考虑序列相关准备时间的分布式柔性作业车间调度研究

针对考虑序列相关准备时间的分布式柔性作业车间调度问题,提出以最小化最大完工时间为优化目标的混合整数线性规划模型,并提出一种改进遗传算法。采用基于负荷均衡的种群初始化方法提高初始种群质量,根据问题特性构造6个局部扰动算子,设计多重局部扰动策略提高算法的局部搜索能力。通过扩展柔性作业车间调度基准生成测试算例,使用正交实验确定算法参数。实验结果表明,所提改进策略能够有效提高算法性能,求解结果优于对比算法,验证了调度模型和所提算法的可行性和有效性。

求解带序列相关准备时间双边装配线平衡问题的改进模拟退火算法

在实际生产线上,同一工位内连续两个装配任务之间可能存在序列相关准备时间。针对考虑序列相关准备时间的双边装配线平衡问题(TALBPS),提出一种改进的模拟退火算法。改进措施包括:①采用基于分级位置权重的初始化策略,以获得高质量的初始解;②对收敛准则进行改进,采用工位中序列相关空闲时间作为二级目标来指引算法进化方向,帮助算法跳出局部极值找到最优解。实验结果表明,两个改进算子是有效的,在求解不同规模的TALBPS标杆案例时,本文算法获得的结果与理论最小工位数目更为接近,并且与几种典型的群智能算法和局部搜索算法相比,本文算法在最小相对百分比偏差和平均相对百分比偏差两个指标上性能更优。

核事故应急医学救援相关准备的探讨

随着涉核军事和民用设施的增加,发生核事故的概率亦随之增加。如何提高涉核灾害和事故的应急医学救援能力,是摆在军队医院机动卫勤分队面前的重要课题。我院根据任务需求,在核事故应急医学救治反复推演中,就其相关准备工作进行了深入探讨。现分析报告如下。

多目标协同正弦优化算法求解分布式流水车间调度问题

针对最小化最大完工时间(makespan)、总拖期以及平均空闲时间的多目标序列相关准备时间分布式流水车间调度问题,本文提出一种多目标协同正弦优化算法(MCSOA).算法主要包括4个核心阶段:在多邻域搜索阶段,提出了基于关键工厂的搜索策略,并通过正弦优化算法控制搜索范围;在破坏重构阶段,设计了一种迭代搜索策略引导个体的进化方向,同时使用正弦优化算法平衡全局开发与局部搜索;在选择阶段,使用非支配排序与参考点的方法筛选优质解,外部档案集用于存储所有非支配解;在协同阶段,设计种群间共享与竞争机制,平衡3个目标的优化.本文通过多目标优化的均匀性、反世代距离和覆盖率3项性能指标验证算法的有效性,并使用非参数检验证明所提出的算法具有显著性优势.

需准备时间的FFS调度的一种拉格朗日松弛算法

针对需调度顺序相关准备时间的柔性流水车间生产调度问题,建立以成本最小化为目标的整数规划模型,用基于拉格朗日松弛的方法来求解。在常用的次梯度算法处理拉格朗日对偶问题时,迭代过程易出现振荡,严重影响了收敛效率。因此,利用了隶属度函数给出迭代过程中所有次梯度的合适权重,将它们线性加权得到新的迭代方向。最后通过算例表明,此算法有效的减少了迭代次数,提高了算法的优化性能。

基于遗传规划的动态作业车间调度规则生成

针对以最小化工件平均加权拖期为调度目标的考虑了工艺路线相关准备时间的动态作业车间调度问题,用基于遗传规划的方法智能设计生成用于优化求解问题的调度规则。详细介绍了算法用于调度规则设计的过程,并给出了仿真实验中算法的参数设置以及测试案例的生成方法。仿真调度结果以及对结果的单因素方差分析表明,由遗传规划进化生成规则的性能明显优于所选取的标杆规则的性能。对规则在其他各性能指标下的调度结果进行了同质分组,结果也表明进化生成的规则在其他调度目标下的鲁棒性也较好,这说明针对所要求解的特定调度问题环境,用智能算法遗传规划设计调度规则的方法是可行且有效的。此外,还分析了模型参数对调度规则性能的影响。针对基于遗传规划算法智能设计调度规则存在的优势与不足,指出了未来的研究方向。

