多元利益主体目标下的可重入层流手术绿色调度

针对考虑患者、医院、社会多方利益下的可重入层流手术绿色调度问题,提出了混合优化算法INSGAII-LS以同时最小化三个目标:平均患者术前等待感知时长、层流手术中心使用时长和层流手术中心碳排放。首先,算法创新设计了合作搜索策略、种群初始化策略、变尺度交叉与变异策略,LS深度搜索迭代策略,以增强解空间的搜索能力;然后,根据问题特点设计了数据驱动解码策略,并通过三种解码策略对比实验,验证了本文提出的解码策略的有效性;最后,通过不同规模数值实验和仿真案例测试了本文算法相比于其他有效算法(IMSSA,IMOGWO,NSGA-II)的优越性和稳定性。案例仿真发现,决定手术中心使用时长的关键因素是对患者的排序;而手术中心使用时长的缩短并不直接导致碳排放量的减少,还需关注手术室的累积碳排放量。因此,层流手术室的调度在层流手术规划中至关重要。研究结果可为层流手术绿色调度多目标优化提供方法借鉴和决策参考。

考虑AGV运输和机器转速的作业车间绿色调度研究

在车间实际生产中,机器在加工状态和空载状态下都需要消耗能量,且机器在不同转速下的能耗也不同。此外,随着自动导引车(AGV)在车间的广泛应用,其能耗也不可忽略,因此对考虑AGV和机器转速的作业车间绿色调度问题进行研究具有重要意义。完工时间不仅被认为是表示车间生产效率的指标,而且在一定程度上意味着机器空载能耗的减少、机器利用率的提高。为此,对考虑AGV运输和机器转速的作业车间完工时间和能耗优化问题进行了研究。首先,对作业车间机器的能耗、AGV能耗进行了分析,探讨了AGV、工件和机器之间的工艺约束,建立了考虑AGV运输和机器转速的作业车间绿色调度模型;然后,采用两阶段优化的方式分别对完工时间和车间总能耗进行了优化,在第一阶段,机器以最高转速进行了加工,采用改进麻雀搜索算法对其最大完工时间进行了优化;在第二阶段,在保证第一阶段优化得到的完工时间最小值不变的前提下,提出了一种间隙档位调整策略,通过降低部分工序的机器转速来降低车间能源消耗,实现对车间总能耗的优化;最后,采用标准用例对算法进行了仿真实验。研究结果表明:在第一阶段采用改进麻雀搜索算法,提高了种群质量,加快了算法的收敛速度,算法具有较强的跳出局部最优能力;第二阶段在保证完工时间的基础上,采取间隙档位调整策略来降低能耗,通过10个用例测试表明能耗可减少1.13%~5.18%。该结果验证了考虑AGV和机器转速绿色调度模型的正确性以及改进麻雀算法的有效性。

超启发式遗传算法柔性作业车间绿色调度问题研究

针对启发式算法通用性较差的问题,建立了多目标柔性作业车间绿色调度模型,设计了一种超启发式遗传算法对问题进行求解。首先,建立了以最大完工时间和最小能耗为目标的柔性作业车间绿色调度模型,并设计了超启发式遗传算法对模型进行优化求解;然后,对于高层启发式策略采用遗传算法,随机生成初始种群,对种群进行了选择、交叉和变异操作,并且在常规算子基础上,结合柔性作业车间调度特点设计了9种适应该问题的算子,同时对于低层问题域种群采用了贪婪初始化方法生成;最后,通过基准算例验证了算法的运行效率,通过实例验证了算法的性能。研究结果表明:与参考算法相比,采用贪婪初始化生成初始种群的算法其收敛速度较快,运行效率较高,且不容易陷入局部最优;通过超启发式遗传算法获得的解中最大完工时间的最小值为64,最小能耗为647,解的质量不差于其它算法,算法的通用性较强。

考虑绿证–碳排等价交互机制的区域综合能源系统绿色调度

“双碳”目标背景下,将现有碳交易与绿色证书交易机制实现互动,更能反映新能源低碳属性,有助于完善综合能源系统清洁替代的实现机制。该文构建绿证–碳排等价交互机制,提出一种实现碳交易与绿色证书交易联动的区域综合能源系统绿色调度方法。首先,研究碳交易和绿色证书交易运行原理,引入历史新能源配额完成度及其出力预测准确度作为新能源配额分配和绿色证书获取依据之一。然后,研究绿色证书碳减排机理,提出绿证–碳排等价交互机制,通过绿色证书联动碳交易与绿证交易。最后,以系统总成本最小为目标,构建考虑碳交易与绿色证书交易交互的区域综合能源系统优化模型。算例结果表明,该方法可提高系统绿电占比和经济性,进一步体现新能源环保价值。

