作业分布后服务机中的任务调度策略分析

分布计算系统中子任务的分布策略影响了整个系统的效率，而作业分布后服务机中的任务调度策略也是影响整个系统效率的一个重要因素，本文对此作了较祥细的分析，并提出衡量分布系统的任务分布效率的参考方法——延迟因子及几种调度策略。

基于ArcGIS的浙江省虾拖网渔船作业分布短期变化研究

根据GIS原理和功能,探讨捕捞作业海域内生产渔船动态变化,可直接服务于捕捞生产和安全管理。本文应用舟山市海洋与渔业局AIS系统,在一定时间内采集与分析研究海域内虾拖网渔船坐标位置和数量资料。结合研究海域形状和我国捕捞渔区划分标准,对研究海域进行分区处理。利用Arc GIS软件,处理各分区内虾拖网渔船变化数据,制作浙江省虾拖网渔船作业分布图,参考人口重心模型计算虾拖网渔船作业分布重心,分析目标海域虾拖网渔船作业短期分布变化,为虾类资源调查、渔业生产安全保障以及渔船管理提供理论依据。

考虑序列相关准备时间的分布式柔性作业车间调度研究

针对考虑序列相关准备时间的分布式柔性作业车间调度问题,提出以最小化最大完工时间为优化目标的混合整数线性规划模型,并提出一种改进遗传算法。采用基于负荷均衡的种群初始化方法提高初始种群质量,根据问题特性构造6个局部扰动算子,设计多重局部扰动策略提高算法的局部搜索能力。通过扩展柔性作业车间调度基准生成测试算例,使用正交实验确定算法参数。实验结果表明,所提改进策略能够有效提高算法性能,求解结果优于对比算法,验证了调度模型和所提算法的可行性和有效性。

碳交易下分布式双资源柔性作业车间节能调度

在碳交易政策的背景下,企业需统筹考虑效率和环境因素,以实现企业效益最大化。文章研究了考虑机器和工人的分布式双资源柔性作业车间节能调度问题和方案,以最短完工时间、最小能耗和碳交易成本为目标,建立了混合整数规划模型。依据此问题多资源约束的特点,研究设计了一种改进麻雀搜索算法,嵌入了“工厂—工序—机器&工人”三层编码的主动解码策略,提高了资源利用率。为了扩大搜索空间,在算法中引入了6种局部搜索策略,通过2、3、4个工厂共30组算例,将改进的麻雀搜索算法与其他3种算法进行对比。实验结果表明,改进的麻雀搜索算法优于其他对比的算法,对比结果验证了此改进算法的有效性。

考虑双资源约束的分布式柔性作业车间调度

随着全球制造业的发展,分布式柔性作业车间调度问题(distributed flexible job shop scheduling problem, DFJSP)引起了学者们的关注.DFJSP的研究中常常忽略工人资源,作为生产的关键因素,有效利用工人资源可以提高生产率.研究了考虑双资源约束的分布式柔性作业车间调度问题(distributed flexible job shop scheduling problem with dual resource constraints, DFJSP-DRC),建立以最小化最大完工时间和总能耗为目标的数学模型,并提出一种改进的非支配排序遗传算法(improved non-dominated sorting genetic algorithm, INSGA-Ⅱ)去求解.在INSGA-Ⅱ中,通过混合初始化策略生成高质量的初始解,并设计了一种基于加工机器和工人公共空闲时间的主动解码策略来获得调度方案.为增强INSGA-Ⅱ的全局搜索能力,提出了改进的交叉变异策略和自适应交叉变异率.通过在45个算例与三种算法的比较,验证了INSGA-Ⅱ解决DFJSP-DRC的有效性.

带有动态到达工件的分布式柔性作业车间调度问题研究

分布式柔性作业车间调度是生产调度的1个重要分支,工件的动态到达作为实际生产中的1种常见扰动情况,进一步增加了作业车间调度问题的复杂性和不确定性。针对带有工件动态到达的分布式柔性作业车间调度问题(DA-DFJSP),提出1种分批调度策略,将原本的动态调度问题转化成一系列连续调度区间上的静态调度问题,构建以最大完工时间为优化目标的混合整数规划模型;在此基础上,结合问题特征采用批次、工厂、工序、机器的4层染色体编码及快速贪婪搜索插入的解码方式改进遗传算法,同时引入多种交叉、变异算子来增强染色体的多样性;最后,基于FJSP标准算例构建DA-DFJSP测试算例进行仿真对比实验,验证所提策略和改进算法的求解优势。结果表明:相较于传统的重调度策略和改进前的遗传算法,采用分批调度策略和改进的遗传算法(IGA)所求调度方案具有更短的完工周期、更均匀的工厂加工负荷及更高的设备工作效率,IGA与分批调度策略之间有高度的契合性,能够有效提升生产效率。

