单机加权成套订单数遗传算法研究

从实际应用出发,提出了使成套订单数最大的单机排序新问题,建立了该问题的0-1整数规划模型,相应设计了求解的遗传算法,并通过一个算例对这类排序问题和所提出的算法进行了说明,计算结果表明了算法的有效性。

面向成套订单问题的工艺规划与排序的集成研究1

本文从工艺规划与排序的集成优化角度研究了成套订单问题[1],克服了单独研究工艺规划和排序局部优化的局限性。文章中考虑了同一工件内部各道工序之间存在的优先加工限制,以及工件在不同机器上加工需要转移时间和工序间接连加工需要机器调整时间的情况,建立了成套订单问题的集成排序模型,并提出了针对求解大规模问题的基于遗传算法的启发式算法,最后通过一个算例对所研究的集成排序问题和所提出的算法进行了说明,计算结果表明了算法的有效性。

动态环境下有时间窗的成套配送车辆路径问题

为解决成套配送车辆路径优化问题,针对配送线路动态变化的特点进行行程时间分析,根据服务时间窗设计满意度函数,在基本VRP模型中增加满意度目标,建立动态环境下的仿真模型;采用"预优化阶段+实时优化阶段"两阶段求解策略,利用分解法进行问题分解,设计禁忌搜索算法求解,对已产生的路径进行优化调整;仿真计算验证了模型和算法的有效性与研究的实用价值。

最大化流水作业加权成套订单数的研究

针对流水作业的加工过程及其复杂性,建立了基于两台机器流水作业工件排序的0-1混合整数规划模型,以最大化加权成套订单数为目标函数。基于求解此类NP难题主要用启发式近似算法,提出了合成分派规则与局部搜索算法相结合的近似算法,用来求解所提出的混合整数规划模型。应用实例表明,用启发式近似算法,以最大化两机流水作业成套订单数为目标,可得出较满意的工件排列次序,从而表明了该算法的有效性。

不确定经验分布下的成套订单数模型

基于不确定理论,在单机加权成套订单数问题中,建立了该问题的新的不确定模型,并利用不确定经验分布的方法对此类问题进行了说明.最后给出算例,并且运用Matlab求出了其最优解.

并行机含调整时间成套订单数问题遗传算法

为使总加权成套订单延迟数最小,提出了一类新的目标排序问题—并行机带调整时间加权成套订单数问题。多个工件来自多个订单,分属多个不同组类。每个订单有一个权值,每个工件有确定的加工时间、交货期,且需在多台并行机上加工。每个工件只需在任一台机器上加工一次,只有所有属于某一订单的工件都在各自交货期内完工才称此订单成套完工。建立了问题的数学模型,设计了一种启发式遗传算法。通过算例分析及对随机产生的数据进行验证得出,遗传算法对于大中型成套订单问题是十分有效的。

基于启发式-遗传算法的混合流水车间成套订单问题

针对并行机带工艺约束的混合流水车间环境下的成套订单问题,提出一种基于分批调度策略的启发式遗传算法。首先,以最大化加权成套订单数为目标建立数学模型,对工件分批采用内层遗传算法生成初始调度;再以外层启发式规则转化目标为最大加权成套订单数,设计一种订单评价指标用于突破交货时间瓶颈;最后,内外层算法循环优化,直到不存在瓶颈即得到满意解。实例验证结果显示,启发式遗传算法能在20代以内得到每组最优调度,种群规模大于50时得到最优解的概率达到70%。对比实验结果显示,当问题规模增加到40个工件时,遗传算法求解时间显著增加,在不同问题规模中临界比最小(SCR)规则优化后的加权成套订单数均较启发式遗传算法更少。启发式遗传算法能在实际工程中够将加权成套订单数提高到1.5倍以上,使加工时间平均缩短5.1%。结果表明,启发式遗传算法能够改善成套订单问题在混合流水车间环境下易陷入局部最优的问题,可在大规模复杂混合流水车间的订货型企业中实现计划与生产同步,具有实际意义。

客户成套订单配送策略混合遗传算法研究

针对第三方物流企业如何安排成套订单的合成运输问题,提出了客户成套订单配送决策问题,通过增加虚拟节点的方式,使此问题模型巧妙地转化为有时间窗车辆路径问题VRPTW模型。同时提出了一种混合遗传算法,成功地解决了在车辆数最小条件下,行车路程最短的关键问题。算例结果以及与其他文献算法的比较结果证明算法是有效的。