考虑碳排放量的穿梭油轮路径绿色调度优化

海上穿梭油轮在深远海及海上边际油田的石油外输系统中担任着重要角色,其路径规划决定着整个石油外输系统运输效率。海上原油运输方式占整个原油运量的80%,为提高原油公司市场竞争力、降低其海运成本,对穿梭油轮船队的合理设计及路径的调度优化至关重要。近年来,学者更注重于研究建立一种与环境共生的、能促进经济和消费生活健康发展的绿色物流系统。基于此,提出一种穿梭油轮路径绿色调度优化模型。该模型以最小化穿梭油轮的航运总成本为目标,其中航运总成本由传统的固定运输成本与碳排放有关的可变成本两部分组成。所提模型还同时优化了穿梭油轮船队设计以及航行路线规划。通过案例分析及方案的成本对比,验证了航行速度选择对穿梭油轮航运成本的重要作用。

考虑运输与维护的柔性作业车间绿色调度

为研究具有运输与预防性维护的柔性作业车间绿色调度问题,建立以最小化最大完工时间和最小加工总能耗为目标的具有运输时间与预防性维护的柔性作业车间绿色调度(FJSP-TPM)模型,提出带有启发式初始化调整策略和可变邻域搜索的HVNSGA-Ⅱ算法进行求解。结合问题特点,设计3层染色体编码方式和基于不同编码层的交叉变异规则,同时加入启发式种群初始化策略和不同邻域结构的局部搜索策略,最后通过不同算例对比实验,证明算法在求解FJSP-TPM问题上的有效性。

面向大气污染防治的电力绿色调度策略研究与实践

针对面向大气污染防治的电力绿色调度需要解决的核心问题,提出了一种以污染物排放实时监测数据为依据的发电控制策略及算法,控制策略分为日前和日内两个环节,日前算法基于插值分配法和经济调度模型,日内算法基于机组污染情况排序调整;建设了电力绿色调度应用平台,协调优化电力供应链上"源网荷"各环节的调度运行;建立了多指标量化评价体系对电力绿色调度的实施效果进行评价。通过系统性开展电力绿色调度,电力供应链上全过程的大气污染防治工作取得显著成效。

TFT-LCD制造cell阶段多目标绿色调度问题研究

针对薄膜晶体管液晶显示器(TFT-LCD)制造cell阶段的多目标绿色调度问题,构建了最小化最大完工时间、总能耗和总生产成本为目标的优化模型。采用基于机器和工序的两段式编码,使用在步长因子前加入动态系数的改进布谷鸟搜索算法,结合双元锦标赛和动态淘汰制,根据聚集距离法筛选Pareto最优解来获得Pareto最优解集,对TFT-LCD制造cell阶段多目标绿色调度问题进行求解。结果表明,改进布谷鸟搜索算法优于标准布谷鸟搜索算法和带精英策略的快速非支配排序遗传算法,可以提高TFT-LCD制造cell阶段多目标绿色调度问题的求解效率和质量。

考虑设备预维护的特种车辆白车身试制车间绿色调度优化方法

综合考虑最长完工时间、设备总能耗以及总烟尘排放,构建了典型柔性作业车间多目标绿色调度优化模型,并设计了一种改进人工蜂群算法对其进行求解。首先,根据激光设备功率会发生周期性衰减的特点,提出了一种区分激光设备和普通机械设备的预维护策略,以减小最长完工时间并降低设备故障发生频率。其次,设计了一种基于设备分配和功率选择的变异方式以增强算法局部搜索能力,并在跟随蜂阶段引入基于拥挤距离的选择方法进行种群更新以获得优质个体。最后,扩展现有通用测试集并开展对比实验,同时以某汽车装备制造企业的特种车辆白车身试制车间为实例,进一步验证了模型与算法的有效性和可行性。

融入概率学习的混合差分进化算法求解绿色分布式可重入作业车间调度

本文针对绿色分布式可重入作业车间调度问题(GDRJSSP),提出一种融入概率学习的混合差分进化算法(HDE PL),以实现最大完工时间和总能耗最小.根据GDRJSSP的问题特点,设计编码和解码规则,并采用差分进化算法执行全局搜索来发现优质解区域.为能更明确地引导全局搜索方向,设计基于贝叶斯网络结构的多维概率模型合理学习和积累优质解(即当前种群中的较优解)的模式信息.结合问题解的结构特征,提出基于关键路径的4种邻域结构来构造局部搜索,并设计基于非关键路径的节能策略来提升算法获取低能耗非劣解的能力.仿真实验和算法对比验证了HDE PL可有效求解GDRJSSP.

