求解中间存储有限Flow Shop调度问题的离散群搜索优化算法

针对中间存储有限的Flow Shop调度问题,提出了一种离散群搜索优化算法来最小化工件加工的总流水时间。该算法首先采用基于工件排列的离散编码方式,使得能够直接求解离散的调度问题;其次提出了新的初始化方法,确保了初始种群既具有一定的多样性,又有较好的性能;还引入了离散差分进化的思想,增强了算法的运算效率与搜索能力。最后使用正交设计的方法设置算法参数,通过对Taillard算例的仿真计算,验证了本文算法的优越性。

基于蚁群算法的带中间存储的流程工业生产调度研究

流程工业具有连续性,实时性,复杂性等特点,其生产调度的优化一直是行业内的热点问题。利用蚁群算法进行了深入的研究,提出了适用于流程工业中的连续域蚁群算法方案。该算法采用连续域网格对流程工业问题进行建模,利用缩小范围重新划分的方法提高了算法精度,同时引入最大-最小蚁群算法保证收敛速度,并通过限制解的范围和估算产值的方法引导蚂蚁走向可行,高效的路线。最后通过隔膜烧碱车间的算例验证了该方法在实用性、精度及速度方面有着明显的优势。

基于自适应变邻域搜索算法的一类混合流水车间调度问题

混合流水车间调度是一类典型的生产调度问题,属于NP-难问题。传统的研究通常针对中间存储无限的情况,但是在实际生产中,相邻工序之间的存储一般是有限的。针对中间存储能力有限的混合流水车间调度问题,建立了该问题的混合整数规划模型,并提出了一个自适应变邻域搜索算法。在算法中,针对混合流水车间调度问题的特点,提出了基于工件顺序的编码及解码方法。针对传统邻域类型广域搜索能力不足的问题,提出了基于块删除与插入的大规模邻域搜索,并提出了邻域规模的自适应选择机制。基于随机测试问题的实验结果表明,所提出的自适应变邻域搜索算法具有较好的局域与广域搜索能力。

基于广义粗糙集的流程工业车间调度研究

针对流程工业某电化厂聚氯乙烯车间的生产过程,基于统一时间离散化方法,用广义粗糙集理论对投入产出比、设备转化率等不确定参数进行描述,建立了基于广义粗糙集有限中间存储的流程车间调度问题模型.该模型以最大化产值及精度要求为目标,考虑了设备容量约束、设备生产能力、物料平衡等多种约束,并应用基于改进进化策略的差分进化算法进行求解.仿真结果表明了该算法和模型的可行性及有效性.