混合遗传变邻域搜索算法求解柔性车间调度问题

针对考虑生产成本的柔性作业车间调度问题(flow job shop scheduling problem, FJSP),以完工时间与加工成本为优化指标,提出一种求解FJSP的混合遗传变邻域搜索算法。根据个体适应度对种群分割,结合自适应交叉概率改进子代种群产生方式;设计两种邻域结构增强算法的局部搜索能力;提出一种基于动态交叉变异概率的优化算法流程提高求解效率。运用提出的算法求解基准实例与实际问题测试,验证了算法的有效性。

基于改进粒子群算法的木材板材下料方法

木材板材在家具行业应用广泛,以绿色环保、节约能源为目的的木材板材优化下料已经成为研究的热点。木材板材下料优化问题属于二维矩形下料问题,是一种具有高度计算复杂性的问题。本研究主要针对单规格木材板材进行矩形零件下料问题,在木材板材长和宽都大于零件长和宽的情况下,通过建立二维下料的数学模型,采用标准粒子群算法、变邻域搜索算法、粒子群混合变邻域搜索算法分别进行求解,并以某企业的下料实例进行分析计算。首先,利用标准粒子群算法求解单规格板材下料问题;其次,利用变邻域搜索算法求解单规格板材下料问题。在获得局部最优解的基础上改变其邻域结构再进行局部搜索,找到另一个局部最优解,如此不断迭代,直到满足算法的终止条件,获得全局最优解;最后,利用粒子群变邻域搜索混合算法求解单规格板材下料问题。针对粒子群算法局部搜索能力较差、容易过早收敛的问题和具有较好包容性的特点,将变邻域搜索的思想融入粒子群算法中,使结果更加趋向全局最优。结果表明:粒子群变邻域搜索混合算法相比粒子群算法和变邻域算法效率都有显著提升,能显著提高该木材板材的利用率,增加企业经济效益。

部分充电策略下多中心混合车队联合配送路径优化

城市物流电动车与燃油车混合运输场景中,运输资源共享调度和充电策略联合优化方面存在不足。基于此,综合考虑客户时间窗、混合动力车队、电动车部分充电策略、多中心间联合配送机制和碳排放等实际因素,研究带时间窗和部分充电的多中心混合车队绿色车辆路径问题。以车辆固定成本、运输成本、充电成本、碳排放成本和时间惩罚成本之和最小化为目标构建优化模型,并设计混合改进遗传-变邻域搜索算法进行求解。基于湖南省某物流企业的实际数据进行仿真实验,验证了上述模型及算法的有效性,并从配送模式、车队配置和充电策略3个方面进行了敏感性分析。研究结果表明:1)联合配送模式有助于加强配送中心间的协同合作,促进运输资源共享调度,降低物流配送成本并减少碳排放,是一种经济环保的配送模式。2)电动车充电时间过长会影响客户时间满意度下降,且对纯电动车队而言,这一影响更为显著。3)混合车队相比纯电动车队具有更低的配送成本和更高的客户满意度,相比纯燃油车队在降低配送成本和减少碳排放方面更有优势。合理的车队配置不仅能减少企业运营成本,还可以同时兼顾客户利益和环境利益。4)在物流配送中采用部分充电策略能有效节省充电时间并提升客户服务体验。研究成果可为物流企业进行运输资源联合调度和配送方案优化决策提供参考依据。

混合进化算法求解多环节资源配置优化问题

资源配置优化问题是制造业价值链管理的基础问题。然而,现有研究多集中在生产环节,对制造全生命周期的整体考虑不足。研究考虑多环节的制造全生命周期资源配置优化问题(MLCRAOP),旨在通过优化研发设计、生产制造、运维服务和配套设备供应环节的服务资源,提升全生命周期的资源配置客户满意度。将时间、成本、质量指标纳入目标函数构建整数规划模型,提出一种混合进化算法用于求解MLCRAOP。通过在设计案例上的对比实验,验证了混合进化算法具有优异的性能。

果蔬采后分级和预冷车辆协同调度模型与算法

新兴的移动式分级、预冷技术应用于果蔬田间采后处理,有助于降低采后损耗,也催生了采后“最先一公里”冷链物流环节协同运作优化问题。以采后分级、预冷环节为例,综合考虑果蔬最佳预冷时间、先分级后预冷的服务顺序等特有协同情景,构建了移动式分级预冷资源协同调度优化模型。与现有模型不同,本研究考虑延迟预冷对果蔬新鲜度的特殊影响,设计了延迟预冷成本函数,在保障产品质量的同时最小化服务运作成本。设计混合遗传算法对模型进行求解,该算法融合了遗传算法与邻域搜索算法,增强混合算法的局部和全局搜索能力。其中,结合问题的双需求特点及关键协同约束,设计了基于双序列的解的表达方式、基于最佳插入策略的交叉算子以及基于三阶段邻域搜索的变异操作,以提高算法的收敛速度与求解质量。通过与标准遗传算法和变邻域搜索算法对比,验证了本文算法在求解大规模算例时可以更快收敛到更高质量的解。基于陕西省洛川县水蜜桃产业的分级预冷数据证明了模型的合理性。本研究有助于把协同运作优化思想引入果蔬采后“最先一公里”冷链物流环节,为降低我国果蔬采后损耗提供创新性解决思路。

