工序松弛规则及其在动态Job-Shop调度问题中的应用仿真研究

针对动态Job-Shop调度问题,提出了一种新的优先规则SOP,并在考虑具有扩展工艺约束的动态车间作业调度问题中,用仿真试验测试了该规则的性能;从工件总拖期和拖期工件百分比两个性能指标进行分析,探索了车间模型参数扩展工艺约束程度及交货期宽裕度系数对调度规则性能的影响。结果表明所提出的规则性能较好,具有较好的鲁棒性,且扩展工艺约束程度及交货期宽裕度系数对调度规则性能均有不同程度的影响,并给出了两种参数对调度规则性能的影响趋势。

基于ACPM和BFSM的动态Job-Shop调度算法

通过对不同时刻开始加工的产品加工树的分解 ,可将产品加工工序分为具有惟一紧前、紧后的相关工序和独立工序 在对这两类工序研究分批综合应用拟关键路径法 (ACPM )和最佳适应调度方法 (BFSM)调度时 ,考虑了关键设备的工序紧凑性 通过分析与实例验证 ,所提出的调度方法对解决动态的Job

可动态生成具有优先级工序集的动态Job-Shop调度算法

为了在满足约束条件的前提下使不同时刻加入到作业集合中的全部作业所用的加工总时间尽可能地少,提出算法:根据动态的作业集合构造虚拟加工树,虚拟加工树上的叶结点代表最先加工的工序,虚拟根节点代表最后一道工序,边代表偏序关系;以层优先为虚拟加工树上的工序设置优先级,工序的优先级可作为调度过程中考虑的一个因素;除了在工序需要动态调整的情况下,在调度过程中始终遵循着机器忙原则.在调度过程中,首先根据虚拟加工树动态地生成备选工序集合,然后根据工序的优先级并且结合其它的调度策略从备选集合中调度工序,直到备选集合为空,即所有作业加工完毕.这里提到的调度策略包括短用时策略、长路径策略和动态调整策略.通过实例验证,该算法对于动态Job-Shop问题可以获得比较好的解.

动态Job-Shop调度问题的一种自适应遗传算法

提出了基于序列号的、独特的混合编码与级联编码相结合的遗传编码构造方法 ,给出了序列海明距离的定义和具体的计算方法 ,并引入到自适应遗传算法中。实例仿真计算的结果表明 ,提出的自适应遗传算法提高了全局求解能力 ,在解决动态Job -Shop调度问题时具有明显的优越性。

解动态Job-shop调度问题的遗传算法

研究了动态Job -shop调度问题 ,并设计了一种改进的遗传算法 .该算法借鉴启发式算法 ,使用向量进行遗传编码 ;遗传计算中引入种群间竞争 ,实现种群向更高层的平衡态进化 ,进而全局优化调度方案 ;利用调度评价函数及负荷表 ,对动态的生产调度进行了有效地评价 .仿真实验表明了此法用于复杂调度问题的优越性 .

基于BP神经网络的不确定性动态Job-shop调度研究

针对作业车间调度的不确定和动态问题,围绕设备故障、订单追加、紧急订单插入3种典型的不确定性情况提出1种基于BP神经网络的重调度方法。当生产过程中发生不确定性事件对原先调度方案产生巨大扰动时,通过已构建且训练好的BP神经网络快速进行响应并生成1个重调度方案,保证整个生产过程高效、有序、稳定地运行。通过仿真实例验证了可行性。

一种基于物联网动态调度的电梯智慧维保救援路径规划系统研究

针对我国当前电梯维保和救援调度现状进行了分析,并结合国内外相关领域的研究成果,发现现有电梯维保和救援调度技术普遍存在依赖人工判断、缺乏物联网等信息化技术的支撑等问题,难以满足大规模、多样化的维保和救援需求。基于此,开展了基于物联网动态调度的电梯智慧维保救援路径规划系统的研究设计。设计了基于物联网动态调度的电梯智慧维保救援路径规划方法,通过获取故障点的位置信息、维保人员的实时位置、日定额工作时长等数据,并调用Web Service API来实现日常维保路径的规划;设计了电梯智慧维保路径更新模型,可以根据维保人员的实时工况变更维保路径规划,确保各项维保任务能够灵活、高效且高质量地完成;设计了纳入突发应急救援任务的维保路径规划模型,以突发应急或救援任务为起始点,合理调度相关维保人员,确保及时的故障救援响应。该系统可实现维保和救援路径的合理分配和智慧优化,为电梯的安全监管和智慧运维提供有力的技术支撑。

