“问题作业教学”模式在军校研究生教学中的应用——以国防科学技术大学为例

结合我国军校研究生教学模式创新实践,以国防科学技术大学为例,分析了"问题作业教学"模式的现实需求和理论基础,以国防科学技术大学为例,介绍了该模式的"五大策略"以及教学准备和实现条件。

基于协同研讨的问题作业教学设计

问题作业教学是充分利用先进信息技术手段,综合借鉴研讨式教学和军队想定作业教学而提出的一种以问题为中心的研究式教学方法,以角色扮演、分组竞争、协同研讨为主要特征,在军队中高级领导干部继续教育培训中取得了显著成效。本文结合开展问题作业教学的实践经验,从教学准备、教学流程、教学评价等方面论述了问题作业教学设计,旨在为问题作业教学的推广应用提供参考。

考虑模糊质检时间的柔性作业车间动态调度问题

为解决更符合现实情形的模糊质检时间柔性作业车间动态调度问题,以最小化完工时间为目标,立足紧急插单、机器在空载运行时发生故障和机器在加工工件时发生故障的三种故障情形,建立了带模糊质检时间的机器故障、紧急插单重调度模型。设计了基于元胞自动机邻域搜索和随机重启爬坡算法的改进遗传算法求解模型,即针对车间调度问题中存在的订单排序和机器选择双决策问题特征,设计包含工序码和机器码的双层编码方案,并基于遗传算法思想对工序码和机器码设计相应的交叉、变异等遗传操作。同时,将遗传操作应用于基于元胞自动机的邻域搜索算法框架中以增强算法全局搜索能力,整合基于关键工序的随机重启爬坡算法以提高算法局部开发能力。实验选取10个柔性车间调度算例验证了所提算法的有效性,同时,测试1个模糊质检时间柔性车间调度算例验证了模型的有效性。另外,实验也测试了不同故障场景,得出该动态调度方法优于实际场景中常使用的“工件后移”调度策略。

基于改进樽海鞘群算法的多目标柔性作业车间调度问题研究

针对多目标柔性作业车间调度问题,构建了以最小化总能耗、最小化生产成本及最小化惩罚值为优化目标的数学模型,并设计改进的多目标樽海鞘群算法(IMSSA)进行求解。改进算法主要由樽海鞘领导者和樽海鞘追随者两部分构成,其中,领导者位置更新结合正余弦算法来实现,追随者位置更新基于线性微分递减的惯性权重方法来完成。此外,引入食物源存储库用于保留非支配解。最后通过对比实验证明了所提策略及改进算法的有效性。

基于改进灰狼优化算法的柔性作业车间分批调度问题研究

针对以最小化最大完工时间为目标的柔性作业车间分批调度问题(Flexible Job shop Batch Scheduling Problem,FJBSP),提出了一种改进灰狼优化(Improved Grey Wolf Optimization,IGWO)算法,优化对象为工件的分批方案。首次将流体模型应用于FJBSP的求解,提出了一种基于流体模型的解码方法,用于获得更好的子批调度方案;然后改进了狼群的等级制度,避免了算法过早收敛;其次设计了一种全新的适应可变长编码的交叉方法,深入交流2个个体之间的分批信息,增强了算法的搜索能力和稳定性;再次,提出了能够动态更新个体游走率的自适应灰狼游走策略,兼顾了算法的搜索质量和收敛速度;此外,对领头狼使用自适应邻域搜索动态调整每种工件选择各邻域的概率,提高算法的局部搜索能力;最后,设计了9个算例和3组实验,验证了所提出的IGWO算法的有效性和优越性。

