混合三维分布估计算法求解分布式加工装配和车辆配送集成调度问题

本文针对一类广泛存在的分布式加工装配和车辆配送集成调度问题(Integrated Scheduling Problem of Distributed Production Assembly and Vehicle Delivery,ISP_DPAVD),以最小化运输和延迟惩罚总成本为优化目标,提出一种混合三维分布估计算法(Hybrid three-Dimensional Estimation of Distribution Algorithm,H3DEDA)进行求解.ISP_DPAVD包含两个耦合的子问题,即加工装配阶段子问题(子问题1)和车辆配送阶段子问题(子问题2).由于每个子问题1的解(部分解1)均会确定1个具体的子问题2,故ISP_DPAVD的解空间非常庞大.根据这一特点,在H3DEDA中,先设计结合邻域变换的启发式规则来快速获取子问题2的优良解,以实现子问题间的部分解耦并明显缩减搜索空间,再设计三维EDA引导的全局搜索和变邻域驱动的局部搜索来获取ISP_DPAVD的高质量解.通过在不同规模测试问题上的仿真实验和算法比较,验证了H3DEDA求解ISP_DPAVD的有效性.

超启发式三维分布估计算法求解分布式流水线和车辆运输集成调度问题

针对一类广泛存在的分布式流水线和车辆运输集成调度问题(Distributed Permutation Flow-shop and Vehicle Transportation Integrated Scheduling Problem,DPFVTISP),本文建立问题模型,并提出一种超启发式三维分布估计算法(Hyper-Heuristic three-Dimensional Estimation of Distribution Algorithm,HH3DEDA)进行求解.首先,根据DPFVTISP的问题特性,采用贪婪策略设计一种新颖的编解码规则.其次,为实现对DPFVTISP问题解空间中不同区域的深入搜索,设计10种低层启发式操作(即10种有效的邻域操作),并将其所构成的排列作为高层个体;同时在高层采用三维分布估计算法(three-Dimensional Estimation of Distribution Algorithm,3DEDA)学习和积累优质高层个体中块结构及其位置信息,再通过采样3DEDA中的概率模型生成新的高层个体或排列;进而在低层将高层所生成的每个新个体所表征的一系列有序的启发式操作作为一种新的启发式算法,对问题解空间执行较深入的邻域搜索.最后,通过仿真实验与算法对比验证HH3DEDA可有效求解DPFVTISP.

增强三维分布估计算法求解分布式生产-运输-装配集成调度问题

针对一类广泛存在的分布式生产-运输-装配集成调度问题(Integrated scheduling problem of distributed production,transportation and assembly,ISPDPTA),建立问题模型并提出一种增强三维分布估计算法(Enhanced three-dimensional estimation of distribution algorithm,E3DEDA)进行求解。在E3DEDA的全局搜索部分,先根据ISPDPTA的问题特性,对包含工厂信息的工件与产品进行多段编码,并依据最短路径规则获得各车辆路径;再采用双三维概率模型分别学习和积累种群中较优个体的工件块与产品块结构及其位置信息,并采样生成新个体,从而增强算法发现优质解空间区域的能力。在E3DEDA的局部搜索部分,设计自适应变邻域局部搜索来增强算法的局部搜索能力。具体而言,针对问题各阶段特性,设计10种有效的邻域操作组成备选集合,并采用二维概率模型学习由不同邻域操作所构成的优质邻域结构信息,进而采样生成合理的邻域操作排列并依次执行,以实现对全局搜索所发现优质区域的深入搜索。此外,设计块结构概率评价更新机制,可提升算法执行效率。最后,通过仿真试验与算法对比验证E3DEDA可有效求解ISPDPTA。

混合三维EDA求解带二维装载约束的车辆配送与分布式生产集成调度问题

针对一类广泛存在的带二维装载约束的车辆配送与分布式生产集成调度问题(VD2LDPISP),本文建立问题模型,并提出混合三维分布估计算法(H3DEDA)进行求解.首先,结合问题各阶段特性,采用各阶段成本均衡策略设计新颖的解码规则,对编码个体进行分阶段解码,可确定较高质量的解码个体.其次,采用三维分布估计算法(3DEDA)学习和积累种群中优质编码个体的块结构及其位置信息,再通过采样3DEDA中的概率模型生成新的编码个体,从而提高算法全局搜索发现解空间中优质解区域的能力.然后,设计高低分层的超启发式局部搜索(HHLS)来增强算法的局部寻优能力.HHLS的低层问题域包含分别针对编码个体、配送阶段解码子个体和生产阶段解码子个体的共16种有效邻域操作,其高层策略域采用概率模型学习优质邻域操作排列的结构信息,进而通过采样该模型来直接控制新邻域操作排列的生成,有利于对不同优质区域进行深入搜索.最后,在不同规模测试问题上的算法比较,验证了所提H3DEDA的有效性.

超启发式三维EDA求解绿色双边装配线平衡问题

针对绿色机器人的第Ⅰ类双边装配线平衡问题(green robotic two-sided assembly line balancing problem of type-Ⅰ, GRTALBP-Ⅰ),建立问题模型并提出一种超启发式三维分布估计算法(hyperheuristic three dimensional estimation of distribution algorithm, HH3DEDA)进行求解。在HH3DEDA中,结合问题特征,设计基于工序选择因子的组合编码,进而设计高低分层结构的HH3DEDA。在高层,采用三维概率矩阵学习优质高层个体中块结构及其分布信息,后通过采样该矩阵以生成新的高层个体,其中高层个体由结合问题特点设计的12种启发式操作的排列构成;在低层,将高层每个个体所确定启发式操作排列作为一种新的启发式算法对GRTALBP-Ⅰ解空间执行较深入搜索。同时,引入机器人开关机节能策略,进一步提升所获取非支配解的质量。通过仿真对比实验,验证了所提算法的有效性。