流域水资源动态监测与调度管理策略分析

本研究探析流域水资源的动态监测与调度管理策略,以应对日益严峻的水资源短缺与环境压力。文章先分析了水资源的基本特征和当前管理现状,接着介绍了传统与现代监测技术,然后探讨了数据采集和分析方法。随后,研究提出了合理配置水资源的调度管理原则,强调构建动态调度管理模型,建议通过智能化调度系统的应用提高水资源的利用效率,为流域水资源的可持续管理提供支持。

基于主从博弈的多虚拟电厂动态定价与优化调度

在“双碳”背景下,分布式可再生能源以及储能、需求响应等灵活性资源快速发展,虚拟电厂通过控制技术将分布式资源高效整合,提高了分布式能源发电效益。随着社会资本进入电力市场,不同虚拟电厂将会属于不同的投资商,形成多主体博弈格局,根据投资商投资偏好,虚拟电厂将由不同灵活性的资源构成。为兼顾虚拟电厂运营商和虚拟电厂利益,文章构建了运营商和多虚拟电厂双层主从博弈模型,考虑上层定价与下层出力的相互影响,研究运营商动态价格制定和虚拟电厂优化运行调度问题。下层以各虚拟电厂运行成本最小为目标,分别建立含有电储能、需求响应和氢储能的多虚拟电厂优化调度模型;上层以运营商利润最大为目标,结合下层出力计划进行虚拟电厂购售电价动态制定。采用粒子群算法迭代求解博弈模型,通过算例分析,该模型能够兼顾多主体利益,有效提高运营商收益并降低虚拟电厂运行成本。

基于动态掺氢策略的综合能源系统低碳经济调度

针对现有综合能源系统中传统碳捕集电厂灵活性较差,电负荷系数、管道长度和管道运维成本等因素对计及气网掺氢的综合能源系统调度的影响尚未明确等问题,提出了一种基于动态掺氢策略的综合能源系统低碳经济调度模型。首先,建立综合灵活碳捕集电厂模型,对二氧化碳的吸收与再生环节进行解耦;其次,建立基于动态掺氢的管道运维成本模型,实现掺氢比的动态调整,提高系统调度的灵活性;然后,引入阶梯式碳交易机制,构建考虑气网掺氢管道运维成本的综合能源系统低碳经济调度模型,利用McCormick松弛方法将非线性问题转化为线性问题,并进行求解。最后,算例仿真结果表明:气网各节点处管道运维成本系数与气体体积、输送距离等因素相关,应综合考虑上述因素对气体定价;在综合能源系统调度中综合考虑电负荷系数、气网管道长度等因素合理选择气网掺氢比上限、制定动态掺氢策略,系统的经济效益与环境效益分别提高了44.1%、47.8%。

基于生产数据的混合流水车间动态调度方法研究

在智能制造背景下,物联网等信息技术为制造系统积累了大量数据,同时人工智能等先进方法为车间数据分析和实时控制提供了有效手段。因此,针对不相关并行机混合流水车间调度问题,提出了一种基于生产数据的动态调度方法,以实现订单完工时间最小化。首先以高质量调度方案为基础,从中提取生产特征和调度规则完成样本构建。其次使用Relief F算法过滤冗余生产特征,获得用于训练和预测的调度样本。然后采用融合鲸鱼优化算法的概率神经网络作为调度模型,实现基于调度样本的训练和预测过程。最后,实验结果表明,所提方法具有良好的特征选择能力和较高的预测精度,与其他实时调度方法相比具有更加优越的性能,可以有效地根据车间实时状态指导制造执行过程。

基于规则与Q学习的作业车间动态调度算法

为了在特定的作业条件下找到最优调度规则,提高调度规则在不确定动态条件下的自适应、自寻优能力,提出一种调度规则与Q学习算法集成的作业车间动态调度算法。考虑车间中作业随机到达的动态情况,以最小化最大延迟时间为调度目标,在Q学习框架下设计了新的状态特征、奖励机制以及以Boltzmann采样函数为主体的搜索策略,提高了算法探索和利用规则的能力;以最短加工时间优先和最早交货期等经典调度规则构成动作集,继承了调度规则的可解释性,使智能体能实时处理随机到达的作业任务,通过持续学习和迭代更新获得不同作业场景下的最优调度规则。仿真研究和对比测试验证了所提算法的优越性。