基于改进的NSGA-II纺织生产车间柔性作业车间调度问题算法的研究

在纺织生产线调度领域,传统的人工调度方式已难以满足当前对高效利用机器和提升生产效率的迫切需求。鉴于此,本文建立了以最小化最大完工时间和机器总负载为优化目标的多目标柔性作业车间调度问题(flexible job shop scheduling problem,FJSP)数学模型,并提出了一种改进的NSGA-II算法(INSGA-II)用于求解。本文的主要特点是:(1)该算法采用基于工序和机器的两层编码方法;(2)采用混合种群初始化策略,目的是提高种群的初始质量;(3)设计了一种基于迭代次数的变领域搜索策略,在减少无效搜索的同时提高了局部搜索能力。本文在MK01-MK09和abz05-abz09的测试集上,将所提出的算法与其他算法(MOEA/D、MOEA/DD和NSGA-II)进行对比,并通过对14个标准算例的分析,证明了改进个NSGA-II算法在求解FJSP问题中的有效性。

结合FJSP问题的跨层穿梭车仓储系统作业调度研究

为提高跨层穿梭车仓储系统的作业效率,通过分析系统内设备的服务时间,创新性地将柔性作业车间调度问题(FJSP)模型应用于解决跨层穿梭车仓储系统作业调度问题中,将穿梭车仓储系统中的出入库作业转化为FJSP中待加工的工件,同时考虑设备预先移动及并行情况,建立结合FJSP的跨层穿梭车仓储系统作业调度模型,并借助一种改进的灰狼算法,与传统的基于复合作业的调度模型进行对比。结果表明,所提出的结合FJSP问题的跨层穿梭车仓储作业调度出入库时间更短,模型通用性更高,能够有效地提高穿梭车仓储系统的作业效率。

混合麻雀算法求解带准备时间的分布式柔性作业车间调度问题

分布式制造模式因多工厂/车间协同生产而使其制造环境存在多样性和多变性。研究了考虑零件加工前的动态准备时间的分布式柔性作业车间调度问题(Distributed Flexible Job Shop Scheduling Problem, DFJSP)。针对缸体零件加工阶段存在多工位零件装夹定位、拆卸和换刀等动态准备时间的实际生产情况,建立了以完工时间、碳排放和订单拖期为目标的DFJSP模型;提出了一种混合麻雀算法(Hybrid Sparrow Search Algorithm, HSSA)对上述模型进行求解。HSSA算法根据模型特点,采用了三层编码方式和多种群初始化策略,设计了一种三层变邻域搜索结构,引入了POX、PMX交叉算子和高斯变异算子来完成交叉、变异操作,同时设计了一种基于支配关系的精英选择策略。通过仿真及与其他算法的对比分析,验证了HSSA算法的优越性和可靠性。

融入概率学习的混合差分进化算法求解绿色分布式可重入作业车间调度

本文针对绿色分布式可重入作业车间调度问题(GDRJSSP),提出一种融入概率学习的混合差分进化算法(HDE PL),以实现最大完工时间和总能耗最小.根据GDRJSSP的问题特点,设计编码和解码规则,并采用差分进化算法执行全局搜索来发现优质解区域.为能更明确地引导全局搜索方向,设计基于贝叶斯网络结构的多维概率模型合理学习和积累优质解(即当前种群中的较优解)的模式信息.结合问题解的结构特征,提出基于关键路径的4种邻域结构来构造局部搜索,并设计基于非关键路径的节能策略来提升算法获取低能耗非劣解的能力.仿真实验和算法对比验证了HDE PL可有效求解GDRJSSP.

协同智能体强化学习算法的柔性作业车间调度方法研究

为提高柔性作业车间调度效率,构建一种具有柔性作业车间调度问题约束条件的马尔可夫决策过程,针对工件与机器的同时选择问题,提出一种协同智能体强化学习方法进行求解。在构建马尔可夫决策过程中,引入析取图表述状态特征,采用两种智能体执行工件与机器的选取,预测不同时刻最小化最大完工时间的差值来映射整个调度过程的奖励参数;求解时,嵌入GIN(graph isomorphic network)图神经网络提取状态,为工件与机器智能体分别设置编码器-解码器构件输出两种动作策略,以PPO(proximal policy optimization)算法与D3QN算法训练工件与机器智能体的决策网络参数。通过正交试验法选取算法超参数,以标准实例与其他文献进行对比,实验结果表明,所提方法在求解FJSP方面明显优于其他算法,进一步验证所提方法的可行性与有效性。

