自动分拣仓库中多载量AGV调度与路径规划算法

在自动分拣仓库中,多载量自动导引小车(AGV)具有强运输能力,但其多载量特征也增加了调度与路径规划的复杂性。针对多载量AGV调度与路径规划的协同优化问题,以最小化最大搬运完成时间为目标,建立了该问题的混合整数线性规划模型,并提出一种聚类协同优化算法。算法首先定义了包裹相似度,设计聚类算法划分包裹组,使每个包裹组可由多载量AGV在一次作业中完成分拣;进而针对问题的多决策特征,设计协同进化遗传算法对包裹组进行指派和排序,并将无冲突路径规划算法引入到协同进化遗传算法的解码方案中,用以搜索最优路径并解决多AGV路径冲突,从而实现了多载量AGV调度与路径规划的协同优化。通过不同问题规模的仿真实验验证了所提算法的高效性和稳定性。

基于局部性修复的HFS机器故障重调度

针对机器故障下的HFS重调度问题,提出了重调度前后调度方案在时间安排和机器指派上的一致性度量方法,从约束变化的角度建立其动态约束满足模型。模型能够反映工件对重调度前后调度方案的一致性具有不同要求的实际情况。针对问题的模型及其特点,提出了基于局部性修复的重调度算法。仿真实验表明,本文提出的模型和算法是有效的。

基于文化遗传算法求解柔性作业车间调度问题

在分析柔性作业车间调度问题特性的基础上,提出了一种采用主群体空间和信仰空间的双层进化结构的调度算法。该算法采用优良调度方案的知识信息构成信仰空间;提出一种二维矩阵的集成编码;基于工序顺序编码和基于机器分配编码的两种交叉和变异算子在主群体空间进行传统的遗传操作;通过具有自学习特点的相似性选择算子,使子代更好地继承父代的优良特征。通过典型算例的计算实验,表明算法在计算效率和求解质量上均具有较好的效果。

基于约束满足的热轧批量计划模型与算法

将热轧批量计划问题作为一个约束满足问题处理,建立不确定计划数的VRPSTW约束满足模型.在求解过程中,先用约束满足的一致性技术过滤变量的值域,收缩搜索空间;然后用变量选择和值选择构造轧制计划的解.为变量赋值之后,实施约束传播,保证每块板坯只被访问一次并动态禁止子回路.在已有的解的基础上,应用基于禁忌的k-opt互换改进解的质量.数据实验证明模型和算法是有效的.

求解并行加热炉群调度问题的三阶段算法

针对并行加热炉群调度问题,提出了以板坯的最大完工时间和炉内总停留时间最小化为目标的求解算法.算法由3个阶段组成:第1阶段以关键路规则为基础确定板坯排序,在一定条件下具有最优性;第2阶段对任意给定的板坯排序,给出该排序下关于炉内总停留时间的最优可行排序;第3阶段对任意给定的可行板坯排序,给出该可行板坯排序下满足板坯释放时间的最优调度方案.

冷轧生产批量计划与调度问题模型及算法

对冷轧生产系统特点进行分析,将冷轧生产批量计划与调度问题抽象为多阶段、多品种带有中间库的批量计划与调度问题。针对该问题建立了数学模型,通过对库存成本和调整成本惩罚系数的控制可以协调库存水平和调整次数的关系。对所建立的模型,提出了基于二进制粒子群优化与局部搜索的混合求解算法。最后,通过对企业实际生产数据的计算和分析,验证了模型和算法的可行性和有效性。

B2B电子商务模式研究

Ｂ２Ｂ电子商务的本质特征是在网络经济环境下，伴随企业间商务关系的变化而产生的企业经营运作方式的转变．从这个观点出发，本文提出三种Ｂ２Ｂ电子商务的基本模式，论述这些模式的内涵，并在此基础上探讨Ｂ２Ｂ电子商务的实施过程．

等待时间受限的流水车间调度问题的启发式算法

针对等待时间受限的流水车间调度问题,分析了等待时间上限与可行解的解析关系以及目标函数的特殊性质,以此为基础,提出了一种启发式算法。算法采用贪婪与插入相结合的启发式规则构造工件加工序列,通过递归回溯解消其等待时间受限约束。仿真实验表明,该启发式工件排序规则在等待时间约束较紧或问题规模较大时,较其他几种常用排序规则具有更好的效果。

等待时间受限的两阶段流水车间调度问题性质研究

对等待时间受限的两阶段流水车间调度问题的基本性质进行了研究。在问题的复杂性方面,证明了任何基于排列排序的调度规则都不能保证具有最优性,而且问题是强NP难的。在原问题和排列排序问题之间的关系方面,证明了满足排列排序要求的任一工件加工序列均可构成相应的可行调度;当满足一定条件时,排列排序的最优解也是原问题的最优解。这些性质为设计求解算法提供了理论基础。

大规模Job Shop调度的多级邻域变量排序算法

在基于约束满足的Job Shop调度问题求解过程中,变量赋值顺序是影响搜索效率的关键因素。根据问题的约束拓扑关系,提出了变量的多级邻域结构模型,在此基础上构造了一种新的变量排序算法,通过引导当前搜索介入临界区域来提高计算效率。数值实验表明该算法能够有效地改善大规模Job Shop调度问题的求解效率。

