计算机辅助生产计划的研究

本文通过对企业生产计划过程的分析，建立了生产能力检验和生产安排的数学模型，并设计由计算机实现的算法。     

基于工作流的多型号产品生产计划与调度系统

为了实现多型号产品生产计划与调度过程的并行与信息有效集成,针对型号产品研制生产的特殊要求,提出了一种基于工作流的多型号产品生产计划与调度模型.建立了生产计划与调度过程模型、计划模型和组织模型,提出了一种基于协同理念的运行控制模型,详细描述了协同控制运行机制和相应的调度策略.利用Delphi6开发了多型号产品生产计划与调度管理系统.应用表明,该系统能够有效地提高生产计划与调度过程的监控能力,缩短型号研制生产周期.     

计算机辅助生产计划的研究

本文通过对企业生产计划过程的分析，建立了生产能力检验和生产安排的数学模型，并设计了由计算机实现的算法。     

综合生产计划的随机最优化问题

探讨了产品价格及资源使用量为随机变量的情况下，使用有补偿二阶段模型进行综合生产计划制定的实用算法．     

不确定性资源约束下的跨企业协同计划问题

针对复杂产品制造的跨企业生产计划管理特点,提出了项目管理与ERP结合的跨企业协同生产计划集成管理模式,针对复杂产品制造资源不确定的特点,提出了以交货期最短为目标,以不确定性资源为约束的跨企业协同生产计划算法.算例结果表明,该方法满足项目子任务的优先关系约束和不确定性资源的约束,验证了该方法的有效性.     

智能CAPP系统及其加工资源动态决策

为了提高计算机辅助工艺规划（CAPP）系统的柔性、可扩展性、可重用性和动态适应性，基于并行工程理念，采用多代理技术，提出了一种智能CAPP系统体系结构．在研究了智能CAPP系统的工作机理基础上，利用BP神经网络和相关算法实现了车间加工资源的动态决策．结果表明：基于多代理的智能CAPP系统由若干代理构成，每个代理具有独立的功能、结构、推理机和知识库，它们通过协作完成对整个工艺计划问题的求解，在系统结构上具有可重构、可扩展的能力；企业的应用表明，通过CAPP和车间生产计划的集成，基于BP神经网络实现制造资源的动态决策，使得工艺计划的可执行性提高了近1／3．     

瓶颈能力均衡优化利用的主生产计划方法

为解决企业生产计划与控制系统中主生产计划的优化编制和能力均衡利用问题,提出一种基于瓶颈能力均衡优化利用的主生产计划排产方法.该方法在保证产品需求数量和交货期的前提下,实现了展望期内各时段能力的均衡优化分配利用,增强了计划的稳定性和抗干扰能力,同时从成本角度对计划进行了优化.文章详细描述了算法的思想、规则和步骤,给出的实验结果和分析证明了算法的有效性.     

一种以计划网络为基础的MRP算法

针对项目型企业使用传统MRP算法编制的生产计划存在的有效性差、调整频繁、重复计算量大等缺点,基于OPT的思想,提出了一种以计划网络为基础MRP算法。该算法支持在多级主生产计划的条件下,根据订单、产品与过程定义、库存状态、在制品等信息,计算物料需求和创建各需求关联,并在此基础上应用网络计划技术编制生产计划。     

智能作业车间动态调度系统研究与实现

为解决单件小批车间生产受到不确定性事件的影响,而使得实际生产过程偏离作业车间计划,导致产品无法按期交付这一问题,研究并实现了智能作业车间动态调度系统。系统包含基于Zigbee与传感器等物联网技术实现的智能感知子系统、基于大数据分析技术实现的智能双驱动机制子系统和基于云计算技术实现的调度算法云服务子平台,保证了作业计划动态调度的高质量完成。最后,将哈尔滨电机厂历史生产数据作为测试用例,验证智能作业车间动态调度系统的有效性。     

解决一类家纺企业生产计划排单问题的并行混合遗传算法

为了解决一类家纺企业的生产计划排单问题，提出了一个基于自然编码的混合遗传算法，此算法具有如下特点：一方面编码方式能有效地反映调度方案；另一方面对每子代得到的调度方案利用爬山算法对其进行了局部调整，大大加快了收敛速度．同时为了更好地适应调度实时性和解大规模此类问题的需要，基于遗传算法自然并行性特点的基础上，实现了主从式控制网络模式下并行混合遗传算法．计算结果表明，此算法是有效的，优于普通的遗传算法，有着较高的并行性，并能适用于解决大规模此类企业生产计划排单问题.     

基于加权启发式遗传算法的装配序列规划

传统遗传算法求解装配序列规划问题时会在初始化过程中产生大量非可行序列,影响求解速度并且导致最终得到的规划解质量不高.针对该问题,通过在初始化过程中加入启发式算子和基于无向图的广度优先搜索策略,保证了初始化个体的可行度和高适应度;在此基础上,对装配规划问题的特征重新对选择、交叉和变异算子进行了设计.实验表明,改进后的算法具有更好的稳定性和高效性,并且算法执行过程中不需要注入人工信息,使得装配过程更加自动化.     

