混合遗传变邻域搜索算法求解柔性车间调度问题

针对考虑生产成本的柔性作业车间调度问题(flow job shop scheduling problem, FJSP),以完工时间与加工成本为优化指标,提出一种求解FJSP的混合遗传变邻域搜索算法。根据个体适应度对种群分割,结合自适应交叉概率改进子代种群产生方式;设计两种邻域结构增强算法的局部搜索能力;提出一种基于动态交叉变异概率的优化算法流程提高求解效率。运用提出的算法求解基准实例与实际问题测试,验证了算法的有效性。

求解最小双连通支配集问题的变邻域禁忌搜索算法

针对经典NP难优化问题——最小双连通支配集问题,提出了一种元启发式求解算法——变邻域禁忌搜索算法。算法将原优化问题的求解转换为一系列判定问题——k双连通支配集问题的求解,使用两种邻域结构更加有效地覆盖解空间,同时使用扰动及禁忌机制帮助算法跳出局部最优陷阱。通过与现有文献中的精确算法、启发式算法在国际文献公开的38个双连通图算例上的实验对比,结果表明变邻域禁忌搜索算法能够有效求解最小双连通支配集问题,可求得所有公开算例的最优解,并且在稠密图中计算效率明显优先于其他算法。

多舱共配绿色车辆路径问题的改进变邻域搜索算法

针对社区团购前置仓配送场景中“多中心、高时效、多品类、高排放”难题,本文提出多车场带时间窗的绿色多舱车车辆路径问题(MDMCG-VRPTW),构建混合整数线性规划模型,并设计改进的变邻域搜索算法(IVNS)实现求解.采用两阶段混合算法构造高质量初始解.提出均衡抖动策略以充分探索解空间,引入粒度机制以提升局部搜索阶段的寻优效率.标准算例测试结果验证了两阶段初始解构造算法和IVNS算法的有效性.仿真实验结果表明,模型与算法能够有效求解MDMCGVRPTW,且改进策略提高了算法的求解效率和全局搜索能力.最后,基于对配送策略和时效性的敏感性分析,为相关配送企业降本增效提供更多决策依据.

硬时间窗VRP的混合变邻域禁忌搜索算法

为了寻求带硬时间窗的车辆路径优化问题的高质量近似解,针对现有数学模型对时间窗约束考虑不充分,建立了最小化车辆数和总行驶距离的双目标非线性优化模型,提出了一种混合变邻域禁忌搜索求解算法。一方面,采用改进的节约算法生成初始解,设计了3种删除算子和一种插入算子对初始解进行扰动优化,为后续禁忌搜索提供优良的初始解;另一方面,基于4种邻域构造算子进行禁忌迭代搜索,利用禁忌搜索的灵活存储结构、避免迂回搜索的禁忌准则和增强多样性搜索的特赦准则有效摆脱局部最优解,最终实现全局优化。在56个Solomon和18个Homberger基准算例上的实验结果表明,该算法的求解质量优于文献中两种同类型搜索算法,具有良好的收敛性和稳定性,且在42个基准实例上获得了比当前已知最好解更低的车辆总行驶距离。

基于遗传-变邻域搜索算法的堆垛机作业调度优化

基于缩短自动化立体仓库中堆垛机完成货物出入任务时间的目的,建立了堆垛机作业调度的作业时间模型,通过修补机制、校正机制和遗传-变邻域搜索算法的优化方法,使得在优化的过程中,确保出入库任务序列的长度相等,并能够复用同一批作业任务中因出库作业产生的空货位。12组作业任务的仿真实验结果表明,相较于变邻域搜索算法,遗传-变邻域搜索算法的收敛速度更快,其中3组作业任务解的质量更高,总耗时和相对耗时的优化率分别为11.57%~21.56%和35.85%~68.89%,且复用空货位可以缩短堆垛机的作业时间。

