一种差异工件单机批调度问题的蚁群优化算法

由于在利用蚁群算法构建差异工件(即工件有尺寸差异)单机批调度问题的解时,批的加工时间是不确定的.从而不能类似于经典调度问题的蚁群算法把批加工时间的倒数作为蚁群算法中的启发式信息,引入批的利用率和批的负载均衡率作为蚁群算法中的启发式信息,提出了JACO(ant colony optimization based a job sequence)和BACO(ant colony optimization based a batch sequence)两种蚁群优化算法.在算法JACO中,解的编码为工件序列,它对应着用BF(best fit)分批规则生成的调度方案,信息素代表工件间的排列顺序;在算法BACO中,解的编码为批序列,信息素代表工件间的批相关性,由此信息素通过中间信息素量来构造相应的解,并引入特定的局部优化策略,提高了算法的搜索效率.实验表明,与以往文献中的SA(simula-ted annealing)、GA(genetic algorithm)算法以及FFLPT(first-fit longest processing time)、BFLPT (best-fit longest processing time)启发式规则相比,算法JACO和BACO明显优于它们,且BACO算法比JACO算法效果更好.     

基于改进蚂蚁算法的拉动式供应链动态调度分析

分析了拉动式供应链调度动态性的产生根源,指出由于存在供应链协作成员之间复杂的协作与竞争关系,导致了供应链动态调度的特殊性;分析了供应链动态调度过程中的两个主要瓶颈.为了合理解决瓶颈问题,在优化供应链动态调度过程中引入蚁群觅食的寻优机理,并对其进行特定的算法设计及改进,提出供应链动态调度的蚂蚁寻优算法.仿真结果验证了算法可行有效.     

基于改进蚁群算法的现代物流运输最优路径规划方法

针对传统方法在物流运输最优路径规划中所规划的路径运输时间比较长的问题,文章提出基于改进蚁群算法的现代物流运输最优路径规划方法。具体做法是在现代物流运输模型中确定井场货物运输路径的冲突点,通过确定运输道路长度、运输时间、运输路径路况等运输逻辑属性,对井场货物运输路径规划问题进行描述,在此基础上利用改进蚁群算法确定现代物流运输路径,并以时间、成本及路况作为约束条件对路径进行约束,选出时间最短、成本最低、路况最好的路径作为现代物流运输最优路径,以此完成基于改进蚁群算法的现代物流运输最优路径规划。实验证明,按照设计方法规划的路径运输时间短于传统方法。     

改进蚁群算法在海洋工程群项目资源调度中的应用

当今海洋工程群项目管理中的瓶颈之一是人力、资金、设备及材料等资源的合理、动态调度问题。针对此问题,引入了基于信息熵的改进蚁群算法。该方法将资源需在各个分项目中占用的时间与资源的急需程度与之比作为算法中的启发式信息进行处理。与传统调度方法的比较及海洋工程群项目资源动态调度工程实例表明,该方法可实现资源的合理、动态调度,为海洋工程及其他工程领域群项目管理提供了一较为有效的资源调度算法。     

基于改进蚁群算法的低碳车辆路径问题研究

全球气候恶化危及人类生存环境,物流运输过程中产生的大量温室气体则是祸源之一。本文考虑带有碳排放约束的车辆路径问题（VRP）,以车辆行驶里程最短和碳排放量最小为目标,构建了多目标的VRP非线性规划模型。提出了一种改进的蚁群系统算法对该模型进行求解,算法在更新路径上的蚂蚁信息素时引入了混沌扰动机制,此举能降低算法运行时陷入局部最优解的概率并有效提高算法的适应性。同时,对启发因子、状态转移概率、信息素更新等环节进行了优化设计,提高了最优路径的搜索效率。最后,数值仿真实验证明了该算法的求解表现优于同类研究常用的遗传算法和禁忌搜索算法,具有较强的全局寻优能力。在灵敏性和有效性的保证下,本研究所设计的改进蚁群算法能够较好地处理低碳车辆路径问题（LCVRP）。     

蚁群算法研究评述

对蚁群算法的相关研究领域进行了评述,阐述并分析了蚁群算法的研究进展,重点介绍了蚁群算法及其一系列改进算法的基本原理和应用研究成果,最后从发展重点和未来应用等方面探讨了蚁群算法研究的进一步发展方向.     

