多目标零等待间歇生产过程多任务调度

间歇生产过程已经成为化工生产制造技术的基础和关键,该过程生产出大量产品来满足日常生活需要。然而经济全球化使得传统的化工生产过程产业面临严重的挑战。为了保持竞争力,每个企业必须优化生产技术,加强管理。其中调度是化工企业生产管理的核心技术。针对化工过程自身的多目标和零等待等特性,研究了间歇生产过程中的多目标零等待多任务调度,并提出该问题的模型和优化方法。通过将该问题分解成两个子问题来解决：采用非延迟非秩序混合方法来解决时间表分配问题以及用带存储的完全局部搜索解决排序问题。此外多目标占优采用基于SPEA2中的策略。通过大量算例的仿真实验证明了该算法的可行性和有效性。     

基于约束规划的无等待混合流水车间调度问题研究

针对k-阶段等速机无等待混合流水车间最小化最大完工期的调度问题,提出基于约束规划的模型和求解策略.模型利用约束规划自然地表达问题的优化目标和约束条件.求解策略包括采用有限深度偏离搜索例程、采用限定失败次数策略、综合运用离散资源、一元资源和替代资源约束表达工件在各阶段对设备要求等.通过数值实验验证了约束规划方法的有效性.整个方法能够很好地满足实际应用中对计算效率和效果的要求.     

混合粒子群算法求解单机批调度问题

设计了一种混合粒子群算法(Hybrid Particle Swarm Optimization,HPSO)以求解基于工件动态到达的最小化最大拖期时间单机批调度问题。该算法在标准粒子群算法的基础上引入了惯性权重正弦调整,以改善标准粒子群算法的收敛速度和全局收敛性,然后采用自适应变异全局极值算法增强粒子群优化算法跳出局部最优解的能力,防止算法陷入局部最优。应用改进的算法对实验设计问题进行求解,证明了改进算法的有效性。     

基于蚁群算法的水电经济调度

蚁群算法是一种模拟自然界蚁群行为的生物进化算法,该算法具有分布计算的特点,鲁棒性强,搜索效果好。对水电经济调度问题进行了研究,利用蚁群算法,提出了解决水电经济调度问题的具体方法,并获得了较满意的仿真结果。     

流程工业生产调度问题综述

针对流程工业生产调度特点,通过集合定义了生产调度问题,分析了流程工业生产调度问题的研究应用现状,介绍并比较了应用于流程工业生产调度问题的主要方法及其优缺点,指出了今后研究的重点和方向。     

硝铵炸药零氧平衡三元组分图算法的研究

本文叙述了应用数学的诺谟图,求得硝铵炸药零氧平衡二元组分及三元组分的成分配比的方法,通过图算法可以解除繁琐的计算过程。     

纺织企业Flow—Shop调度问题的研究与实现

以某纺织企业纺纱车间为背景,针对Flow—Shop调度问题,以“最大完工时间最小化”为调度性能指标建立数学模型,应用微粒群算法（PSO）对该问题进行求解,通过仿真实现验证了其有效性。     

零停靠调度技术的轨道运输节能效率测试研究

与国民经济的迅猛增长相伴随,我国轨道交通承载的运输负荷逐年增加,为提高运力,压缩客运、货运列车占用轨道与站台的时间,以对运输服务质量的保证为前提降低能源消耗,进行零停靠调度技术的研究,通过将其应用于轨道交通运输中,实现对列车需停靠站台与无需停靠站台车厢的动态与有序分离.经测试验证,零停靠调度技术这一构想的能耗节省率与时...     

改进的DNA免疫遗传算法在车间调度中的应用

根据生命科学中免疫系统的信息处理机制,在一般遗传算法的基础上,将免疫算法和DNA遗传算法相结合,提出一种用于车间调度的新DNA免疫遗传算法。引入一个遗传密码表,用于DNA碱基链的解码;算法中子群体之间的信息交换采用孤岛模型;引入一个疫苗库,通过接种疫苗提高抗体的适应度,通过免疫选择防止种群的退化。这些改进措施对降低算法的复杂程度、提高算法的收敛速度和全局搜索能力有重要意义。应用标准测试集中的测试用例和实际调度中的问题对改进后的算法进行了测试。仿真程序表明,该算法能以较快的速度完成给定范围的搜索和全局优化任务。     