求解燃气轮机制造车间调度的混合和声搜索算法

燃气轮机生产属于典型的离散型制造,其多品种小批量的生产特点给车间作业调度带来挑战,导致企业生产效率低下,不能满足产品交货期。因和声搜索算法结构简单易操作,常用于解决此类作业车间调度问题。然而传统和声搜索算法收敛速度较慢,易陷入局部最优。本文构建以最小化最大完工时间为目标的燃气轮机制造车间调度数学模型,提出一种离散型改进多种群混合和声搜索算法进行求解。结合和声搜索算法与变邻域搜索算法的优点,采用基于工序的编码方式进行编码,在种群更新部分引入模拟退火的Metropolis接受准则,提高种群多样性;提出自适应的记忆库保留概率和音调调节率来调节参数,以提高算法的全局寻优能力;加入变邻域搜索以提高算法的收敛速度。通过性能测试及实例验证表明,相较于已有算法,所提算法具有更好的性能。

边缘匹配度算法与变邻域搜索结合的矩形件下料算法

研究了广泛存在于生产制造中的二维矩形件下料问题,提出一种边缘匹配度算法和变邻域搜索算法相结合的混合算法进行求解。首先,分析了一般最低水平线相关算法的缺陷,提出了一种边缘匹配度评价函数。下料时其可以对所有剩余的矩形件进行评价,从中选出与当前布局边缘重合最大的矩形件进行排放。其次,由于下料问题存在上位效应,提出一种与其相匹配的邻域结构,得到了一种适应下料问题的变邻域搜索算法,边缘匹配度算法通过与变邻域搜索算法结合来加强其搜索能力。最后,通过对已有文献的多个案例进行试验。实例证明提出的算法可以得到较好的排样结果,相较于其它算法提高了板材利用率1.16%~12.03%,具有较高的实用性。

作业车间调度的多工序精确联动邻域结构混合进化算法

针对作业车间调度问题,以最小化最大完工时间为优化目标,提出一种基于多工序精确联动邻域结构的混合进化算法。从理论上给出了关键块中工序无效移动的判定条件,据此设计了3对工序精确联动的邻域结构。为避免算法过早收敛,引入基于邻域惩罚的交叉父本匹配选择算子与基于动态惩罚阈值的种群更新策略。通过与其他先进算法在车间调度问题基准算例上进行对比实验,验证了所提算法的有效性与稳定性。

变邻域模拟退火算法在农村生活垃圾收运中的应用

针对农村地区生活垃圾的产生特点,考虑生活垃圾分类下的可变收运周期,构建以最小化运输成本、车辆延迟到达惩罚成本和环境惩罚成本的多目标生活垃圾收运路径优化模型.利用随机选择法、最近邻法相结合以重构解空间,使用带变邻域的模拟退火算法对模型进行求解.通过算例仿真及对比分析可知,本文模型和算法在收运总成本和总距离方面有较好的优化效果,均优于经典模拟退火算法和变邻域搜索算法的最优解.相较于传统的固定周期收运方案,本文所建立模型减去了环境污染成本,同时在总成本上改进超110.4%,可较好地解决农村地区垃圾收运路径优化问题.

面向第Ⅱ类装配线平衡问题的蚁群-禁忌搜索混合算法

针对第Ⅱ类装配线平衡问题,提出了一种基于蚁群-禁忌搜索的混合优化算法。算法利用蚁群算法正反馈,形成收敛趋势的特点,结合禁忌搜索算法加强其全局搜索能力,同时算子进行了适应性改进,一方面结合数学模型对蚁群游历方式、启发信息、禁忌域进行适应性改进,另一方面引入了信息素惩罚、奖励机制和改进了信息挥发因子以提高蚂蚁的自适应能力。通过算例比较,蚁群-禁忌搜索的混合算法具有更强的搜索能力,与基本算法对比试验说明蚁群-禁忌搜索的混合算法的有效性和稳定性。