作业车间调度的多工序精确联动邻域结构混合进化算法

针对作业车间调度问题,以最小化最大完工时间为优化目标,提出一种基于多工序精确联动邻域结构的混合进化算法。从理论上给出了关键块中工序无效移动的判定条件,据此设计了3对工序精确联动的邻域结构。为避免算法过早收敛,引入基于邻域惩罚的交叉父本匹配选择算子与基于动态惩罚阈值的种群更新策略。通过与其他先进算法在车间调度问题基准算例上进行对比实验,验证了所提算法的有效性与稳定性。

考虑碳排放和时效性的多能源车辆冷链配送问题研究

随着冷链物流的快速发展,燃油冷藏车碳排放日益加剧,但电动冷藏车由于续航里程限制,导致冷链配送时效性差从而影响企业发展。为了在节能减排的同时降低冷链物流企业配送成本,通过构建基于多能源车辆及充电、换电模式选择的冷链路径优化模型,研究多能源车的冷链配送问题和电动冷藏车的充电、换电优化问题,并提出一种改进的自适应大邻域搜索(modified adaptive large neighborhood search, MALNS)算法,设计相关破坏、修复算子来进行有效求解。实验结果表明:该模型不仅可以减少碳排放,还可节约配送成本,实现企业可持续发展;MALNS算法可以更高效率地搜索最优成本。研究成果对冷链物流企业配送具有重要指导意义。

考虑设备预防性维护的开放车间调度问题

依据实际生产车间的运行情况,建立了带设备预防性维护的开放车间调度模型,并设计一种混合遗传禁忌搜索算法来求解该问题。根据问题的特点,设计了混合算法的遗传编码、解码、改进交叉和变异等操作,以及禁忌搜索算法的邻域结构,使算法在集中搜索与分散搜索中达到平衡。所提算法在开放车间调度Taillard基准实例和带预防性维护的开放车间调度案例中的应用验证了其高效性和有效性。

基于ALNS-TS算法的半灵活型需求响应公交调度问题

半灵活型需求响应公交模式往往拥有1个基准线路方向与1批确定访问的固定站点,服务车辆可以根据预约请求灵活响应候选的可变站点为其提供服务,当可变站点无请求时则不服务.基于低客流区域内需求响应公交服务所面临载客率低、运营成本高等问题,完善该模式的发车条件,设计差异化票价策略和未预约乘客服务判断的半灵活型需求响应公交服务系统,并建立车辆路径优化模型.为提高算法的搜索空间范围和局部搜索强度,设计了混合自适应大邻域禁忌搜索算法进行模型求解.以中国广州市黄埔区公交站点网络作为案例分析,结果表明,在新策略模式下,去除和未去除未预约乘客的半灵活型需求响应公交的票价收入较传统模式分别提高3.0%和15.5%,响应未预约乘客服务模式的服务人数可以提高7.5%;混合自适应大邻域搜索算法在求解速度和求解质量上均有较好表现,与混合模拟退火算法和遗传算法相比,计算时间分别节约76.9%和97.0%.

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。

自动化立体仓库中环形2-RGV系统入库调度模型与求解算法

确定合理的货物运送序列,实现穿梭车(RGV)与堆垛机协同作业是提升自动化立体仓库中环形2-RGV系统搬运效率的重要手段。通过对RGV在环形轨道运作环境下的碰撞情况进行分析,以货物总入库时间最小化为目标,考虑了同一辆RGV运送、两RGV碰撞避免以及RGV与堆垛机协同运作等约束,构建了环形2-RGV系统入库调度问题的混合整数规划模型,设计了可快速求解问题的混合变邻域禁忌搜索(HVNTS)算法。为验证算法的有效性,设计了25组不同规模的算例,并将HVNTS算法的求解结果与CPLEX和禁忌搜索算法的求解结果相比较,算例实验结果表明:货物的平均入库时间分别节省了0.36%和8.67%,且HVNTS算法的求解时间均在3 min内,证明所提算法能快速有效地求解该问题。

