基于NSGAⅡ和神经网络的织造车间大规模调度

为解决遗传算法在织造车间大规模调度中容易陷入局部最优的问题,提出了NSGAⅡ-NN125调度算法。首先,根据织造车间大规模调度的特点,以最小化逾期损失、完工时间和改车次数为优化目标,建立了织造车间调度模型。然后设计了以神经网络模型NN125为主体的调度模块,其可根据织轴和织机特征信息生成调度方案。最后,设计了以NSGAⅡ为主体的优化模块,其根据方案优劣对调度模块中的NN125进行优化。结果表明:NSGAⅡ-NN125的调度质量随着调度规模的不断增大始终非常稳定,而且已优化的调度模块可直接用于相似问题的调度,调度性能较好,由于省去了优化过程,调度速度(约50个织轴/s)也有较大提升,具有较好的实用价值。

基于DDQN的大规模柔性作业车间调度优化

大规模柔性作业车间调度问题解空间复杂、求解难度高,针对元启发式算法求解大规模柔性作业车间调度模型效率低,启发式规则无优化求解能力的问题,在构建问题模型的基础上,提出采用基于值的深度强化学习算法框架的求解方法。同时考虑到调度问题难以转换为强化学习问题以及规模增大后搜索难度大的问题,通过设计与动作集和奖励函数对应的状态特征、构建敏感动作集、建立回合和单步混合奖励机制将Double DeepQ-Network(DDQN)模型应用于大规模柔性作业车间调度问题。并通过实验验证了所设计的状态特征、动作集以及奖励函数的合理性,及所提框架在求解大规模柔性作业车间调度问题上的优越性。

基于改进型NSGAⅡ的织造车间多目标大规模动态调度

织造车间调度规模普遍在300台织机、1000个织轴以上,遗传算法搜索极易陷入局部最优,针对传统动态调度机制在织造插单、打样等复杂生产场景中适应性不强的问题,提出一种改进NSGAⅡ算法。从织造多织机、多织轴、多产品的大规模调度出发,基于织造和穿经之间独特的逆工序调度关系,构建以逾期损失、最大完工时间和织机空闲时间均最小为目标的织造多目标大规模调度模型。通过改进启发规则的编码方式缩小解空间,设计了一种局部和全局关联优化的贪婪进化算子,避免算法寻优陷入局部最优;并提出基于支配关系评价的动态调度机制,优化算法在生产中动态响应机制差,抗扰动性不高的不足。验证实验证明,改进NSGAII算法在织机调度规模为500台、4000个织轴时,调度能力仍优于其他算法。

大规模柔性作业车间组批调度及求解方法研究

针对大规模柔性作业车间排程调度问题,采用基于工件组批调度方法降解问题规模,并利用自适应遗传算法优化求解.该方法首先将加工工艺类似、管径尺寸在同一范围内且毛坯材质相同的零件进行组批,从而减小问题求解规模.其次在优化过程中,采用OBX(Order-Based Crossover)交叉方法,根据最优交叉点个数与染色体长度的关系,改进自适应遗传算法,提高其优化速度及求解能力.最后经实例验证该方法可以有效地缩减工件完工时间、减少订单拖延期和寻优时间.

大规模生产调度问题的研究现状与展望

为解决大多数已有调度算法无法直接应用于大规模生产调度的问题,以典型生产调度问题为背景,综述了现阶段已有大规模生产调度问题的算法。分析了大规模生产调度问题规模增长的因素,重点介绍了基于问题分解的各类方法、拉格朗日松弛/分解法及智能优化算法。在此基础上,展望了大规模生产调度问题的研究发展趋势。

基于分解协调原理的大规模动态车辆调度

提出一种解决大规模动态车辆调度问题新算法。首先,采用动态聚类方法,将整个系统分解为几个子系统。其次,针对传统大系统分解协调算法,解决大规模动态车辆调度,收敛性能比较差的问题,设计了有效的协调参数,并在主系统和子系统中,又分别设计了不同的自适应遗传算法。仿真试验表明,该算法不仅提高了最优解的质量,而且还具有搜索空间小、求解速度快的特点,能够有效地解决大规模动态车辆调度问题。

