NWHFS多扰动调度问题的干扰管理方法

针对多扰动并发工况下无等待混合流水线生产调度问题,构建了多重约束下兼顾初始调度目标（最小化工件完工时间加权和）和扰动修复目标（最小化工件完工滞后时间加权和）的干扰管理调度模型,设计了搜索方向动态可变的多目标随机加权处理策略。并将基于高斯变异的全局寻优改进策略与基于随机邻域结构的局部精细搜索策略相结合,提出了一种混合微粒群优化求解算法。数值算例仿真实验结果表明,包含高斯变异算子和随机邻域结构的混合微粒群优化算法求解本文干扰管理调度模型是有效的。     

可预知扰动工况下NWT-B与NIT-B调度问题性质研究

针对无等待批量流水线(NWT-B)和零空闲批量流水线(NIT-B)的加工特点,研究了可预知机器扰动工况下调度规则的适用性。面向双机成比例流水线环境,以加工批最大完工时间或完工时间和最小为初始调度目标,以拖期时间和最小为扰动修复目标,考虑加工批权重是否存在两种情况,提出了分别兼顾不同初始调度目标和不同扰动修复目标的5个干扰管理问题;运用反证法和综合法等方法,分别证明了SPT、WSPT及LPT调度规则在求解上述5个问题中的适用性。研究成果对流程加工型企业快速响应可预知扰动工况提供了方法支持。     

具有外包选择的无等待流水线干扰修复模型北大核心CSSCI

针对双机成比例无等待流水线环境下最小化完工时间和的调度问题,研究如何基于干扰管理理论和采用作业外包途径来应对机器干扰事件。在证明最短加工时间优先(SPT)最优解定理的基础上,同时考虑最小化工件完工时间和指标(初始调度目标)与最小化工件滞后时间和指标(偏离最小目标),构建了基于SPT规则的干扰修复0-1整数规划模型,提出了基于差分进化全局搜索策略与"插入-交换"邻域搜索机制相结合的多目标混合智能算法。数值实验结果表明,本文提出的机器干扰条件下外包修复模型及算法是有效的。     

基于行为运筹的生产调度干扰管理模型

针对生产调度过程中干扰事件导致初始方案无法继续实施这一难题,采用干扰管理思想,结合行为运筹中对人的行为与感知的研究方法与优化决策的研究手段,从客户、企业管理者和车间工人三个方面度量生产调度系统的扰动,提出基于前景理论的扰动度量方法,构建字典序的多目标干扰管理模型并采用改进的蚁群算法进行求解.数值算例中,通过与全局重调度和右移重调度的结果进行比较,得出本文方法更加科学——生成的干扰调整方案对系统的扰动更小.     

基于DPSO的无等待混合流水车间调度方法

研究了无等待混合流水车间调度问题,调度目标为最小化工件的最大完成时间。针对问题中工件加工无等待特点,设计了分阶段实现的无等待算法,并将机器的能力约束嵌入到算法之中。在此基础上,首次应用离散粒子群优化算法对无等待混合流水车间调度问题进行了优化求解。通过仿真实验表明,离散粒子群算法的优化质量优于遗传算法及LTPT、STPT和FCFP三种启发式算法,同时验证了分阶段无等待算法的有效性。

Abstract：

A no-wait hybrid flow shop（NWHFS） scheduling problem was studied for the objective of minimizing makespan.For the no-wait constraint between two sequential operations of a job,not only the no-wait algorithm of grading was designed,but also the number restriction of machines was embedded into this algorithm.On this basis,the discrete particle swarm optimization（DPSO） algorithm was proposed for the first time to solve such problems.The last simulation experiments show the optimization qualities of DPSO are superior to those of the genetic algorithm（GA） and the heuristic algorithms of LTPT,STPT and FCFP,and demonstrate the effectiveness of the no-wait algorithm of grading as well.     

具有恶化效应的新工件到达生产调度干扰管理

在工件加工时间具有恶化效应的单机环境下,研究初始计划执行中计划外多个新工件到达的干扰管理问题.将加工成本作为初始目标,将工件相对于初始完工时间的延迟作为扰动目标,构建多目标干扰管理模型.结合归档式多目标模拟退火算法在全局寻优方面的优势,与非支配排序遗传算法在快速收敛到Pareto有效前沿的局部搜索优势,设计了混合元启发式算法在全局搜索和局部搜索之间进行平衡.通过分析问题Pareto最优解特性,可以进一步有效降低混合元启发式算法的搜索空间,提高收敛速度和输出有效前沿的质量.最后,通过随机生成算例进行数值实验,验证混合算法对求解干扰管理问题的有效性和Pareto最优解特性对于算法性能的改进.     