电子商务下基于改进两阶段算法的有时间窗车辆调度优化

为满足电子商务下的物流配送需求,将传统车辆调度模型进行修改,将目标函数改为基于费用最小,在约束条件中增加时间约束、货物容积约束、车辆最大工作时间、多种车型、载重量限制和最大行驶距离等,以提高模型的适用性和通用性。由于有时间窗的车辆调度问题是NP难问题,采用改进两阶段算法进行求解。即第一阶段用模糊分层聚类法将客户群分成若干区域,在每个区域又用扫描算法分解成若干符合约束条件的小规模子集;第二个阶段对各个分组内客户点,就是一个个单独TSPTW模型的线路优化问题,因此,采用改进混合遗传算法进行优化求解,最后的算例仿真表明了算法的有效性和可行性。     

基于供应链协同理论的制造企业采购管理研究

制造型企业采购成本的高低以及客户需求的响应速度直接影响到企业的获利能力。本文研究了传统采购与基于供应链协同理论的采购的区别,在此基础之上,分析了制造企业基于供应链协同理论的采购管理模式即企业内、外部的协同采购模式,最后探讨了物联网背景下协同采购的发展趋势,分析总结了协同采购的物联网架构。     

基于复杂网络的复杂产品协同制造网络研究

复杂产品协同制造网络是一个由多个供应商主体组成的具有交互关系的复杂网络。协同制造网络中的每个供应商在自身运作模式的基础上与其他企业协同,进行资源、信息和技术的交互,从而共同完成复杂产品的制造。本文依据复杂网络理论,分析了复杂产品各级供应商主体的特点及其相互之间的业务关系,构建了复杂产品协同制造网络。     

房地产开发项目投资组合优化的改进蚁群算法

开发项目投资组合是分散房地产开发非系统风险的一重要策略。现有的房地产开发投资组合理论及算法存在缺陷,本文利用熵作为风险衡量指标,并将蚁群算法引入房地产开发领域,且针对基本蚁群算法存在的计算复杂,易陷入局部最优等缺陷,提出了一种基于信息熵的改进蚁群算法,采用由信息熵控制的路径选择及随机扰动策略实现了算法的自适应调节,克服了基本蚁群算法的不足。TSP问题的计算结果表明了该方法较之其他改进算法的优势。以各项目间的均值熵代替TSP中的各城市距离后的房地产投资组合计算实例表明,该方法具有较好的收敛性、稳定性和鲁棒性,是求解组合优化问题的一种较好的方法。     

考虑分时电价的多目标批调度问题蚁群算法求解

对同时优化电力成本和制造跨度的多目标批处理机调度问题进行了研究,设计了两种多目标蚁群算法,基于工件序的多目标蚁群算法(J-PACO,Job-based Pareto Ant Colony Optimization)和基于成批的多目标蚁群算法(B-PACO,Batch-based Pareto Ant Colony Optimization)对问题进行求解分析。由于分时电价中电价是时间的函数,因而在传统批调度进行批排序的基础上,需要进一步确定批加工时间点以测定电力成本。提出的两种蚁群算法分别将工件和批与时间线相结合进行调度对此类问题进行求解。通过仿真实验将两种算法对问题的求解进行了比较,仿真实验表明B-PACO算法通过结合FFLPT(First Fit Longest Processing Time)启发式算法先将工件成批再生成最终方案,提高了算法搜索效率,并且在衡量算法搜索非支配解数量的Q指标和衡量非支配集与Pareto边界接近程度的HV指标上,均优于J-PACO算法。     

面向并行制造的多生产单元协同调度研究

为提升多生产单元制造系统整体效率,在其系统内开展面向并行制造的协同调度研究,在考虑运输、换线等时间的基础上,构建多生产单元并行协同调度模型,采用并行分段协同遗传算法求解;在此基础上,将所研究协同调度方法应用于某复杂机电产品多生产单元制造车间,并与变批量调度与等批量调度比较。研究表明,所提的并行协同调度方法可以显著提升生产单元效率,提高生产单元设备和人员利用率。     

基于混合蚁群算法的冷链物流配送路径优化研究

基于绿色物流发展理念,为企业寻求经济与环境达到双赢的局面,本研究将节能减排转化为绿色成本,融入路径优化问题中,建立以总成本最小为研究目标的冷链物流路径优化数学模型。针对蚁群算法初始阶段由于信息素不足导致收敛速度慢的问题,将A*算法与蚁群算法相结合,利用A*算法的全局收敛性和蚁群算法的正反馈性构造了一种混合蚁群算法。通过对实例进行仿真优化与对比分析,验证了模型和算法的有效性。     