无关并行机类型混合流水车间成组调度问题的改进候鸟优化算法

针对无关并行机类型的混合流水车间成组调度问题,在考虑序列相关准备时间的情况下,以最小化最大完工时间为目标建立混合整数线性规划模型,结合问题特征提出一种改进的候鸟优化算法。算法对工件组间排序、各工件组内工件间排序、各工件组在各阶段上并行机指派3个子问题进行统一编码,基于负载均衡思想和改进的先到先得策略将染色体解码为问题的可行解;根据编码特征设计了不同的邻域搜索机制来构造邻域结构,并提出一种协同优化的邻域解生成策略。通过不同规模的数据实验和与对比算法的比较分析,验证了所提算法的高效性和稳健性。

基于能耗预测的空调测试任务调度问题研究

新空调投放到市场前需针对不同环境工况进行大量焓差实验,带来极大的能源消耗。针对焓差实验测试企业,利用机器学习模型进行能耗预测,以最小化电费为优化目标,构建分时电价政策下的空调测试任务调度问题的混合整数规划模型。针对调整工况的时间、耗电率与测试任务顺序相关且无法用常规分布函数描述的情况,构建一种基于随机森林回归的预测模型。然后,针对预测模型和数学规划分阶段求解思路的不足,提出一种基于随机森林与遗传算法的RF-GA混合算法求解思路,该思路采用并行处理方式提高了算法求解效率。通过企业实际测试数据将随机森林预测模型与其他机器学习算法进行对比,验证了该预测模型的有效性,并设计仿真实验产生各种规模的测试算例,将RF-GA算法及Inver-over算子与多种算法及算子进行对比,实验结果表明该RF-GA算法在求解效果和效率方面具有较优的表现。将该方法应用于企业实际测试,可大幅降低能源消耗及电费支出。

简述建筑工程雨期施工

做好雨期施工的相关准备，采取相应的技术措施，合理安排施工，做好雨期施工可保建筑工程质量和施工安全，是建筑施工中不可忽视的重要组成部分。

求解多目标不相关并行机调度问题的多群体人工蜂群算法

针对具有预防性维修(PM)和顺序相关准备时间(SDST)的不相关并行机调度问题,提出一种多群体人工蜂群算法(MABC)以同时最小化完工时间和总延迟时间.该算法将雇佣蜂分割成s个雇佣蜂群,除最差雇佣蜂群外,每个雇佣蜂群都对应1个跟随蜂群.结合2个目标函数、PM和SDST的特征设计3种邻域搜索,采用全局搜索和邻域搜索的不同组合实现雇佣蜂阶段和跟随蜂阶段,并引入两种淘汰过程.通过大量实验测试MABC新策略和搜索性能,计算结果验证了新策略的有效性和MABC的搜索优势.

结合Setup和有限等待时间的两阶段混合流水调度优化

基于某洗发水生产企业的运作场景,研究了一种非同质并行机环境下的两阶段混合流水生产调度优化问题。问题综合考虑了各阶段的机器适用性、各机器上的序列相关准备时间(Sequence-dependent setup time,SDST)以及两阶段间的有限等待时间(Limited waiting time),以最小化最大完工时间(Makespan)。在问题建模的基础上,借助作业块划分规则构造了一种基于模型的启发式算法,并设计和实现了针对本问题的遗传算法。通过大量计算实验,将直接求解模型、基于模型的启发式算法和遗传算法这三种方法进行对比分析,验证了算法有效性,并利用遗传算法求解了大规模实际问题。

基于数学规划的平行机批量调度固定优化算法

以半导体制造行业为应用背景,研究带产能约束的平行机批量调度问题。该问题需要同时考虑基于产品加工顺序的生产准备时间约束、产品加工的时间窗约束、设备和产品的匹配约束以及设备偏好性等约束。为此,构建了混合整数规划(MIP)模型,并设计了基于MIP模型的固定优化启发式算法。该算法先按照随机设备柔性最小优先规则把设备预先分配给需要加工的产品,从而可以通过更新设备和产品匹配关系矩阵来降低子问题的求解难度;再利用基于设备分解和基于时间分解的两种分解方法,固定住MIP模型中的大部分0-1变量,从而可以有效地利用MIP求解器优化剩余的一小部分0-1变量。大量随机产生的实验算例和半导体工厂真实算例表明:该算法优于现有文献中其他基于MIP的启发式算法,特别是当算例中设备柔性较高和需求变动较大时,该算法绩效更加显著。