基于粒子群优化和变邻域搜索的混合调度算法

提出了用于解决作业车间调度问题的离散版粒子群算法。该算法采用基于工序的编码和新的位置更新策略,使具有连续本质的粒子群算法直接适用于调度问题。同时,针对粒子群算法容易陷入局部最优的缺陷,利用粒子群算法和变邻域搜索算法的互补性能,设计了粒子群-变邻域搜索算法、改进的粒子群算法、粒子群-变邻域搜索交替算法和粒子群-变邻域搜索协同算法4种混合调度算法。仿真结果表明,混合算法能够有效地、高质量地解决作业车间调度问题。

随机需求车辆路径问题及混合变邻域分散搜索算法求解

随机需求车辆路径问题(capacitated vehicle routing problem with stochastic demand,CVRPSD)是对带容量约束车辆路径问题(capacitated vehicle routing problem,CVRP)的扩展,需求不确定的特点使其较CVRP更复杂,对求解方法要求更高.基于先预优化后重调度思想,提出两阶段的混合变邻域分散搜索算法(variable neighborhood scatter search,VNSS)对该问题进行求解:预优化阶段构建随机机会约束规划模型,对客户点随机需求作机会约束确定型等价处理,生成最优预优化方案;重调度阶段采用新的点重优化策略进行线路调整,降低因失败点而产生的额外成本,减少对人工和车辆的占用.算例验证表明,随机机会约束模型和两阶段变邻域分散搜索算法在求解CVRPSD时较为有效,点重优化策略调整效果较佳.

基于混合遗传禁忌搜索算法的多机器人任务分配

为解决传统遗传算法在求解仓储多机器人任务分配问题时,收敛速度慢且容易陷入局部极值的问题,该文提出一种混合遗传禁忌搜索算法。首先以机器人配送成本最小为目标建立数学模型;然后在传统的遗传算法中引入禁忌搜索算法中的禁忌表和藐视准则,来对遗传算法每次迭代后的种群进行优化调整,使得算法能够跳出局部最优且快速收敛。仿真结果表明,混合遗传禁忌搜索算法能有效地改善遗传算法的全局寻优能力,提升仓储的整体运行效率。

混合禁忌搜索的车间调度遗传算法研究

针对以最小化最大完工时间为目标的作业车间调度问题,提出一种混合禁忌搜索的遗传算法。禁忌搜索是一种能有效跳出局部最优解的元启发式算法,在每次迭代过程中通过搜索当前解的邻域来获得一个新解,通过评价新解的优越性来优化求解结果;加入多种交叉方式随机选择来扩大种群多样性;同时加入局部邻域搜索来改善解的质量,加快算法收敛速度。将提出的改进算法用于求解若干基准问题,算法具有一定的改良性,能优化求解结果。

遗传算法与变邻域搜索混合模型在护士排班中的应用

目的在探讨基于层级管理的护士APN排班模型的基础上,引入具有精确的全局搜索能力的遗传算法与变邻域搜索混合模型来解决护士排班过程中人员层级复杂、不同班次人员需求量不同等问题。方法首先,初始化排班表,然后利用遗传算法对初始化的排班表进行搜索,得到一个初步的排班表,最后利用变邻域搜索优化排班表,得到满足要求的排班表。结果使用该混合模型得到的排班表,能满足每日护士的人数需求和每名护士的工作量要求。同时,基于层级管理,各层级护士分开排班,能降低排班难度,在增加护士人员时,效率仍然较高。结论遗传算法与变邻域搜索的混合模型能解决护士排班中的各种复杂问题,是一种符合实际需求的模型。基于此模型来编制护士排班软件,能提升护理工作效率和满意度,便于对护理人员进行量化考核统计分析。

