准备时间的分布式两阶段混合流水车间调度

针对准备时间依赖于顺序的分布式两阶段混合流水车间调度问题(DTHFSP),提出一种双变邻域搜索(DVNS)算法以同时最小化总延迟时间和最大完成时间。由于该问题子问题较多,将工厂分配和第一阶段的机器分配合并以减少子问题的数量。DVNS包含两个相互协作的变邻域结构,每个变邻域结构都加入全局搜索算子,并应用了邻域搜索和全局搜索协调、邻域结构的合理配置以及当前解的周期性更新等策略。通过大量实例的对比实验表明,DVNS在求解DTHFSP方面具有较强的优势。     

同时配集货定位—路线问题的变邻域分散搜索算法

针对同时配集货的定位—路线问题,建立了三维指数混合整数规划模型,并设计了变邻域分散搜索求解算法,即在基本分散搜索算法的基础上保留参考集更新和组合策略的全局搜索能力。针对组合后的解可能是不可行解的问题,利用插入法将其改进为可行解,再运用变邻域搜索进行局部开发以提高可行解质量。为保证算法的多样性以进一步扩大搜索空间,初始种群采用两阶段混合多随机法构造。通过采用Lingo求解简单算例验证了模型的正确性,采用设计的变邻域分散搜索算法仿真已有算例并与其他算法比较,证明了该算法的有效性。     

变邻域改进遗传算法求解混合流水车间调度问题

针对混合流水车间调度问题的NP难特性,提出一种改进的混合变邻域搜索的遗传算法。建立了数学模型,提出了算法的总体流程,设计了基于操作的编码和解码方法,并采用NEH启发式算法产生初始种群。随机采用基于位置的交叉和线性次序交叉,选用反转逆序的变异算子,交叉变异后合并子代与父代,保留较优个体,对当前最优个体执行变邻域搜索,以增强遗传算法的局部搜索能力。通过初始对比实验,证明了NEH启发式算法能够产生质量更好的初始解,随机采取两种交叉算子能够提高算法的搜索效率,标准算例实验结果表明所提算法能够有效求解混合流水车间调度问题。     

求解卸装一体化的车辆路径问题的混合粒子群算法

提出了结合粒子群算法（PSO）和变邻域下降搜索（VND）的混合粒子群算法（PSO-VND）,用以解决卸装一体化车辆路径问题（VRPSDP）。在此混合算法的前半部分,运用粒子群算法对解空间进行搜索,找到相对较优的一组解。在PSO过程中对于可行化和优化后的粒子添加速度分量,并依据相似度进行变异。在此算法的后半部分,运用变邻域下降搜索对得到的较优解再进行深度搜索,以得到理想的解。在变邻域下降搜索（VND）过程中使用3种不同的邻域结构：插入、交换和交叉,依次对解进行迭代优化。最终采用标准算例进行了仿真试验,验证了混合算法的可行性和有效性。     

解决无等待流水线调度问题的变邻域搜索算法

提出了解决无等待流水线调度问题的变邻域搜索调度算法。采用基于自然数编码的工件序列表达问题的解，采用多重Insert移动邻域和多重Swap移动邻域作为变邻域搜索的两种邻域结构。多重移动有利于算法向包含较优解的区域搜索，因而有较高的求解质量和效率。仿真实验证明了变邻域搜索算法的有效性。     

求解卸装一体化的车辆路径问题的混合粒子群算法

提出了结合粒子群算法(PSO)和变邻域下降搜索(VND)的混合粒子群算法(PSO-VND),用以解决卸装一体化车辆路径问题(VRPSDP)。在此混合算法的前半部分,运用粒子群算法对解空间进行搜索,找到相对较优的一组解。在PSO过程中对于可行化和优化后的粒子添加速度分量,并依据相似度进行变异。在此算法的后半部分,运用变邻域下降搜索对得到的较优解再进行深度搜索,以得到理想的解。在变邻域下降搜索(VND)过程中使用3种不同的邻域结构:插入、交换和交叉,依次对解进行迭代优化。最终采用标准算例进行了仿真试验,验证了混合算法的可行性和有效性。     

