半导体黄光区调度问题研究

对半导体黄光区调度问题进行了研究,建立了半导体黄光区调度的数学模型,分别提出了用于求解该问题的启发式方法和粒子群算法方案,阐明了两种算法方案的具体实现过程。通过对仿真实例进行计算和结果比较,表明了粒子群算法优于启发式方法,取得了不错的优化效果。     

粒子群优化算法在柔性资源受限项目调度中的研究

为了更有效地解决柔性资源受限项目调度问题,建立了速熟练度的技能供给矩阵,并应用混沌粒子群优化算 法来满足工序的先后约束关系,以在技能供给受限的情况下形成优先规则序列,根据串行进度生成机制形成该序列下 的最优解,运用嵌入混沌理论的粒子群优化算法更新种群,寻得全局最优解。实验结果验证了混沌粒子群优化算法求 解该问题的可行性和有效性,对于项目管理中柔性资源受限问题具有实际应用价值。     

新型教与同伴学习粒子群算法求解作业车间调度问题

针对最小化最大完工时间的单目标作业车间调度问题,提出了新型教与同伴学习粒子群算法。通过教学阶段融合多邻域搜索,采用多样性变异策略以及同伴学习阶段采用混合学习策略三个方面的改进操作,扩大了种群的多样性,避免算法陷入局部最优,算法收敛速度和寻优性能有了显著提高。通过作业车间调度问题FT、LA系列测试实例的对比实验,验证了新型教与同伴学习粒子群算法是解决单目标作业车间调度问题的有效方法。     

嵌入指针网络的深度循环神经网络模型求解作业车间调度问题

提出了一种数据驱动的作业车间调度算法,训练样本来源于基准实例和部分实际生产数据,通过特征函数来构建样本的特征数据并进行归一化处理,标签数据由调度任务和相应的调度规则的映射关系构成,以LSTM模型为主框架,在模型中嵌入指针网络,将当前序列中概率最大的工件优先进入缓冲区,提高了神经网络的训练速度和质量,采用训练后的模型对新问题进行求解。结果证明了所构建模型的有效性,同时为求解作业车间调度问题提供了新思路。     

基于混沌粒子群算法的项目调度干扰问题研究

针对资源受限项目调度问题中的干扰情况进行了界定, 面向几种干扰问题建立了相应的资源受限项目调度干扰模型和混沌粒子群求解算法, 对项目网络图干扰、任务干扰和资源干扰三种干扰问题进行仿真计算, 验证了算法和模型的有效性, 为决策者在干扰事件发生后及时对原最优调度计划作出调整给出了方向。     

APS剖析

近年来,高级计划与排产APS(Advanced Planning and Scheduling)得到了企业界的普遍关注.APS软件的市场需求量不断膨胀,一些世界著名的软件公司如Oracle、SAP都成功地开发了自己的APS软件,并且取得了不错的销售成绩.到目前为止,国际上对APS还没有一种明确的定义,它是一种基于供应链管理和约束理论的先进计划与排产工具,包含了大量的数学模型、优化及模拟技术,其功能优势在于实时基于约束的重计划与报警功能.     

柔性资源受限多项目调度的混沌粒子群算法研究

为解决柔性资源受限多项目的调度问题,有效实行资源分配和工作时间安排,采用混沌粒子群算法结合混合优先规则,形成优先规则序列。针对多项目问题,避免了传统方法将多个项目合并为一个项目,而是形成一个链表在项目的各工序间进行选择调度,并在初始化中嵌入混沌理论,在迭代过程中使用并行算法,有效避免了算法易陷入局部最优解的可能。改编标准库的多模式算例,对比多种算法下的结果,验证了该方法在求解该问题的可行性和有效性,对于项目管理中柔性资源受限问题具有实际应用价值。     

变批量车间调度文化进化算法研究及应用

针对JIT环境下柔性生产的要求,多品种小批量生产使车间调度规划更加困难,许多生产调度优化问题属于NP-hard问题,其求解通常采用智能启发式算法。文化进化算法基于文化算法、文化进化思想及超群进化思想,通过上层文化空间的经验知识指导下层个体进化搜索的方向及步长,通过模拟人类社会文化进化的机制实现文化空间的进化与更新,最后将算法应用到变批量Flowshop问题的求解,用Matlab编程仿真测试,结果表明用此算法进行批量分割,解决生产调度优化问题是可行的,而且其搜索性能优于AGA算法。     

考虑运输成本的单级多资源约束生产批量问题研究

构建了考虑运输成本的单级多资源约束生产批量计划模型,并提出了用于求解该问题的二进制粒子群算法,阐明了该算法的具体实现过程。通过对仿真实例进行计算和结果比较,表明了在生产批量计划决策时考虑运输成本可以大大降低运输费用,从而降低企业运行的总费用。     

半导体制造批量计划调度问题的量子粒子群算法研究

对半导体制造批量计划调度问题进行研究,提出了一种收敛速度快、全局性能好、不易陷入局部最优的智能迭代算法一量子粒子群算法来实现对该问题的求解.该算法采用0-1编码方式,来实现对lot的分批和分配,并以最小完工时间为目标函数值进行寻优.最后通过具体算例,对该算法进行了仿真验证,结果表明,在求解半导体制造批量计划调度问题时,量子粒子群算法要优于二级蚂蚁算法、DSH算法,从而验证了该算法的可行性和有效性.