基于深度学习的资源投入问题算法

针对资源投入调度问题,提出了基于实时调度状态的调度优先级规则智能决策机制,构造了嵌合人工神经网络的双层迭代循环搜索算法。算法上层为启发式资源搜索框架,下层为基于实时调度状态的调度优先级规则智能决策算法。下层算法通过双隐层BP神经网络离线学习,获得调度状态与调度优先级规则的映射关系,并在实时调度过程中的每一阶段,根据当前调度数据,智能决策调度优先级规则,并指导作业调度进行。最后,通过标准算例库PSPLIB进行对比实验,验证了所设计算法的有效性。

基于物料交货期预测的飞机装配动态调度问题

为提高飞机装配调度应对物料供应延期扰动的能力,对飞机装配过程中的物料交货期预测问题及物料供应不确定条件下的动态调度问题进行了研究。首先通过分析物料交货期与相关影响因素间的映射关系,提出基于XGBoost算法的物料交货期预测模型。在此基础上研究了物料供应不确定性在调度计划执行过程中的表现形式,构建了基于两阶段近似优化的滚动决策框架。针对滚动点的决策问题,以最小化与模板计划的偏差成本与作业装配模式切换成本之和为目标函数构建数学模型,并设计了双层循环迭代搜索算法进行求解。为了解决计划执行中的物料供应突发扰动问题,设计了基于松弛时间的反应机制进行修复。数值实验结果验证了所提调度方法能有效适应不确定性因素的变化,满足飞机装配动态调度的需求。