单机带调整时间加权成套订单数问题遗传算法研究

通过大量的企业调研,提出了一类新的目标排序问题——单机带调整时间加权成套订单数排序问题:n个工件来自m个订单,分属B个不同类别,不同类之间的工件连续加工有调整时间,各工件有自己的交货期,一个订单中所有工件均按期完工则该订单成套完工,目标为加权成套延迟订单数最小。提出两类问题并且通过数学模型进行表述,设计相应的遗传算法,仿真结果表明该算法是可行而有效的。

柔性作业车间的成套订单调度问题

随着加工制造业的发展,面向成套订单的加工生产方式得到广泛的应用,但由于柔性作业车间的特殊性以及成套订单问题的复杂性,目前对该问题进行的相关研究极少。本文以最大化加权订单成套率为目标,提出了一种柔性作业车间环境下的成套订单调度模型;根据问题特点在最大最小蚂蚁系统(MMAS)的基础上加入了一种新的邻域结构,通过削减和消除订单及工件的交货时间瓶颈提高了加权订单成套率。采用正交试验方法对算法参数进行整定,与其他元启发式算法的对比结果验证了本文算法的先进性和稳定性。

改进GSO算法的成套订单调度和维修联合优化

基于对生产调度和设备维修间相关关系的分析,设计了成套订单调度和设备维修的联合策略。该策略根据故障率的大小来判定对应的设备维修活动或后续的调度任务,根据该策略,以加工作业顺序和预防性维修阈值为决策变量,加权成套订单数最大为优化目标构建了联合决策模型。利用对调度问题特点和设备故障机理的分析,设计了一个改进的萤火虫算法,将其运用于求解所提出的联合决策模型,并通过数值实验和灵敏度分析,验证了改进算法的可行性和模型的有效性。

服务水平约束下流水车间成套订单调度研究

本文针对流水车间环境,研究了服务水平约束下成套订单的调度问题,通过建立与分析该问题的模型,研究并设计了用于排序的三种构造式启发算法,以及用于确定订单成套数的构造式启发算法、改进遗传算法和模拟退火算法,最后通过各种规模及不同约束度的算例进行模拟计算与比较分析,结果表明了改进遗传算法的有效性,但其它两种算法也各有优点。

不确定环境下的单机成套订单鲁棒计划

讨论了不确定环境下订单数量可变的单机成套计划的优化问题,利用对偶变换给出了该问题的鲁棒整数规划模型,并设计了相应的遗传算法。算法对约束条件难点的处理采用了四种不同的方法即死亡惩罚、罚函数法、修补方法和解码方法,以检验算法的性能。最后进行了数值仿真实验,以比较不同算法的有效性。

一种单机加权成套订单数问题的遗传算法

在基本的单机加权成套订单数问题[1]研究的基础上,增加考虑加工工件具有多种类型,且同类工件可分开加工,不同类工件之间接连加工需要机器调整时间的情况。建立了该类问题的0-1整数规划模型,设计求解该类问题的遗传算法,并通过一个算例对这类排序问题和所提出的算法进行说明。算法在文中所列三种初始种群规模下的10次运算内都能得到算例的最优解0.77,每次运算大都在100代以内得到收敛,多次试验结果显示算法具有较强的寻优功能、收敛平稳且运算时间较短,表明了算法求解此类问题的有效性。

并行多机加权成套订单数极大化的混合遗传算法

从实际应用出发,提出了在相同的并行机上加权成套订单数极大化的排序问题,建立了该问题的整数规划模型,并设计了一种有效的混合遗传算法.还通过一个算例对这类排序问题和所提出的算法进行了说明,计算结果表明了该算法的有效性.

面向成套订单的生产与配送协调的排序研究

在工件体积和运输车辆容量的双重约束条件下,建立了以最大化成套订单数和最小化工件总配送时间的多目标规划模型,使用多目标排序寻找"约束解"的方法结合遗传算法求解此模型。最后通过算例分析,给出多目标规划模型及其综合算法在FLOW SHOP生产作业环境中的应用。计算结果表明,应用此模型和算法能够满足最大化成套订单数的要求,同时节省总的工件配送时间,有潜在的应用价值。