基于交叉选择的变邻域蜂群算法求解置换流水车间调度问题

针对置换流水车间调度问题的特性，设计了一种基于交叉选择的变邻域蜂群算法。首先，算法在初始化种群阶段加入了NEH启发式算法，进而提高初始解的质量。在算法迭代的初期引入了差分进化算子进行交叉与选择，从而提高解的多样性。在算法的局部搜索阶段对50%最优个体加入了交换与逆序两种变邻域操作，增强了算法的搜索能力。通过正交实验选择合适的参数，在Car、Rec以及Taillard标准测试集上进行仿真实验，结果表明所提算法优于与之对比的其他群智能算法。最后，以最小化最大完工时间为寻优目标对某公司轮胎产品生产线上的作业排产问题进行求解，求解结果优于对比的算法，进一步验证所提算法在求解PFSP上的有效性。     

改进遗传变邻域算法求解飞机装配线调度问题

针对飞机装配调度过程中受到空间限制的问题,建立了以最小化装配作业总工期为目标并考虑空间约束的飞机装配线分部段作业调度数学模型,提出了一种求解此模型的改进遗传变邻域算法。该算法采用优先级规则进行种群初始化以缩减解空间,并设计了一种结合接受阈值的变邻域局部搜索方式,采用考虑紧前紧后关系三种邻域结构来确保搜索过程中产生合法解,以提高搜索能力,避免传统遗传算法陷入局部最优,最后通过标准算例库PSPLIB中的算例验证了算法的有效性和优越性。     

求解资源受限项目调度问题的启发式方法

为求解资源受限项目的调度问题,将过滤扇出和路径重连两种方法相结合,作为迭代局部搜索的摄动过程,提出一种新的迭代局部搜索方法.设计了与调度方案有唯一对应关系的任务列表,并通过附加信息制约邻域的产生,进一步缩小搜索空间.采用对齐技术提高解的质量,设计并结合使用两个摄动方法,以寻求更大范围内的邻域,加强了跳出局部最优的能力.迭代过程中采用精英解集代替传统的迭代局部搜索方法中的单点初始解,并保存搜索历史中的较好解.最后通过标准问题库中的四种问题验证了算法的求解质量.     

基于化学反应优化算法的车辆路径问题

针对车辆路径问题的特点,提出应用化学优化算法解决带容量限制的车辆路径问题。首先构建包括顾客与配送中心的整数序列分子,然后借鉴遗传算法的交叉、变异方法设计分子的撞墙、分解、碰撞反应,采用局部优化方法设计其合成反应,通过上述4种反应改变分子结构获得解的改善;提出采用动态变化方法控制关键参数α,β的取值来提高求解效率,平衡局部搜索与全局搜索的关系。通过实验仿真,将求解结果与BKS标准库进行对比,结果显示所提算法在多个案例中获得的最优解与标准库最优解的误差比例不超过5%,与大规模邻域搜索算法比较表明,该算法在运算时间上具有一定优势,是解决该问题的一种有效算法。     

基于混合粒子群优化算法的置换流水车间调度问题研究

针对最大完工时间最小的置换流水车间调度问题,提出一种粒子群优化算法与变邻域搜索算法结合的混合粒子群优化（hybrid particle swarm optimization,HPSO）算法。在该混合算法中,采用NEH启发式算法进行种群初始化,以提高初始解质量。运用基于随机键的升序排列规则（ranked-or-der-value,ROV）,将连续PSO算法应用于离散置换流水车间调度问题中,提出了一种基于关键路径的变邻域搜索算法,以进一步提高算法的局部搜索能力,使算法在集中搜索和分散搜索之间达到合理的平衡。最后,运用提出的混合算法求解Taillard和Watson基准测试集,并将测试结果与一些代表算法进行比较,验证了该调度算法的有效性。     

求解拆卸线平衡问题的一种变邻域搜索算法

针对拆卸线平衡问题特点,建立以最小化工作站数、平滑指数、危害指数和需求指数为优化目标的多目标数学模型,进而提出一种改进的变邻域搜索算法求解该问题。所提算法采用了一种启发式方法产生初始解,并构造了3种邻域结构,扩大算法搜索范围。采用初始解集进行局部搜索,搜索过程使用一步改进策略,并引入禁忌表方法,提高算法全局寻优能力。通过对大量不同规模测试问题进行算法实验,并与现有方法对比,结果表明,所提变邻域搜索算法在求解效率与求解质量上具有优越性。     

开放式带时间窗车辆路径问题及变邻域搜索算法

针对配送服务中开放式带时间窗车辆路径问题,构建了最小化车辆行驶成本的集分割模型,并提出变邻域搜索算法进行求解.该算法包括抖动和邻域搜索两个阶段,其中,抖动阶段通过当前解与种群历史最优、与个体历史最优之间的路径重连来实现,邻域搜索阶段通过同一条路径内以及不同路径间的交换、插入、2-opt三个操作算子来实现.通过与已有文献进行对比,结果表明该算法在求解开放式带时间窗车辆路径问题时,能得到更高质量的解,而且算法的收敛性和稳定性均较好.由此验证了该算法的可行性和有效性.     