改进混合多目标蚁群算法求解带运输时间和调整时间的柔性作业车间调度问题

柔性作业车间调度问题是一类重要的组合优化问题,实际生产过程中,产品搬运、机床换模、更换刀具等间接加工活动中存在运输时间和调整时间,会对生产周期产生影响。研究了同时考虑运输时间和调整时间的柔性作业车间调度问题,建立以最小化最大完工时间、机器总负载、机器关键负载和工件的交货期惩罚值为目标的数学模型,并提出一种改进的混合多目标蚁群算法。结合问题特征和算法特点设计了一种分布式编码方式,采用改进蚁群算法分别搜索各优化目标的最优调度方案,针对调度方案集进行非支配排序选择,为了提高算法的搜索精度,提出了突变和靠拢操作。最后通过基准实例和生产实例进行仿真实验,并与改进遗传算法、MOGATS算法进行对比,实验结果表明提出的改进混合多目标蚁群算法是有效和可行的。

基于改进遗传算法的柔性作业车间调度问题研究

为了应对当下愈加复杂的实际生产情况,针对柔性作业车间调度问题(FJSP),以最大完工时间最小为目标,提出一种更加简洁有效的优化算法用以求解该问题。针对遗传算法(GA)局部搜索能力较差等问题,结合教与学算法(TLBO)优异的局部搜索能力,在交叉阶段引入教与学交叉以提高算法局部搜索能力;考虑到进化时期不同对于交叉等操作的需求不同,引入自适应策略提高算法的全局搜索能力。先将改进后的TGA算法与传统GA算法对比以验证算法的有效性,再与改进的蝙蝠算法(HGBA)对比验证算法的简洁性,通过结果图的对比得出本文改进算法对于求解FJSP问题的简洁有效性。

一种基于修正机制和强化学习的作业车间调度问题的优化算法

近年来,使用深度强化学习解决作业车间调度问题的研究主要集中于构造法,通过将作业车间调度问题视为顺序决策问题,逐步选择调度节点从而得到完整的解。尽管这种算法思想已经取得了不小的成果,但仍面临奖励构造困难、解决方案质量不高的问题,因此这一方法的发展受到制约。针对这些问题,设计了一种基于图神经网络和近端策略优化算法的强化学习构造框架。同时,针对因训练与测试数据分布不一致而带来的次优解问题,还设计了一种修正交换算子,以保证解的质量。最后,为了证明算法的有效性,在公开数据集和生成的数据集上进行了实验。实验结果表明,所提算法在中小规模实例上的结果优于目前最好的强化学习框架,不仅充分发挥了构造式强化学习框架求解迅速的优势,还通过修正机制有效缓解了次优选择问题,缩短了实例的最大完成时间。

分布式多柔性装配作业车间调度问题研究

针对分布式柔性装配作业车间环境,综合考虑了调度过程中的机器选择柔性、工人安排柔性和工序顺序柔性,构建了以最小化最大完工时间和最小化总能耗为优化目标的分布式多柔性装配作业车间调度问题(DMFAJSP)的数学模型。为求解DMFAJSP模型,提出了一种以分布估计算法为全局搜索组件、以邻域搜索算子为局部搜索组件的多维模因算法(MDMA)。最后,将所提出的算法与其他算法进行了对比试验,结果表明MDMA算法在求解DMFAJSP模型方面具有显著优势。

动态环境下的柔性作业车间调度问题研究

针对动态环境下的柔性作业车间调度问题,提出了一种基于改进离散粒子算法的动态调度方法。动态调度方法采用在动态车间调度中应用最为广泛的滚动窗口与改进离散粒子算法相结合的再调度策略,最后通过对两类突发动态事件的仿真测试,验证了本文所提方法能够解决各类突发动态事件,及时有效地对初始方案进行调整,并与原方案有效衔接。