基于遗传变邻域搜索算法的农机跨区调度优化研究

智慧农业的快速发展促使多区域互联农机的调度追求更高的实时性,为更合理配置农机资源,农机跨区作业已成为完成“三夏”机收任务的主要服务模式。基于小麦收获机跨区作业真实场景,研究了带时间窗的多库、多机型的农机跨区调度问题,同时考虑经济成本和环境成本,建立以最小调度成本为目标的跨区调度模型。根据问题特征,设计遗传变邻域搜索算法(Genetic algorithm variable neighborhood search,GAVNS),该方法通过交叉、随机扰动、自适应邻域选择等操作,使解的搜索更加高效和灵活。对我国黄淮海平原72个小麦生产区县的作业需求进行计算与分析:不同算法相比,本文设计的算法得到最优解的迭代次数更低、收敛速度更快,求得的目标函数值较遗传算法、变邻域搜索算法分别降低16.41%、11.15%;对比不同调度模式,开放路径模式更有利于提升跨区调度服务效率,较闭合路径模式,调度成本降低17.76%。

一种求解项目鲁棒调度问题的变邻域禁忌搜索算法

鲁棒调度对于不确定环境下项目的平稳实施具有重要意义。基于这一现实背景,针对项目鲁棒调度问题的NP-hard属性,集成禁忌搜索和变邻域搜索各自的优势,将禁忌搜索嵌入到变邻域搜索中,提出了一种变邻域禁忌搜索算法。在随机生成的标准算例集合上,以禁忌搜索和变邻域搜索为对比基准,对所设计的算法进行了测试,并分析了问题规模、可更新资源和项目截止日期等关键参数对算法绩效的影响。结果表明,变邻域禁忌搜索算法的求解质量明显高于其他两种算法,是求解项目鲁棒调度问题的一种高效的算法。

基于混合变邻域遗传算法的柔性车间调度研究

针对柔性作业车间调度的问题,以最大完工时间为目标建立数学模型,提出一种混合变邻域遗传算法。采用三种初始化方法保证初始解的质量,用遗传算法进行初步搜索,将搜索的结果通过迭代贪婪策略进一步搜索,以提高解的质量,再对关键路径进行邻域搜索,设计“跨机器工序搜索邻域”、“同机器工序搜索邻域”、“次优工序搜索邻域”三种邻域结构,加强局部搜索能力。引入迭代贪婪策略和改进的邻域结构可显著提高算法的稳定性与迭代速度。通过对国际通用的柔性作业车间调度基准算例进行测试,实验结果表明所提改进算法能够有效求解柔性作业车间调度问题。

取送货路径优化问题的候鸟群自适应变邻域搜索算法

具有时间、车容量和后进先出约束的多车辆取送货路径优化问题在现实中具有广泛的应用,针对现实问题中规模性和模型的复杂性使其在短时间内无法精确求解的问题,提出了候鸟群自适应变邻域搜索算法(MBO_AVNS)。以三种贪婪插入算法构建初始种群,确保种群的多样性和初始解的质量,对传统候鸟优化算法的邻域搜索算法进行改进,加强了算法的局部搜索能力。通过真实数据进行实验分析表明,与模拟退火算法(SA)和一般自适应变邻域搜索算法相比,MBO_AVNS算法在求解具有时间和后进先出约束的取送货路径问题上更具有优越性。

混合白鲸优化算法求解柔性作业车间调度问题

针对柔性作业车间调度问题(flexible job-shop scheduling problem,FJSP),提出一种混合白鲸优化算法(hybrid beluga whale optimization,HBWO)对其求解,旨在最小最大化完工时间。采用既定策略改进标准白鲸优化算法(beluga whale optimization,BWO),加快其收敛速度;基于机器选择和工序排序问题设计双层编码方案,解决FJSP离散化问题;采用主动编码及种群初始化策略,提高求解质量;基于工序的开始和结束时间确定关键路径和关键块,注重各工序时间维度;引入贪心思想至基于关键路径的混合变邻域搜索策略中,加大勘测搜索空间及减少无效搜索;此外,引入遗传算子防止算法陷入局部最优;通过35个标准算例的仿真实验与分析,证明了算法在求解FJSP问题中具有有效性。