考虑行为主体和需求变动的家庭护理人员调度干扰管理

针对客户需求变动下家庭护理人员调度的干扰管理问题,考虑参与主体的心理行为特征,利用前景理论度量扰动对居家养老服务系统中的护理机构、护理人员和老年客户的影响.以这三大主体的前景值最大化为扰动恢复目标,构建多目标的干扰管理模型,并提出一种改进的多目标鲸鱼群优化算法(IMOWOA).通过标准案例集和随机生成案例验证本文模型和...     

基于内分泌激素调节机制的免疫算法的Flowshop调度问题

针对不确定条件下具有零等待的Flowshop调度问题,采用三角模糊数来描述不确定的产品处理时间,在模糊规划理论的基础上建立了相应的调度模型,通过中间值最大隶属度算法,将原来的模糊调度模型转化为单目标的规划模型;并基于内分泌激素调节规律,利用内分泌系统与免疫系统之间密切的双向调节关系,提出了一种新颖的解决此类问题的自适应内分泌免疫调度算法.仿真实例表明,该算法的收敛速度和搜索精度均明显优于改进的免疫算法,表明该算法的有效性和优越性.     

基于混合粒子群-NEH算法求解无等待柔性流水车间调度问题

针对以最小化最大完工时间为目标的无等待柔性流水车间调度问题,提出了一种混合粒子群-NEH算法.该算法 利用粒子群优化算法解决机器分配问题,并进行全局优化;利用改进的NEH算法确定工件加工顺序,并首次提出差值 平移算法计算问题目标值.在算法求解过程中,通过不断对停滞粒子实行变异操作,避免粒子群陷入早熟收敛状态.基 于典型算例的仿真实验,证明了所提算法求解该类问题的可行性和有效性.     

基于改进蚁群算法的柔性作业车间调度问题的求解方法

针对经典作业车间调度问题的局限性,结合实际生产情况,给出了具有路径柔性的作业车间调度模型,提出了机器选择规则,给出了改进蚁群算法的具体实现过程.当所有蚂蚁爬行完毕后,针对算法是否陷入局部收敛分别对各路径上的信息素进行调整,这样有助于快速的得到全局最优解.最后通过实例仿真验证了算法的有效性.     

具有零等待的不确定性flow shop调度问题

针对实际的生产环境中存在的数据模糊、不确定的情况,采用模糊数学的方法来处理数据的不确定性,在模糊规划理论的基础上,建立了处于时间不确定条件下的具体零等待的flow shop模糊调度问题的模型,通过模糊截集的方法将其进行了转化.并在模糊运算的基础上,借鉴自然界生物免疫系统的概念和机理,提出了解决此类调度问题的模糊免疫调度算法.通过仿真试验,表明了该模型所有效性和算法的较好的收敛效率.     

基于递归算法的一类带缓冲区的混合生产调度

提出一种带缓冲区的混合生产的调度模型。通过缓冲区状态的扩展,将所建立的混合生产调度模型标准化,并在递归技术的基础上,利用混合整数规划方法求解,实例的仿真证明了本文方法的可行性与有效性。     

低密度客流条件下柔性路径巴士实时调度的干扰管理模型

针对低密度客流条件下路径可变巴士行进过程中出现的乘客实时请求服务这一问题,引入干扰管理方法,从乘客扰动、路径偏移以及运营成本3方面综合度量系统扰动,构建了低密度客流条件下路径可变巴士响应需求的实时调度干扰管理模型,并设计嵌入等待策略的两阶段算法对模型求解,最后用数值实验验证了该模型和策略的有效性.实验结果表明:将干扰管理思想运用到这一客运系统的实时调度中,能够有效地针对低密度客流条件下乘客出行的特征,实现以扰动最小为目标的实时高效调度,从而达到既能满足乘客方便快捷的出行需求,又能满足运营者降低成本的目的,并提供一种能够解决低密度客流条件下巴士调度的有效手段.     