求解第Ⅰ类装配线平衡问题的离散粒子群优化算法

为求解具有NP难性质的第Ⅰ类装配线平衡问题,提出一类离散粒子群优化算法。该算法中所发展的排列数编码方法使得粒子解码后总满足装配作业间先后关系约束。针对排列数编码特点,提出一种基于位置交叉算子的粒子位置更新机制,确保了更新后粒子仍为排列数。为增强该算法的全局寻优能力,将简化变邻域搜索算法嵌入该算法中,对群体最佳粒子的邻域进行局部搜索,从而构建一种混合粒子群优化算法。通过将该算法和混合粒子群优化算法用于一系列测试算例并与遗传算法结果比较,验证了算法的有效性。计算结果对比表明,离散粒子群算法引入简化变邻域搜索可明显增强全局寻优能力,就综合解的质量和计算效率而言,混合粒子群优化算法优于现有遗传算法。     

求解柔性作业车间调度问题的两级邻域搜索混合算法

针对柔性作业车间调度问题(Flexible job shop scheduling problem,FJSP),以优化最大完工时间为目标,提出一种融合两级邻域搜索和遗传算法的混合算法。基于通过利用机器空闲时间来减小最大完工时间的想法,构造邻域结构,对关键路径上的关键工序进行移动,实现邻域搜索,以改进当前解;设计针对FJSP问题特点的两级邻域搜索方式,第一级邻域搜索为跨机器移动工序,将工序移动到除当前加工机器之外的其他可选机器上,第二级邻域搜索为同机器移动工序,将工序在当前加工机器上进行移动;给出两级邻域搜索相应的保证可行解工序移动条件;兼顾FJSP问题求解算法的全局搜索能力和局部搜索能力,利用遗传算法实现全局搜索,两级邻域搜索实现局部搜索;采用国际通用的FJSP问题基准算例进行测试,验证了所提方法的有效性。     

多目标不完全拆卸线平衡问题的建模与优化

针对实际生产中在满足约束条件下仅考虑拆卸需求零件和危害零件的特点,以工作站数目、空闲时间均衡指标和拆卸成本为优化目标,构建了不完全拆卸线平衡问题多目标模型。基于解的离散性和优化目标的多重性,提出一种Pareto解集思想的变邻域-粒子群融合算法。该算法通过建立拆卸任务和粒子群迭代搜索的对应关系,将变邻域搜索作为局部搜索策略,同时引入Pareto解集思想、拥挤距离机制处理多目标问题,以保证求解结果的多样性;通过Hyper-volume指标解决了多目标优化难以评价算法收敛性能及Pareto解集优劣等问题。采用所提算法求解不同规模完全拆卸线平衡问题测试算例,其中不同搜索深度的对比试验表明了变动搜索深度能很好地兼顾求解质量和求解效率,不同算法的对比试验表明了所提算法的优越性。最后,将所提模型与求解方法应用至某打印机不完全拆卸线的设计中。     

基于量子计算和威布尔分布的混合CHIO算法求解JSP问题

针对冠状病毒群免疫优化算法（coronavirus herd immunity optimizer, CHIO）在解决优化问题时存在易陷入局部最优解、收敛速度慢和收敛精度差等问题,文章提出一种量子混合CHIO算法（quantum hybrid coronavirus herd immunity optimizer,QCHIO）。首先,引入量子计算的思想,通过量子相关性实现全局搜索和快速收敛的目标,能够有效避免算法陷入局部最优解的问题。其次,采用威布尔分布算子的大步长和小步长来增加算法的多样性,使算法能够更好地探索搜索空间,增强了算法的全局开发能力。此外,还引入β-登山算子通过搜索当前最优解的邻域,尝试找到更优的解,从而增加了算法的搜索宽度,改善了解的质量。多邻域搜索则通过搜索全局最优解的多个邻域来增加了算法的收敛精度。为验证其性能,将QCHIO应用到10种标准算例中与其他几种改进算法进行了对比分析,并通过显著性检验证明了QCHIO的优越性。最后将QCHIO应用到某发动机生产调度实例上,进一步证明了QCHIO的可行性和优越性。