基于混合蚁群算法的生产系统设施规划问题研究

设施规划问题主要研究生产设备的布局规划,从而减小厂区内的物料搬运成本。一个有效的设施规划有利于生产过程中整体运作效率的提高。随着市场竞争的日趋激烈,市场环境处于不断的变化之中,制造企业需不断对设施布局进行重新规划来适应不断变化的市场环境对产品需求量的影响,并达到降低成本的目的。这一问题便需要用多阶段设施规划（MFLP）的方法来解决。本文提出了一种改进的混和蚁群算法（HACO）来解决带有财务预算约束的多阶段设施规划问题,并将此方法与其他一些典型的启发式算法进行了对比分析。结果表明,本文提出的HACO算法是求解带有财务预算约束的MFLP问题的一种有效的方法。     

基于ASRank和MMAS的蚁群算法求解飞机指派问题

本文将航班串的飞机指派问题归结为车辆路径问题,考虑连续航班串之间衔接时间、衔接机场的约束、每架飞机的总飞行时间约束,建立了带有飞行时间约束的车辆路径问题的混合整数规划模型。构造了蚁群系统算法,引入基于排序的蚂蚁系统和最大最小蚂蚁系统算法的信息素更新策略。选取某航空公司7组初始航班串集合进行测试,并对算法中的重要参数进行了分析。实验结果表明,本文设计的模型和算法可以有效地减少连续航班串之间的总衔接时间,在可接受的计算时间内获得满意解。     

基于改进遗传算法的置换装配线调度问题研究

企业的置换装配线调度问题（Permutation Assembly-line Scheduling Problem,PASP）是一类典型的NP-hard型生产调度问题,是现代集成制造系统CIMS极为关心的问题。该问题可以具体描述为n个工件要在m台机器上加工,每个工件需要经过m道工序,每道工序要求不同的机器,这n个工件通过m台机器的顺序相同,它们在每台机器上的加工顺序也相同,问题的主要目标是找到n个工件在每台机器上的最优加工顺序,使得最大完工时间最小。由于PASP问题的NP-hard性质,本文使用遗传算法对其进行求解。尽管遗传算法常用以求解调度问题,但其选择与交叉机制易导致局部最优及收敛慢。因此,本文提出基于区块挖掘与重组的改进遗传算法用于求解置换装配线调度问题。首先通过关联规则挖掘出不同的优秀基因,然后将具有较优结果的基因组合为优势区块,产生具优势的人工解,并引入高收敛性的局部搜索方法,提高搜索到最优解的机会与收敛效率。本文以OR-Library中Taillard标准测试例来验证改进遗传算法的求解质量与效率,结果证明：本文所提算法与其它求解调度问题的现有5种知名算法相比,不仅收敛速度较快,同时求解质量优于它们。     

基于遗传算法的虚拟企业协同资源优化问题研究

面向复杂零件的协同制造,以工艺流程为核心将协同制造任务进行分解,并有效利用"逻辑制造单元"和"逻辑加工路线"等概念描述复杂零件的协同制造任务,最终目标是形成基于复杂零件工艺流程的、可支撑异地协同生产的加工路线。对复杂零件协同制造的制造资源优化配置问题进行了数学分析和描述,建立了问题的目标函数与约束条件。本文以加工时间、运输费用和加工质量作为目标,约束条件包括顺序约束、释放期约束、时间约束、交货期约束、成本约束和质量约束,最终将资源优化配置问题归结为多目标优化问题,并利用遗传算法进行求解,得到了较为满意的结果。通过实例分析,将模型应用于某型号发动机叶片协同制造,说明采用本论文的模型可以有效解决复杂零件协同制造的资源优化配置问题。     

随机订单干扰下考虑合并决策的供应链网络调度研究

为满足客户个性化需求的快速响应,企业需具备柔性的外部供应链网络结构,以协同方式共同完成产品生产。本文考虑具有交互特征的多个不同类型协同供应链网络,构建生产成本、库存成本、等待成本以及订单延期交货成本最小化的目标函数,并设计合并决策判断变量构建同类订单在相同协同企业处的开始时间约束。此外,模型中考虑确定订单以及随机订单两种类型订单,并设计随机订单在区间时间段中离散时间点的到达概率。为获取协同供应链网络生产调度优化策略,基于随机订单到达与否的场景构建四个子决策模型,并进一步设计判断提前安排随机订单协同生产和不提前安排随机订单协同生产不同调度策略下成本差异的主决策模型。仿真结果表明合并决策在带来生产成本效益的同时也引起了部分订单的延期交货,且不同类型的协同供应链网络对随机订单的抗干扰能力存在一定程度的差异。