改进萤火虫算法求解多目标柔性作业车间调度

针对多目标柔性作业车间调度问题,以最小化最大完工时间、最小化机器总负荷、最小化机器最大负荷为目标,提出一种改进邻域结构的离散萤火虫算法。首先,采用多种策略相结合的方式初始化种群,提高算法初始解质量以及种群多样性;其次,通过改进关键路径的邻域结构并设计离散萤火虫算法的位置更新公式,以增强算法全局搜索和局部搜索能力;最后,将该算法应用于标准数据集,并将求解结果与其他算法进行对比,验证了所提算法的有效性。

考虑工件运输时间的分布式柔性作业车间调度

为求解考虑工件在机器间运输时间的分布式柔性作业车间调度问题(DFJSPTW),提出了一种基于延迟接受爬山算法(LAHC)的改进算法,并建立起以最大完工时间为优化目标的数学模型。针对DFJSPTW的几个耦合性子问题,工序排序和机器选择、工厂分配采用了基于工序、机器、工厂的三层染色体编码方式去解决,而小车分配则提出了一种考虑负载均衡化的调度规则;为提高生成解的质量,初始化染色体时工厂和机器序列分别考虑了负载平衡;局部搜索过程中,算法设计了4种邻域搜索算子并提出了一种符合DFJSPTW的变邻域搜索策略,在变换邻域搜索算子时还引入了化学反应算法中的单分子反应搜索机制,用于加强算法的综合搜索能力。通过数值实验验证了变邻域搜索策略和引入单分子反应搜索机制的有效性,同时通过改进算法与GA_OP、GA_JS算法的对比实验,进一步验证了所提算法求解DFJSPTW问题的优越性。

高中历史新课程实施中的作业问题和措施

本文首先阐述了高中历史新课程实施作业的重要性,其次分析了高中历史新课程实施中的作业问题,最后提出了提高历史作业可实施性的有效途径。

基于鲁棒性模拟的停机位分配问题的数值方法比较

为了提升机场停机坪分配的鲁棒性,针对大型国际机场航班延误常态化对机场运行稳定性的影响,构建了两种整数线性规划模型,并引入爬山算法与大邻域搜索(LNS)元启发式算法进行效能比较。同时,采用Monte Carlo方法对不同目标函数在处理航班冲突时的效果进行评估。测试结果表明LNS算法在提升大型机场停机位分配方案的鲁棒性方面表现卓越,在求解速度和方案质量上均有显著提升。特别是,当以空闲时间的平方作为目标函数时,其效果尤为突出。

基于改进MOEA/D的模糊柔性作业车间调度算法

针对实际生产车间中加工时间的不确定性,将加工时间以模糊数的形式表示,建立以最小化模糊最大完工时间和模糊总材料消耗为优化目标的多目标模糊柔性作业车间调度问题数学模型,提出一种改进基于分解的多目标进化算法(IMOEA/D)进行求解。该算法基于机器和工序两层编码并采用混合的初始化策略提高初始种群的质量,利用插入式贪婪解码策略对机器的选择进行解码,缩短总加工时间;采用基于邻域和外部存档的选择操作结合改进的交叉变异算子进行种群更新,提高搜索效率;设置邻域搜索的启动条件,并基于4种邻域动作进行变邻域搜索,提高局部搜索能力;通过田口实验设计方法研究关键参数对算法性能的影响,同时得到算法的最优性能参数。在Xu 1~Xu 2、Lei 1~Lei 4和Remanu 1~Remanu 4测试集上将所提算法与其他算法进行对比,结果表明,IMOEA/D算法的解集数量和目标函数值均较优,在Lei 2算例获得的解集个数为对比算法的2倍以上。