混合分布估计算法求解分布式柔性作业车间调度问题

随着分布式柔性制造系统的广泛普及,制造系统的调度决策从集中式的单一节点向分布式多中心的模式转变,分布式柔性作业车间调度问题成为近年来的研究热点。为求解分布式柔性作业车间的调度问题,构建了以最小化总成本和总拖期为优化目标的分布式柔性作业车间调度(DFJSP,Distributed Flexible Job Shop Scheduling Problem)模型,提出了一种结合分布估计和禁忌搜索的H-EDA-TS算法(Hybrid Estimation of Distribution Algorithm and Tabu Search Algorithm)。根据DFJSP模型和H-EDA-TS算法设计了三维编码方案。H-EDA-TS算法主要包括EDA组件和TS组件,在EDA组件部分设计了三个概率模型用于抽样生成种群;在TS组件部分针对优化目标设计了五种邻域结构用于生成邻域解。此外,基于sigmoid函数设计了一种自适应机制,用于控制TS组件的启动。最后,在不同规模的实例上进行了对比实验,证明了所提算法对于求解DFJSP具有明显优势。

考虑预防性维护的分布式柔性作业车间调度问题研究

随着全球制造业的快速发展,物流企业竞争加剧,生产制造缺乏有效协同,企业急需更加高效的生产运作模式。分布式制造可以将位于不同地点的原材料、机器设备、操作人员等资源进行有效地整合协同并充分利用。此外,设备维护是企业运营管理的核心内容,直接关系到企业的生产成本、质量与交货期。基于以上背景,文章提出了考虑机器预防性维护的分布式柔性作业车间调度问题,建立了目标为最小化最大完工时间的数学模型,提出了协同进化算法对问题进行求解。通过与两种经典的元启发式算法进行对比实验,结果表明所提出的算法能较好地求解所研究的问题。

农田作业期最佳分布问题研究

合理确定最佳作业期是减少适时性损失,提高农业经济效益重要保障。文章指出单项作业和具有两项关键作业的作业期最佳分布定理限制条件:在实际农业生产中,某项作业的总作业量固定不变。而农业机械日作业效率随时间变化,不同作业期分布对应不同总作业日数。建立不同情况下作业量约束模型和适时性损失量(值)模型,指出作业期最佳分布应满足的条件;结合计算示例验证模型有效性。

混合遗传算法在分布式车间作业调度中的应用

分布式车间作业计划与调度是一个典型的组合优化问题,而组合优化问题是遗传算法求解的领域。该文描述了分布式车间作业调度问题及其调度方法,结合分布式车间生产模式的实际情况,将模拟退火算法引入自适应遗传算法,提出了混合遗传算法(GASA);详细地阐述了分布式车间作业计划与调度问题的解决策略和操作过程,并以甘特图的方式给出了计算结果。与其他方法比较,混合遗传算法是解决分布式车间作业计划与调度问题的更为优良的方法。

改进鲸鱼算法求解分布式装配柔性作业车间生产与配送联合调度问题

针对一类先加工后装配的离散生产模式,研究分布式制造环境下的装配柔性作业车间生产与配送两阶段联合调度问题。结合实际的生产情况,考虑供应链下生产与配送过程所产生的库存成本,以最小化生产和配送的总成本为联合调度优化目标,提出一种改进鲸鱼算法。针对联合调度的多阶段调度过程,设计了一种基于工序、产品、工厂、机器和车辆的五层编码策略;根据各阶段的特点提出了相应的混合种群初始化策略,以提高解的质量;以加强种群中领头鲸鱼个体与普通鲸鱼个体的联系为导向,改进了鲸鱼觅食的搜索操作并提出四种邻域结构,以增强算法的全局探索和局部搜索能力。最后,通过仿真实验,对比相关研究领域的多种算法来验证所提算法在收敛速度和求解质量等方面的优势,并且将联合调度与分阶段调度进行实验对比,验证了联合调度的优越性。

考虑运输时间的分布式柔性作业车间绿色调度

针对考虑运输时间的分布式柔性作业车间绿色调度问题,建立了最小化完工时间和总能耗的混合整数规划模型,并提出了一种改进的非支配排序遗传算法。采用基于工序和机器的双层编码方式设计了考虑运输时间的贪婪插入解码方法。为提高种群的质量,设计了同时考虑加工时间和能耗的初始化方法,应用多父代交叉和新的变异操作更新种群,并嵌入一种变邻域搜索策略以提高Pareto前沿的质量。多组实验验证了该方法的有效性。

基于混合遗传算法的分布式车间作业调度问题

分布式车间作业计划与调度是一个典型的组合优化问题,而组合优化问题是遗传算法求解的领域。本文描述了分布式车间作业调度问题及其调度方法,结合分布式车间生产模式的实际情况,将模拟退火算法引入自适应遗传算法,提出了混合遗传算法(GASA);详细地阐述了分布式车间作业计划与调度问题的解决策略和操作过程,并以甘特图的方式给出了计算结果。与其它方法比较,混合遗传算法是解决分布式车间作业计划与调度问题的更为优良的方法。

