城市物流无人机起飞时刻排序问题研究

文中基于动态优先级计算了无人机起飞的时刻及起飞顺序.选取货物价值、收货点距离和最晚收货时间作为影响排序的主要因素,根据熵权法判断不同影响因素对物流订单优先级的影响程度,结合模糊聚类与三维优先级表调度规则判定物流订单的任务优先水平.并根据订单优先级设定延误成本系数,以最小总延误成本为目标构建物流无人机起飞时刻排序模型;提出相应的改进遗传算法对模型进行求解.数值仿真实验结果表明:所提方法可以安全高效地安排无人机起飞队列顺序,降低无人机配送的总延误成本.

基于多目标猫群算法的混流装配线排序问题

针对现实混流装配线上各工作站内设备闲置/超载的成本不同的问题,在传统的最小化闲置/辅助工作总成本目标的基础上,考虑不同工作站内设备闲置/超载成本的差异,建立了以改进的最小化工作站闲置/超载总成本、产品变化率和产品切换总时间为目标的多目标优化模型,并设计一种改进多目标猫群优化算法进行求解。提出一种基于线性混合比率的猫行为模式选择方法,以提高算法前期的全局搜索能力和后期的局部寻优能力;提出能生成分布广泛的候选个体、基于多样化搜寻算子的改进搜寻模式,拓展算法的搜索空间,提高算法的全局搜索能力。运用基准实例对所提算法与第二代非支配排序遗传算法、多目标粒子群算法、第二代强度Pareto进化算法进行比较,结果表明所提算法在解的收敛性、分布性和Pareto解的搜索能力上均具有优势。将该算法用于求解某实例企业的混流装配线排序问题,为车间调度人员的决策提供了多样化的选择,且优于车间已有方法的求解结果。

基于蚁群系统的工件排序问题的一种新算法

工件排序问题中如何使加工效率最高 ,一直是一个非常重要而且又非常困难的问题 .特别是问题的规模很大时 ,目前各种算法计算就非常困难 ,有的甚至无法得到合理的方案 .蚁群系统是近年来发展起来的解决组合优化问题的一种有效方法 .根据工件排序问题的特点 ,建立了在不同种类的并行机上加工一批不同种类工件的优化数学模型 .在蚁群算法的基础上对其进行了改进 ,成功地把改进的蚁群算法用于工件排序问题的优化中 .通过与其他算法的仿真比较 ,表明基于蚁群系统的算法是有效的 。

基于单机排序问题的降落飞机分组排序方法

为使单跑道降落飞机排序结果在实际操作时可行、简单,首先限制同一航路段上的飞机按照先来先服务的原则排序,在最终的排序中,其拓扑次序不变;其次提出了将飞机分组排序的思想,对同一航路段上刚好满足最小安全间隔的飞机做为一个飞机组参与排序。使用1|chains|∑wjcj做为排序模型,通过求解各飞机链的ρ因子可以快速得到排序结果。将本方法用于对双流国际机场和其它几个机场的实际航迹数据进行计算,得到的排序序列完全符合实际管制需要,具有很高的推广应用价值。

一种机场终端区飞机排序问题的蚁群算法研究

飞机排序问题(ASP)属于NP难问题,解决比较困难.本文首先将ASP表示成一个特殊的车间作业调度问题(JSP),以减少着陆飞机队列完成时间为优化目标,设计了求解ASP的蚁群算法.通过正交试验确定了ASP蚁群算法的最佳性能参数组合.通过比较FCFS调度方法和ASP蚁群算法对不同航班队列的排序结果验证了ASP蚁群算法求解问题的可行性和求解效果.结果表明,ASP蚁群算法优于FCFS调度方法,可以使着陆队列完成时间减少约14%.ASP蚁群算法的CPU时间较短,可以在合理的时间内求解出合适的飞机队列,为实时在线的自动化交通管制提供了支持.

同顺序(Flow-shop)排序问题的模拟退火求解

本文为Ｆｌｏｗ－ｓｈｏｐ问题的求解一般地构造了一类随机方法─—模拟退火算法。基于６种不同的随机抽样方式，分析表明求解算法渐近收敛于全局最优解集且具有多项式计算复杂特性。以不同实例规模的ＵＩＳ、ＦＩＳ和ＮＩＳ的Ｍａｋｅｓｐａｎ最小Ｆｌｏｗ－ｓｈｏｐ排序问题为例，计算结果表明模拟退火求解Ｆｌｏｗ－ｓｈｏｐ排序问题是有效的．

企业多项目管理中的优先排序问题研究

企业在执行多项目管理时,由于其资源的限制,不能够将所有的项目机会都同时付诸实施。本文首先从企业的战略角度研究了如何对项目机会进行优先排序,选择优势项目;其次对企业的多项目实施过程中的项目优先排序问题提出了新的定量方法,并用实例进行了验证。

极小化加权总完工时间的分批排序问题

本文讨论了分批排序中极小化加权总完工时间的两个问题.就所有工件的加工时间都相等这一特殊情况,分别给出两个算法,并证明了算法的最优性.