考虑恶化效应的多目标柔性作业车间绿色调度

考虑到实际生产过程中设备具有恶化特性,针对作业的实际处理时间是由基本处理时间和可变恶化时间组成的柔性作业车间调度问题,构建了最小化完工时间、总能耗和机器总负载的多目标调度优化模型,并提出了一种改进的NSGA-II算法进行求解。结合问题的特点,在算法中设计了一种基于工序和机器的并行双层编码方法及考虑机器恶化效应的贪婪式插入解码方法;并将Pareto等级引入交叉、变异算子,设计了一种基于动态控制交叉变异参数的策略以提高算法的寻优效率;为丰富种群的多样性并加强算法的局部搜索能力,分别设计了分层精英保留策略和4种邻域搜索机制。最后,基于标准算例进行扩展测试,验证了所建模型的合理性与改进算法的有效性。

基于群体免疫算法的绿色车间调度研究

针对机器具有多转速的绿色柔性作业车间调度问题,以最大完工时间最小化和不同转速下的总能耗最小化为优化目标,构建了多转速下的绿色柔性车间调度模型,提出了一种离散的冠状病毒群体免疫算法(discrete coronavirus herd immunity optimizer,DCHIO)进行求解。针对多转速问题解空间较为庞大的特点,引入了离散化的个体更新方式,提出了一种多尺度联合搜索的种群更新机制以快速、均匀地搜索解空间;设计了动态变异操作以增强算法的种群多样性同时实现自适应调整;通过挖掘当前调度方案的经验知识,提出了基于知识驱动的邻域搜索策略,以同时减小最大完工时间和能源消耗。实验结果表明:所提算法可以有效解决多转速绿色柔性调度问题。

考虑运输时间的混合流水车间绿色生产调度

针对运输时间对混合流水车间绿色生产调度的影响这一问题,以最大完工时间、生产能耗及生产成本为优化目标,提出一种改进的多目标麻雀搜索算法(Improved Multi-Objective Sparrow Search Algorithm,IMOSSA)进行求解,参考非支配排序将种群适应度值进行划分、引入正余弦策略提高解集质量、加入多项式变异算子和Levy飞行,提高解集的收敛速度和全局搜索能力,避免陷入局部最优。而后设计16种测试算例,将IMOSSA与其他多目标优化算法进行对比,验证了IMOSSA求解的优越性。最后,以某实际生产车间为例,将其生产调度划分为4种模式,证明算法求解的实用性。

改进NSGA-III求解高维多目标绿色柔性作业车间调度问题

为解决NSGA-III在求解上述模型存在初始解质量差与局部搜索效率低的问题,提出一种改进的NSGA-III(NSGA-III-TV)。基于MSOS编码,分别对OS和MS染色体采取不同混合初始化策略以提高初始解质量;基于关键路径,采用改进N6邻域结构进行邻域搜索,有效缩短完工时间并降低搜索盲目性,同时采用3种有效变异算子扩大算法搜索空间,提高后期收敛能力。结果表明:NSGA-III-TV在求解高维多目标柔性作业车间调度问题上具有较好的性能以及实用性,为企业生产制造车间的智能绿色转型升级提供了有力支持。

超启发式交叉熵算法求解模糊分布式流水线绿色调度问题

针对实际生产过程中普遍存在的加工时间不确定性,采用模糊数表示工件的加工时间,以同时最小化模糊最大完工时间和模糊总能耗为优化目标,建立模糊分布式流水线绿色调度问题(green distributed permutation flow-shop scheduling problem with fuzzy processing time,GDPFSPFPT)的模型,进而提出一种超启发式交叉熵算法(hyper-heuristic cross-entropy algorithm,HHCE)进行求解.首先,HHCE采用一种新颖的三角模糊数排序准则合理计算个体的目标函数值,可在算法搜索过程中较准确发现优质解区域;其次,HHCE在高层利用基于贡献率的评价方法确定8种特定邻域操作所构成的各排列的优劣,同时采用交叉熵(cross-entropy,CE)方法学习较优排列的信息并生成新排列,进而在低层把高层生成的每个排列作为一种启发式算法,对低层相应个体执行一系列邻域操作,以实现对问题解空间较多不同区域的搜索;然后,HHCE将基于非关键路径的节能策略用于对低层每代种群中的较优个体执行局部搜索,从而进一步提高算法获取低能耗非劣个体或解的能力;最后,仿真实验与算法对比表明,HHCE可有效求解GDPFSPFPT.