基于改进合同网协议的半导体封装测试工厂启发式产能平衡优化

针对半导体封装测试工厂生产制造过程中生产计划分配的交互性问题,运用分布式多Agent技术,对生产分配过程进行模块化封装。在传统合同网协议基础上进行改进,嵌入"产能注册矩阵"的模式构建了多Agent协商策略模型,提出了智能体间招标—投标—中标的交互机制。对投标过程的产能平衡问题,运用启发式算法进行了优化。通过S企业生产计划实例分析和传统MRPⅡ方法投标结果对比,验证了改进的合同网协商模型和启发式算法对生产任务分配和产能平衡具有相对优良的投标完成率和相关系数矩阵。     

应用改进随机树算法的无人艇局部路径规划

针对无人艇航速高及实时性要求高的特点,为满足路径规划需要,在经典快速扩展随机树(RRT)算法的基础上,设计一种基于改进RRT算法的局部路径规划方法,引入抑制因子、限定转角和距离启发信息,改进生长点和探索点的选择,提高了算法速度.为兼顾航行距离最短和无人艇操控性能的特殊要求,对规划路径采取多余航点处理以及考虑回转性能的平滑处理.以海上和湖上典型雷达图像的处理结果为环境模型,进行局部路径规划试验.试验结果表明:该方法可以快速完成路径搜索,在提高搜索效率的同时缩短了规划距离,优化处理后的航线更适用于无人艇的跟踪,满足无人艇规划系统的要求.     

面向ISPKN钢铁流程生产计划与调度系统研究

针对钢铁流程的特点,研究了钢铁产品线组合计划、产品综合生产计划、连续流程生产计划以及混合流程生产计划和钢铁流程知识网框架,基于遗传算法对上述的生产计划与调度进行了仿真研究,计算结果表明所建立的模型具有较好的针对性,效果较好。     

基于改进指针网络的卫星对地观测任务规划方法

针对卫星观测任务规划问题约束复杂、求解空间大和输入任务序列长度不固定的特点,使用深度强化学习（DRL）方法对卫星观测任务规划问题进行求解. 综合考虑时间窗口约束、任务间转移机动时间和卫星电量、存储约束,对卫星观测任务规划问题进行建模. 基于指针网络（PN）的运行机制建立序列决策算法模型,使用Mask向量来考虑卫星观测任务规划问题中的各类约束,并通过Actor Critic强化学习算法对模型进行训练,以获得最大的收益率. 借鉴多头注意力（MHA）机制的思想对PN进行改进,提出多头注意力指针网络（MHA-PN）算法. 根据实验结果可以看出,MHA-PN算法显著提高了模型的训练速度和泛化性能,训练好的MHA-PN算法模型可以直接对输入序列进行端到端的推理,避免传统启发式算法迭代求解的过程,具有较高的求解效率.     

基于遗传算法的针织染色生产调度方法

为解决针织染色过程中人工进行染色排缸效率低、合理性差的问题,提出一种新型调度方法。通过对染色生产过程的分析,建立了相应的生产调度模型,并采用启发式算法和遗传算法相结合的方法对模型进行求解。应用该方法可以在实现自动排缸的前提下,满足生产的实际需要,并优化生产调度,对提高染色生产的自动化有一定实际意义。     

基于可搜索24邻域的A*算法路径规划

针对A^*算法在移动机器人路径规划时求解得到的路径长度不是最优并且转折点较多的问题,提出了可搜索24邻域的A^*算法路径规划.该方法在传统A^*算法的基础上进一步改进其启发搜索策略,将传统A^*算法的可搜索邻域个数从离散的8个扩展到24个,进而增加更多的搜索方向.结果表明,改进的A^*算法实现了路径长度更短的目的,同时降低了转折点数,且移动机器人的运行路径也更加平滑.本文方法具有较强的实际意义和应用背景,通过实际运行过程验证了其设计方法具有一定的有效性.     

面向无人机航迹规划的自适应乌贼算法

面向无人机在线/离线航迹规划应用,针对传统乌贼算法的长时搜索局域化及精度变差问题,提出了一种联合修正的自适应乌贼路径搜索算法.首先,提出联合混沌扰动与变异学习的混合调节机制来扩充乌贼搜索深度,以提高搜索精度;然后,引入自适应权重机制来减小乌贼搜索范围,以提高搜索效率;同时引入适应度自动筛选机制来改善乌贼种群多样性,以防止陷入局部最优.通过6个基准函数测试验证了所提算法的有效性与先进性,最后对所提算法进行不同场景下的航迹规划仿真验证.针对离线航迹规划,所提算法规划航迹成功率高达100%,规划航迹最接近全局最优,其航程均值相比传统乌贼算法可缩减7.3 units,比粒子群算法缩减可达28.3 units.仿真结果表明:所提算法全局规划性能和搜索精度显著增强,同时随着场景复杂度的提高,其航迹优化效果更加显著;针对在线航迹规划,首先将全局路径规划问题转化为若干个航迹分段的规划,然后引入启发式方法确定分段节点.仿真结果显示所提算法满足实时性要求,规划航迹精度高,进一步验证了所提算法的有效性.     

基于遗传蚁群算法的机器人全局路径规划研究

蚁群算法是基于生物界群体启发行为的一种随机搜索寻优方法,它的正反馈性和协同性使其可用于分布式系统,隐含的并行性更使其具有极强的发展潜力,它在解决组合优化问题上有着良好的适应性。因此将其应用到智能机器人全局路径规划中,其目的是探索一种新的路径寻优算法.在基于栅格划分的环境中,研究了机器人路径规划问题中蚁群系统的"外激素"表示及更新方式,并将遗传算法的交叉操作结合到蚁群系统的路径寻优过程中,提高了蚁群系统的路径寻优能力,为蚁群算法的应用提供了一种新的探索.