基于ATC的智能工厂分布式柔性作业车间动态调度

针对传统多车间生产调度方法不能满足智能生产系统调度优化的问题,结合智能工厂需求,以分布式柔性作业车间为研究对象,提出基于“生产计划-车间调度-物流仓储”的ATC层次模型,该模型是以时间、成本组成的一个多目标优化模型;提出两级效能偏差判别机制,在物联环境下动态识别扰动并根据扰动影响作出实时决策。最后,以3个车间调度问题为例,基于遗传禁忌搜索算法,验证了该模型的有效性。

差分进化算法求解分布式柔性作业车间调度问题

经济全球化使制造业从单工厂模式转变为多工厂协同生产模式,制造资源异地化、客户需求多样化使得多工厂的分布式调度难度急剧增加,为此研究了分布式柔性作业车间调度问题。首先建立了该问题的双目标优化模型,同时优化总成本和提前/延期惩罚。然后提出改进的差分进化算法,设计了两种变异机制以及两种交叉方式,结合模拟退火的鲁棒性进行局部搜索,并结合贪婪和带精英策略的快速非支配排序遗传算法的选择思想设计选择操作,产生下一代继续进行迭代进化。最后,通过综合实验证明了所提模型和算法能够很好地求解此类问题。

多采摘机器人分布作业目标跟踪算法研究

为了满足采摘机器人编队对分布作业目标跟踪的需求,提出了一种基于网络节点的分布式目标跟踪算法。该算法将无线传感网络与数据融合技术相结合,应用于采摘机器人编队的目标跟踪。试验结果表明:该算法在采摘机器人分布式作业中,在满足目标跟踪精度状态下,大幅度减少了数据融合的通信开销,能够准确完成对目标跟踪的要求,应用前景广阔。

基于志愿者计算的高性能分布式作业系统及其优化

为提高分布式作业系统的性能,提出了基于志愿者计算的方法。对分布式作业系统中的任务服务器进行设计,通过提高任务服务器的分发能力,提升了作业系统整体的计算能力。实例仿真计算表明,当任务服务器的数量增加时,采用基于志愿者的分布式作业系统能够大大提高任务服务器处理任务的能力,同时如果对数据库查询进行优化,可以进一步提高分布式作业系统的性能。

混合麻雀算法求解带准备时间的分布式柔性作业车间调度问题

分布式制造模式因多工厂/车间协同生产而使其制造环境存在多样性和多变性。研究了考虑零件加工前的动态准备时间的分布式柔性作业车间调度问题(Distributed Flexible Job Shop Scheduling Problem, DFJSP)。针对缸体零件加工阶段存在多工位零件装夹定位、拆卸和换刀等动态准备时间的实际生产情况,建立了以完工时间、碳排放和订单拖期为目标的DFJSP模型;提出了一种混合麻雀算法(Hybrid Sparrow Search Algorithm, HSSA)对上述模型进行求解。HSSA算法根据模型特点,采用了三层编码方式和多种群初始化策略,设计了一种三层变邻域搜索结构,引入了POX、PMX交叉算子和高斯变异算子来完成交叉、变异操作,同时设计了一种基于支配关系的精英选择策略。通过仿真及与其他算法的对比分析,验证了HSSA算法的优越性和可靠性。

面向航空结构件的双资源分布式柔性调度研究

考虑航空结构件生产中精工序的员工约束和分布式多工厂协作需求,建立双资源约束分布式柔性作业车间调度模型。提出一种基于关键工厂的混合灰狼优化算法来解决该问题。针对模型的工厂选择、工序排序、机器选择以及员工选择4个子问题,设计了4层编码及新型解码方式以避免机器员工的使用冲突。结合模型的工厂约束和员工约束特征,设计一种新的狼群捕猎和猎物搜索机制,保证种群多样性的同时提高算法全局探索能力。针对分布式特性,设计基于关键工厂的局部搜索策略,提高算法的局部搜索能力。通过扩展标准算例和航空结构件实例分析,验证了所提算法求解双资源约束分布式柔性调度的有效性。

超启发式交叉熵算法求解分布式装配柔性作业车间调度问题

本文针对一类新型两阶段分布式装配柔性作业车间调度问题(DAFJSP),建立问题模型,以最小化最大完工时间为优化目标并提出一种超启发式交叉熵算法(HHCEA)进行求解.首先,设计基于工序序列、工厂分配和产品序列的三维向量编码规则和结合贪婪策略的解码规则,同时提出4种启发式方法以提高初始解的质量.然后,设计高低分层结构的HHCEA,高层为提高对搜索方向的引导性,采用交叉熵算法(CEA)学习和积累优质排列的信息,其中各排列由结合问题特点设计的11种启发式操作(即11种有效的邻域操作)构成;低层为增加在解空间中的搜索深度,将高层确定的每个排列中的启发式操作依次重复执行指定次数并在执行过程中加入基于模拟退火的扰动机制,以此作为一种新的启发式方法执行搜索.最后,通过仿真实验与算法对比验证HHCEA可有效求解DAFJSP.