自适应Jaya算法求解多目标柔性车间绿色调度问题

针对多目标柔性作业车间绿色调度问题(MO-FJGSP),建立优化目标为最大完工时间、机器总负荷和能耗最小的多目标数学模型,并设计一种基于Pareto最优解的自适应多目标Jaya算法(SAMO-Jaya)对该问题进行优化求解.算法采用两级实数编码方式实现工序排序与机器分配的编码表示,并设计一种转换机制实现将Jaya连续解空间映射至FJSP离散解空间;然后设计一种混沌序列与均匀分布相结合的混合策略以提高初始种群的质量与全局分散性;此外,在Jaya算法中嵌入自适应调整种群规模的方法以提高算法求解速度.通过10个单目标与3个多目标基准算例测试,并与7个已有算法进行对比分析,结果表明SAMO-Jaya算法能够对MO-FJGSP进行有效求解.

混合布谷鸟算法求解绿色流水车间调度问题

为协同考虑经济因素和环境因素,求解了优化目标为最小化最长完工时间和碳排放总量的多目标置换流水线车间调度问题(MOPFSP)。提出了一种混合布谷鸟算法(HCS)求解2台机器以上的MOPFSP问题。采用LOV规则将HCS算法中的个体从实数向量转换成工件排序,使其可在MOPFSP的解空间中进行搜索;设计了一种自适应步长控制因子,用于控制算法进化阶段的搜索范围;提出一种多邻域局部搜索,用于对HCS算法全局搜索发现的优质解区域进行细致搜索。由于融合了基于布谷鸟算法的全局搜索和多邻域局部搜索,故HCS算法可有效求解MOPFSP。仿真实验和算法对比验证了HCS算法求解MOPFSP的有效性。

分时电价下多目标绿色可重入混合流水车间调度

针对多目标绿色可重入混合流水车间调度问题(RHFSP)的特点,在机器分配和工序排序的基础上引入分时电价机制,构建了以最小化最大完工时间、总能耗成本和碳排放为目标的绿色调度优化模型,提出了一种改进的多目标文化基因算法(MOMA)来求解该问题,通过数值实验验证了所设计的MOMA算法的可行性。实验结果表明MOMA算法在非劣解的收敛性、多样性和支配性指标方面都显著优于多目标蚁狮优化算法(MOALO)、多目标粒子群优化算法(MOPSO)和带精英策略的非支配排序遗传算法(NSGA-Ⅱ),四种算法的分布性指标无显著差异。所提出的模型能够使企业有效避开高电价时段作业,合理转移用电负荷,达到降低总用电成本和碳排放的目的。

基于EDA的绿色零等待作业车间调度问题求解

针对绿色零等待作业车间调度问题,本文提出一种基于分布估计算法(Estimation of Distribution Algorithm,EDA)的多目标优化算法,用于最小化最大完工时间和总能量消耗.采用双种群增加种群的多样性,并加入启发式操作NEH(Nawaz-Enscore-Ham,NEH)来提高初始解的质量.设计自适应学习速率来控制优良解信息在整个算法搜索过程中的引导作用.结合零等待作业车间调度问题的结构性质与解码方式,提出基于前端省略的快速评价方法,同时利用Insert操作构建两种局部搜索策略,进而加强算法的搜索效率和深度.通过仿真实验和算法对比验证所提算法的有效性.

改进的EDA求解绿色可重入作业车间调度问题

针对生产过程对环境的巨大影响,提出一种基于贝叶斯统计的混合分布估计算法(Hybrid Bayesian-Statistical-Based Estimation of Distribution Algorithm,HBEDA)求解带交货期的多目标可重入作业车间绿色调度问题(Multi-objectiveRe-entrantJobShopGreen Scheduling ProblemwithDue Date,MRJSGSP_DD),实现对最大延迟(MaximumTardiness,MT)和总能量消耗(Total Energy Consumption,TEC)的最小化。首先,在算法初始化阶段,产生一组随机种群,保证种群的随机性和多样性,并构造出非支配解集。其次,引入基于贝叶斯统计的混合分布估计算法构造概率模型,该模型能够学习到工件之间序的关系,增强了算法的全局搜索能力。最后,利用该问题的特性,设计了一种增强型的局部搜索的方法。仿真实验和算法对比验证了该算法的有效性。