集装箱码头泊位分配-装卸桥调度干扰管理模型

针对集装箱码头作业过程中,由于干扰事件导致泊位与装卸桥调度计划难以顺利实施这一难题,运用干扰管理方法,从码头作业成本、船舶等待成本以及计划偏离度三个方面度量系统扰动,建立泊位分配-装卸桥调度干扰管理模型,提出求解干扰管理模型的仿真优化法,设计基于局部重调度与禁忌搜索算法的仿真优化算法,利用算例对模型与算法的有效性进行了验证.计算结果表明:与全局重调度算法相比,基于局部重调度的算法可以提高计算效率,同时,干扰管理模型能够考虑各方的利益,因此得到的干扰应对方案更科学.     

干扰管理模型及其算法的研究进展

概述了干扰管理(Disruption Management)理念的形成及其发展过程;综述分析了干扰管理的图模型和数学模型的研究进展;评述了干扰管理模型的求解算法.最后探讨了干扰问题进一步的研究方向.     

基于模糊时间窗的车辆调度干扰管理研究

为解决由顾客需求变动引发的物流配送干扰问题,最大化满足顾客需求并兼顾企业利益,提出基于模糊时间窗的车辆调度干扰管理方法.采用干扰管理思想对由客户需求变动引起的实时车辆调度问题进行研究,在深入分析现实中客户服务时间要求特征的基础上,把客户满意度水平定义为模糊时间窗的隶属度函数,并提出了车辆调度干扰恢复问题转换策略,构建了基于模糊时间窗的客户需求变动干扰管理救援模型,实现从顾客、驾驶员和供应商3方面对干扰影响程度的度量.为寻求最优解,设计模糊遗传算法,并改进了基于客户点的编码方式.在算法中用模糊优化程序处理问题的模糊特征,通过对客户服务时间的局部调整来确定最佳服务时间.实例结果表明了时间窗模糊化处理、扰动恢复模型及算法在应用中的有效性.     

求解Job Shop调度问题的粒子群算法研究

为解决单一粒子群算法求解Job shop调度问题存在的不足,提出一种基于交换序的混合粒子群算法,提高了这类问题的求解质量.在混合粒子群算法中,采用粒子群算法进行大范围全局搜索.根据Job Shop调度问题解的特征,提出基于关键工序的邻域选择方法,并将基于这种方法的禁忌搜索算法作为局部搜索算法,增强了粒子群算法的搜索能力.采用混合粒子群算法对13个难解的benchmark问题进行求解,在较短的时间内,得到的最优解和10次求解的平均值优于并行遗传算法和粒子群算法.由此说明本文所提出的混合粒子群算法是有效的.     

一类含时间窗口的多资源动态调度问题的建模与求解方法

摘要内容含时间窗口的多资源调度，是一个包括资源分配和时间窗口分配的两阶段优化过程。资源在初始调度方案执行过程中可能会出现故障，而使初始方案不能继续执行，需要对初始方案进行调整。本文针对这种情况，分析了该问题中的主要约条件，建立了含时间窗口的多资源动态调度模型，给出了一种启发式搜索方法；并以含时间窗口的并机调度问题为例，对模型和算法进行了验证。     

带运输和设置时间的无等待并行流水车间调度问题研究

研究了一类从无缝钢管生产作业中提炼出的新的并行流水车间调度问题.该问题具有工件无等待、工序之间存在运输时间、设备需要调整时间等特点.这些特点使得问题变得相当复杂.建立了大规模的混合整数规划模型,通过提出的变换方法简化和降低了模型的规模.针对此模型,提出并开发了适合此问题的遗传算法.通过实验比较六种规则调度方法及遗传算法的性能.计算结果表明,六种规则调度中最好的方法是SPT,而遗传算法调度的性能优于SPT.     

并行多机成组工件调度的禁忌搜索方法

本文讨论的是并行多机成组工件的极小化最小通过时间调度问题。在没有ＧＴ假设下,它是一个非常复杂的组合优化问题,是ＮＰ难题。在本文中,为了解决此类问题,作者尝试采用了两种禁忌搜索的智能优化算法方法：１）利用单机条件下的最优解的性质,提出了禁忌搜索结合启发式的算法（ＴＳ－ＨＥＵ）;２）禁忌搜索结合支定界法的算法（ＴＳ－Ｂ＆Ｂ）。作者作了大量的仿真实验,将两种方法进行了比较。实验结果证明：虽然两种算法都可