成组作业生产优化调度的研究

介绍成组作业生产优化调度的研究方法及现状。分析各种具体疸的复杂性及算法特点，指出有待解决的问题和研究方向。展望成组作业生产优化调度研究的应用前景。     

改进的生物地理学优化算法在混合流水车间调度中的应用

调度问题是将有限的资源分配给各项不同任务的决策过程,其目的是优化一个或多个目标,它广泛存在于当今大多数的制造和生产系统中。混合流水车间调度问题是一般流水车间调度问题的推广,更接近实际的生产过程。采用一种新型的算法--生物地理学优化算法求解混合流水车间调度问题,通过引入改进策略,增强了算法的全局搜索能力和局部搜索能力,并提高了算法的收敛速度。通过10个标准调度算例的仿真研究,并与遗传算法进行对比,验证了改进后的生物地理学优化算法在求解混合流水车间调度问题方面的优越性。     

一种多参数模糊神经网络控制系统调度算法

针对多回路网络控制系统的数据传输问题,提出了一种多参数模糊神经网络调度算法。首先,运用模糊神经网络的自学习能力对回路误差及误差变化率参数进行训练,并记忆模糊控制规则,确定各控制回路的网络需求度。其次,结合网络需求度参数和网络紧急度参数,采用动态权重算法确定各回路优先级,实现各回路优先级的在线调整。最后,建立了模糊神经网络调度优先级动态权重可调的多回路控制系统的仿真模型。仿真结果表明:在相同的网络带宽占用率下,该调度算法具有良好的动态控制性能,并保证了系统的稳定性。     

基于蚁群算法的带中间存储的流程工业生产调度研究

流程工业具有连续性,实时性,复杂性等特点,其生产调度的优化一直是行业内的热点问题。利用蚁群算法进行了深入的研究,提出了适用于流程工业中的连续域蚁群算法方案。该算法采用连续域网格对流程工业问题进行建模,利用缩小范围重新划分的方法提高了算法精度,同时引入最大-最小蚁群算法保证收敛速度,并通过限制解的范围和估算产值的方法引导蚂蚁走向可行,高效的路线。最后通过隔膜烧碱车间的算例验证了该方法在实用性、精度及速度方面有着明显的优势。     

基于多目标免疫算法的无源滤波器优化方法

通过对无源滤波器的优化过程进行分析,并综合考虑滤波性能、投资成本等设计目标,提出了一种基于多目标免疫算法的无源滤波器优化设计方法。仿真结果表明:笔者提出的方法可以准确实现无源滤波器参数的确定并达到较好的滤波效果,具有一定的可行性。     

免疫算法在焦化装置软测量中的应用

提出了一种自适应免疫算法，其很好地解决了原始免疫算法中收敛精度低和寻优速度慢的缺点。通过对比分析标准测试函数的计算结果，自适应免疫算法的优良性得到充分地证明。然后，免疫算法被用于优化BP神经网络的结构和参数。结果表明，不但网络结构得到较好地控制，而且泛化性能也有较大地提高。最后，算法在优化神经网络上的有效性也在焦化装置精馏塔汽油干点软测量建模中得到很好地证实。     

纺织企业车间生产调度方法和遗传算法的研究与实现

研究了纺织公司的生产车间调度,尤其是并行成套设备多批次的调度问题,针对该调度问题进行遗传算法设计,并以示例进行仿真。使得遗传算法能在磅织企业的生产调度中起到节约生产成本,提高企业效益的作用。     

基于免疫机制的多目标蚁群算法用于间歇反应器的约束动态多目标优化

含路径和终端约束的动态多目标优化是过程系统工程的一个重要研究方向,难度较高.传统蚁群算法仅适于离散问题,今采用混合正态分布描述信息素分布,并设计相应的解构造操作,使之拓宽至连续优化问题.通过对目标函数和约束矩阵的非劣捧序,确定解的等级,用以克服传统约束处理方法的局限性.借鉴了免疫系统的浓度概念,将其与解的等级结合,共同确定解的适应度,有助于保持种群的多样性.在更新信息素时将利用外部优解库和种群信息,可加快收敛速度.基于拥挤度距离更新外部优解库可更均匀地逼近Pareto最优解集.由此构建了一种基于免疫机制的多目标蚁群算法(Immune Mechanism based Multi-Objective Ant Colony Algorithm,IM-MOACA),并用于间歇反应器的动态多目标优化问题,效果良好,显示出较强的全局优化性能,能以较快的速度逼近真实的Pareto最优前沿,可为用户进行合理的决策分析提供有效的支持.     

一类复杂控制系统中任务模型的建立及调度方法的研究

针对将专家系统应用于实时环境的复杂情况以及专家系统在问题求解过程中花费的时间具有不确定性,在不精确计算的理论基础上,提出了一种渐进优化的专家系统设计模型,并对其在实时环境中的调度方法以及在该方法下深度优先和广度优先算法的实现进行探讨.