关于企业电子商务发展趋势的探讨

互联网的发展为商务活动中的交流和沟通提供了全新的电子手段,并动摇着传统的业务模式。本文分析电子手段对商务活动的影响、企业电子商务的本质特征、以及面向未来业务模式,探讨企业电子商务的发展趋势。

基于动态约束满足的考虑连铸机故障的炼钢连铸调度算法

针对考虑连铸机故障的炼钢连铸动态调度问题,建立了动态约束满足模型,以此为基础提出了基于约束满足的优化方法。该方法通过动态调度策略调整浇次计划,对模型进行预处理,将动态调度问题转化为动态约束满足问题;将模型分为连铸方案修复子模型和炼钢精炼重调度子模型。针对两个子模型给出对应的两阶段求解算法。仿真实验表明了所提算法的可行性和有效性。

混合流水车间调度模型及其遗传算法

针对流程工业生产过程连续性的特点,从一种新的角度建立了工件等待时间受限的混合流水车间调度模型.以总完工时间最小化和工件在各机器最早开工时间最小化为目标函数,利用改进的遗传算法生成最优排序计划,并用模拟的实际生产数据对模型和算法进行验证和分析.

基于约束满足的车间调度算法综述

为了说明如何利用启发式信息构造车间调度的约束满足求解算法,首先概述了常规约束满足求解技术,进而介绍了车间调度问题的约束传播算法、树搜索算法和启发式修复算法的构造原理及适用性。在此基础上,针对目标优化问题,给出两种求解框架。最后,指出近期的研究趋势和进一步的研究工作。

考虑机器检修的圆钢热轧批量调度算法

针对圆钢的热轧批量调度问题,考虑实际生产中的机器检修计划对批量连续性加工的影响,以最大化产能利用率、最小化机器调整时间和订单提前拖期为优化目标,建立了多目标的整数规划模型,并提出改进的带精英策略的快速非支配排序算法对模型进行求解。算法结合问题的约束特征,采用改进的NEH算法生成初始解,并采用罚函数的思想设计适应度函数,对种群中存在的不合理解设计修复规则进行修复;针对遗传进化过程,设计了遗传操作方式,并在算法迭代过程中嵌入基于有限搜索范围的邻域搜索算法,避免算法陷入局部最优。实验结果表明,模型和算法对问题的描述和求解是可行有效的。

基于结构修剪神经网络的股票指数预测模型

股票市场是非线性系统,具有内部结构复杂性和外部因素多变性,在股市指数价格和成交量基础上,引入宏观经济指标共同构建模型预测指标体系,并分析各指标之间的长期均衡关系和因果关系。在贝叶斯分析的基础上,将代表网络复杂性的惩罚项引入模型误差函数中,并通过动态调整惩罚因子删减网络中对股票市场不敏感的隐层神经元,在保证模型泛化能力的同时实现网络结构精简。以上证指数为例,构建基于BP算法的结构修剪神经网络预测模型,在不同的预测指标体系下对股票市场运行规律进行学习,并对上证指数进行仿真预测。最后,通过与其他神经网络预测模型比较验证该模型的有效性。

等待时间受限Flowshop调度的HGA算法

针对等待时间受限的Flowshop调度问题,提出嵌入约束满足和变邻域搜索技术的混合遗传算法。该算法基于约束满足思想,通过递归回溯和约束传播修复工件的开工时间,以解消工件在相邻阶段的等待时间受限冲突,根据回溯工件的位置信息设计相应的交叉算子和变异算子,利用变邻域搜索技术增强算法的收敛性。仿真实验表明该混合遗传算法的有效性,并分析等待时间上限对目标值的影响。

求解置换流水车间调度问题的改进遗传算法

针对置换流水车间调度问题的基本特征和传统遗传算法易早熟的缺陷,设计了改进遗传算法来求解此问题。采用NEH和Palmer启发式算法进行种群初始化,以提高初始解的质量;根据Metropolis准则对染色体进行选择操作,避免陷入局部最优;在变异过程中引入禁忌算法,避免迂回搜索;在算法迭代过程中引入了保优机制,避免丢失优秀染色体的基因信息;采用自适应终止准则,以保证解的质量。基于典型Benchmark算例的仿真实验结果表明,算法在求解质量和收敛速度方面明显优于NEH算法和种群经过初始优化的传统遗传算法。

对称加密算法Rijndael及其编程实现

AES是新的分组对称加密算法高级加密标准,源自比利时人Daemen和Rijmen共同设计的Rijndael算法。该算法充分运用了扩散和混淆技术并使用128/192/256 这3种可变长度的密钥,对128bit分组数据进行加密。对这一算法的加密过程进行了介绍,说明其中S盒的生成方法。给出了利用VC++实现AES的主程序。

基于粒子群和约束满足的钢轧一体化批量计划优化

在分析钢铁生产中的钢轧一体化批量计划编制问题基本特征的基础上给出了一体化编制策略,并建立了问题的约束满足优化模型。针对模型的NP难特性,提出了一种将改进离散粒子群算法、约束满足和邻域搜索相结合的混合算法。算法采用自然数矩阵编码,每个粒子代表其相应任务分配问题的解;在构造启发式解的基础上,利用邻域搜索方法计算粒子的适应值;为提高算法的收敛速度,利用约束满足技术生成初始化可行种群并修复迭代过程中产生的不可行解。基于企业实际生产数据的仿真实验结果验证了模型和算法的有效性。