处理机具有准备时间的恒速机排序问题

讨论任务的加工是不可中断 ,处理机是恒速机且处理机具有准备时间的排序问题 ,对一般情况的 L PT排序的界做了改进 ,同时对 m =2的情况给出了一个与处理机加工速度有关的 L

复制法及其在分批排序问题中的应用

首次提出分批排序问题中的复制法,并用其证明了分批排序中的极小化求和问题以及极小化极大问题的NP＿完备性.

基于改进分散搜索的混流装配线排序问题

针对混流装配线生产效率问题,设计了以最小化工作站的闲置与超载时间和最小化总调整变换时间为优化目标的数学模型。为得到高质量且平稳性好的解,提出了适应该模型求解的改进分散搜索算法。该算法首次应用一种基于遗传理论的多样性初始解生成法,不但保证了初始种群的多样性,而且为参考集提供了高质量的初始解。设计了参考集生成更新方法、子集产生方法、子集合并方法和优化解方法等多种机制,既保持了种群的多样性,又寻求到了质量较高的满意解。通过某企业混流装配线实例,验证了所设计算法的有效性。

求解 Flow Shop 排序问题的模拟进化法

为ＦｌｏｗＳｈｏｐ排序问题的求解构造了一类模拟进化寻优方法——基于启发式规则的有序遗传算法，并对不同规模的实例进行了计算机模拟。

求解作业排序问题的一种改进修复约束满足算法

修复约束满足算法(修复法)是在完整初始解的基础上不断对变量进行修复,最终得到可行解.对此,提出一种求解flow shop排序问题的改进修复法(IRCS_WT),通过采用新的变量表达方式,设计了一种以启发式优化规则为指导的变量选择算法(LWT),并采用一种变量互换算法(LTEE)保证算法的全局搜索性能.将新算法应用于31个标准算例,与传统算法及遗传算法的优化结果进行比较,结果表明在相同运算时间下改进算法具有明显的优越性.

单机排序问题|r_j,prmp| ∑w_j(1-e^(-ac_j)) 的动态在线调度

本文首先一般化了可中断的概念,并建立了相应的中断—安装重复模型,然后研究了单机排序问题1|rj,prmp| wj(1-e-acj)在中断—重复和中断—安装重复模型下的动态在线排序问题,给出了只考虑当前可用信息而不是考虑全部任务信息的在线调度规则。

链优先约束工件单机随机排序问题

讨论单机随机排序问题 ,目标函数为确定工件的排列顺序使工件的加权完工时间和的数学期望最小。设工件间具有平行链优先约束 ,机器发生随机故障。考虑两种情况 ,第一种情况是链不允许中断 ,第二种情况是链允许中断 。

混流装配排序问题的改进人工蜂群优化

为解决离散的混流装配线作业排序问题,提出一种基于人工蜂群优化算法的改进算法。采用NEH启发式方法优化初始种群质量;在雇佣蜂算法中建立了变邻域区域搜索机制并嵌入模拟退火算法,提高了算法的搜索精度与广度;提出一种最优控制策略,通过限制最优解群体的成长速度,有效降低了种群相似度,提高了算法的全局搜索性能。实验方面,算法参数通过标准算例仿真对比设定,并采用Benchmark标准算例对所提算法与标准人工蜂群优化算法、遗传算法、混合遗传算法、改进粒子群优化等算法进行了对比。通过一个混流排序实例的仿真,对比证明了算法在求解混流装配线排序问题上的有效性。

用P系统解决排序问题

介绍了一个生物细胞中抽象出来的计算模型——P系统,阐述了如何利用P系统有效地解决排序问题.通过比较排序问题中最坏、最好以及普通情况下的输入实例,分析了该方法的性能.同时,在空间允许的条件下,展示了如何修改此方法将时间复杂度大大降低的可能性.

单机排序问题的数学规划表示

本文把单机排序问题 １‖∑ｗｊＣｊ表述成一个二次规划，并把不带权的问题１‖∑Ｃｊ进一步转化成指派问题，从而用指派问题的匈牙利算法证明 ＳＰＴ序是问题１‖∑Ｃｊ的最优解．这个结论似乎很平凡，但对于用数学规划来研究排序问题是一个很有意义的进展．这为我们用二次规划和半定规划来研究ＮＰ困难的排序问题的近似算法打下基础．

一类Flow Shop排序问题的混合遗传算法

】描述了在平行顺序移动方式下ＦｌｏｗＳｈｏｐ排序问题的数学模型，构造了求解该问题的混合遗传算法．用计算机模拟计算的结果表明。

同时加工排序问题的分支定界法和启发式算法(英文)

同时加工机器或者称为批加工机器是可以同时加工多个工件的机器.本文研究使带权总完工时间为最小的同时加工排序问题1|B|∑wjCj.这个问题的计算复杂性还没有解决.我们给出这个问题的精确解法-分支定界法和几个启发式算法,并且用较多实例对启发式算法的性能进行了比较.