基于改进模拟退火算法的大规模置换流水车间调度

为解决大规模(工件数>100)置换流水车间调度问题,提出一种改进的模拟退火算法。算法改进了初始退火温度的设置,给出相应的计算函数;采用基于概率的多策略协同搜索生成新解,并引入并行搜索和记忆功能概念,以提升大规模问题下解的质量;选择开普勒型衰减函数作为温度衰减函数,提升了大规模问题解的收敛速度;以最小化最大完工时间为目标,将Taillard的大规模问题集(工件数>100)、VRF问题集以及发动机连杆部件实际制造车间等作为数值和工程案例,对算法进行了性能验证,表明了所提方法的有效性。

大规模智能电网调度中的基于自动化系统中的应用研究

随着当今市场经济社会化的飞速发展,国家电网对电网调度自动化系统在电网实时跟踪监控、故障数据处理等应用彻底改变了传统的大规模电网调度方法,优化智能大规模电网自动化系统新型结构。

任务序列强度感知的大规模集群服务器控制模型

异构云数据中心各类服务器的控制成本和性能上的差异将影响其运维管理成本及QoS博弈平衡关系,针对任务序列强度具有的时效性,提出了任务序列强度感知的大规模任务调度模型。依据当前到达数据中心的任务序列强度以及集群中服务器的当前状态,在任务调度中强调节约服务器运维管理成本和各服务器负载均衡的基础上实现优化数据中心对任务序列处理的平均响应时间和系统的吞吐量。通过对实验结果的分析,验证了集群服务器控制模型在任务调度中的可信度大于95%,同时通过与当前应用广且具代表性的算法——最短任务优先、公平分发机制进行比较分析,其效果是三者中最好的,也验证了模型的有效性和可行性。

基于双层规划的装备保障优化预调度

装备保障影响作战任务完成质量甚至直接关系任务成败,装备保障优化调度是提升装备保障系统效益的关键。针对装备保障系统双层决策和组合优化的特点,提出一种基于双层规划的装备保障优化预调度模型。分析装备保障系统运行过程和建模框架;结合组合优化问题,建立双层规划模型,上层为粗粒度层,采用MTSP(multiple travelling salesman problem)方法,下层为细粒度层,采用JSP(job-shop scheduling problem)方法;通过改进MTSP算法设计和迁移JSP算法描述构建双层迭代算法进行模型求解。算例分析表明:该方法在大规模系统优化调度中具有结构开放性和参数适应性。

大规模项目调度问题的分解和协调优化方法

为了解决大规模有资源约束的项目调度问题,提出一种串行分解和并行分解相结合的项目逐层分解方法,以便克服精确算法求解时间不可接受,而启发式算法解的质量较差的问题。根据该分解方法特点,提出基于采样选择的启发式协调方法,以及基于分枝定界方法的精确底层调度的子项目协调优化算法,并通过仿真分析了关键参数的选取。仿真结果表明,该算法解的平均质量明显优于相关启发式算法,并且求解时间能够满足工程上的要求,能够有效地提高大规模项目调度问题的求解质量,具有实用价值。

与启发式规则相结合的遗传算法在车间调度问题中的研究

通过在对遗传算法的解码过程中引入启发式规则 ,构造一种新型的与启发式规则相结合的遗传算法 ,即分别利用遗传算法和启发式规则各自的特点来实现不同的调度目标 ,用于解决大规模离散生产类型车间调度问题。通过实例计算分析表明 。

一种新型物流调度算法的优化研究

基于广泛应用的粒子群算法,对现代物流企业的商品调度,进行了一定的优化研究,并通过实验数据进行模拟验证。实验结果表明,通过算法能够比较好地解决物流调度中的优化问题,可以帮助企业降低成本,优化结构。

基于智能优化算法的原油移动路径规划研究

本文研究了沿海型炼厂原油移动路径规划问题,根据实际化工罐区建立了图结构数学模型,基于多目标优化算法对模型求解,引入Deb准则处理复杂约束条件,得到了较为理想的原油移动路径规划方案。结果表明,在给出多个需同时移动的子任务的情况下,优化得到的路径规划方案均为可行方案,并能够根据实际生产需求选择相应功率的泵机,达到最小化功耗的需求。由此可见,本文设计算法能够有效解决沿海型炼厂原油移动路径规划问题。