基于改进蚁群算法的多目标Job-shop动态调度

实际作业车间调度中多目标的动态优化更符合生产的需求。利用多目标优化问题的Pareto解集思想构建最大完工时间最小以及总拖期时间最小的数学模型,以事件驱动作为动态调度策略实现作业车间的动态调度。采用多目标蚁群算法优化启发式算法,并对算法的转移概率及全局信息素更新进行改进,加快算法的搜索收敛速度同时避免陷入局部最优。仿真实验证明,改进后的算法能实现Pareto前沿较好的均匀性与分布性,对双目标调度以及单个目标独自调度时的甘特图对比,表明双目标优化算法能更好地平衡各个目标的解。最后对急件插入以及机器故障两种动态事件进行仿真,验证了改进蚁群算法在实际动态调度中有较好的实现。

一种新的Job-shop动态优化调度算法

针对具有路径柔性的Ｊｏｂｓｈｏｐ调度问题，以调度长度极小化为优化目标，提出了一种新的动态优化调度算法．该算法将优化分配算法、可行优化调度算法和故障（或修复）调度算法有机地集成起来，能够在系统设备出现异常（例如发生故障或修复等）时，迅速产生最优或次最优调度．并以机床发生故障及修复为例对该算法进行了仿真实验，证实了该算法的高效性和有效性．

面向个性化需求的自动驾驶微公交动态调度方法

根据个性化出行需求调查,梳理出乘坐资源、合乘意愿以及出行效率3类个性化需求。在此基础上,提出了面向个性化需求的“预约乘车+实时乘车+非固定站点”自动驾驶微公交服务模式,并构建了动态调度模型及求解算法。基于真实路网与随机订单测试集开展的典型案例分析结果表明,在同样的订单需求下,提供轮椅空间和非合乘服务可显著提高订单服务率和社会公平性,但系统成本会增加。

混合粒子群算法在job-shop动态调度中的应用

提出了基于事件驱动的动态调度策略,以融合遗传算法的粒子群算法来实现作业车间生产调度,有很好的收敛精度;在此基础上,对作业车间生产调度中的工件增加及取消、机器故障等各种动态事件进行了研究,能在扰动后提供新的调度计划,有效地解决了车间动态调度的一致性和连续性的问题。

考虑非汛期库水位动态控制的水-光互补中短期调度研究

为解决大规模水-光互补系统在非汛期的多时间尺度耦合调度难题,阐明了库水位动态控制调度模式下的水-光中短期互补的基本原理,分别构建了考虑非汛期库水位动态控制的水-光互补中期和短期多目标优化调度数学模型,并以青海省黄河上游班多水-光互补系统为例验证模型有效性。结果表明,与传统调度模式相比,库水位动态控制调度模式下水库非汛期日初库水位平均增高0.94~1.17 m,水电日均发电水头平均提高0.06%~0.80%;非汛期水-光互补系统发电量提高0.221%,弃光电量降低0.025%。因此,非汛期库水位动态控制调度可提高水-光中短期互补性能。

动态上下料路径下柔性产品族生产调度研究

针对汽车零部件柔性产品族制造单元考虑工序间动态上下料路径与时间的生产调度求解问题,文中提出一种用于动态上下料路径柔性作业调度问题优化的自适应离散差分进化算法。通过自适应缩放参数实现收敛速度提升,构建基于矩阵映射的离散编码规则实现变异操作离散化及基于机器人实际运动路径的动态调度解码。通过对某平台化车型架构的转向器壳体加工单元实例分析并验证了算法有效性及优越性。

考虑突发事件的三峡闸室编排多阶段动态优化调度

文中以平均船闸闸室浪费率、船舶平均待闸时间和鲁棒性最小为目标函数,建立了突发事件下的三峡闸室编排多阶段动态优化调度模型和算法.结果表明:本研究提升了对突发事件的智能响应,减少了人工干预,提高了船舶过闸效率.

基于时间窗的机场地面保障车辆动态调度

机场各类地面资源的优化配置是机场场面运行优化的核心问题,而机场地面保障任务的调度是其中的关键一环。针对机场地面保障车辆的调度问题,考虑航班延误、提前等情况,构建了双阶段机场地面保障车辆调度模型,并设计双阶段启发式算法进行求解;基于中国某大型机场的实际运行数据,以清水车和食品车调度为例分别进行仿真实验。结果表明:对比先到先服务策略,清水车行驶总距离减少55.31%,食品车行驶总距离减少47.38%;对比传统遗传算法,清水车行驶总距离减少19.31%,食品车行驶总距离减少22.93%;动态调整后,清水车新增总行驶距离1.2%,食品车总行驶距离新增3.2%,均在可接受范围之内。可见,双阶段机场地面保障车辆调度模型能提高大型机场场面运行效率,为机场航班实际地面保障任务调度提供理论依据和决策支持。