车载可补货无人配送小车配送路径研究

无人配送小车由于不适合长距离运输,可与货车搭配完成“最后一公里”配送任务以增加服务范围,这对车辆路径优化问题提出了新的挑战。针对配送小车数量有限、城市配送货物量大且货车停靠限制的特点,提出无人配送小车可补货的大车-小车路径优化问题,即一辆货车搭载多台无人配送小车,由无人配送小车给客户送货,无人配送小车可在货车处补充货物并执行多行程配送。构建以总配送距离最短为目标的整数规划模型,针对此模型设计混合遗传大邻域搜索算法,在遗传算法基础上增加大邻域搜索算法对个体优化。在算法优化过程中先优化小车路径,再在小车路径基础上优化大车路径。数值实验表明,对于小规模问题,所提算法最多花费CPLEX求解时间的6%便获得最优解;在改造的Solomon数据上,所提算法相对于遗传算法平均有95.5%的计算结果优势,相对于大邻域搜索算法平均有7.2%的计算结果优势,且数据量越大,优势越大。

时变路网下多中心电动车-无人机协同配送路径优化

针对车辆行驶时间依赖配送区域路网速度变化的多中心电动车-无人机协同配送路径问题,本文综合考虑配送区域路网交通信息,无人机最大飞行距离、承重能力,配送过程中电动车电池的荷电状态,以及车辆行驶速度、载重量等对电动车能耗的影响等,以总配送成本最小化为目标建立多中心车辆-无人机协同配送路径优化模型。根据问题特征,本文设计遗传大邻域搜索混合算法求解模型,该算法在传统遗传算法基础上,采用整数编码随机生成初始种群,通过无人机最大承重能力、飞行距离筛选无人机可服务的客户,然后确定车辆及无人机的配送路径生成初始解,并嵌入2组摧毁和重建算子进行进化操作。本文通过多组算例验证了算法及模型的有效性,并分析了车辆搭载的无人机数量以及车辆行驶速度对配送方案制定的影响。研究成果丰富和拓展了车辆路径优化的研究领域,可为交通、物流企业优化决策配送方案提供理论依据。

混合时间窗下多中心混合车队车辆路径优化

针对混合时间窗下多中心混合车队车辆路径优化问题,综合考虑多中心联合配送、客户混合时间窗、配送中心运力平衡和车辆装载量对油耗的影响,构建以车辆派遣成本、油耗成本、电动车能耗成本和时间窗惩罚成本之和最小化为目标的优化模型。设计遗传—大邻域混合算法求解模型,该算法采用聚类法生成初始解,基于运力平衡的返回策略设计交叉和变异算子,并引入变邻域搜索结构和大邻域搜索算法的移除与插入算子进行搜索优化。通过对比和分析多组算例验证了算法的有效性,并分析了运力平衡策略和混合时间窗对制定配送方案的影响。研究成果可丰富车辆路径问题的相关研究,为物流企业优化决策配送方案提供了理论依据。

基于超网络的集成工艺决策与调度问题研究

针对多工艺产品的加工路线决策与车间调度方案不能同步制定的问题,在制造车间数字化背景下,提出集成车间不同要素信息的特征—工序—机器—工人的超网络结构,建立基于超网络的加工路线决策与车间调度模型,设计一种集成工艺决策与车间调度的两阶段混合遗传算法求解模型。在工艺决策阶段,设计特征—工序双层矩阵编码染色体保持加工路线的多样性,并在遗传算法的执行过程中使用变邻域搜索方法增强算法的局部搜索能力;在车间调度阶段,采用NSGA-Ⅱ算法优化调度模型,将得到的调度方案多目标值返回至工艺决策阶段用于加工路线的适应度评价。最后通过仿真实验验证了该算法的可行性与有效性。

考虑机器故障的柔性作业车间动态调度

针对生产过程中不确定性机器故障使初始调度方案可执行性降低的问题,提出了一种考虑机器故障概率的柔性作业车间重调度方法。采用事件和基于故障概率的周期混合驱动策略,综合使用多种重调度方式,引入最大完工时间偏差、工序开始时间累积偏差、工序机器变动量作为评价指标,借助结合变邻域搜索的改进遗传算法对调度方案进行求解。通过对处理后的柔性作业车间案例仿真分析,结果表明,相比于单一重调度方式该方法最优重调度方案在性能评价指标上有显著提升,验证了所提出重调度方法应对不同情况下机器故障扰动的优越性。

物资采购统签统付流程一体化决策算法

提出一种物资采购统签统付流程一体化决策算法;首先利用联盟链技术构建物资采购数据共享结构,并引入基于积分的共享激励机制,确保后续决策过程中采购数据的调用;然后将一体化决策问题转化为多目标规划问题,并建立以最低采购成本为目标的一体化决策模型;最后将变邻域搜索方法引入到遗传算法中生成混合遗传算法,基于此求出模型的最优解,得到合理的统签统付流程一体化决策方案.应用分析结果表明:应用所提算法得到的统签统付流程一体化决策可实现远低于采购预算的采购方案.

不确定箱重下内河集装箱班轮航线配载决策

与集装箱海运相比内河集装箱班轮运输具有其独特性,同时对于内贸箱而言,货主订舱时箱重信息的不确定性导致其航线配载决策变得更加复杂.本文考虑不确定箱重影响,以最小化航线班轮堆栈占用数量为目标,构建内河集装箱班轮航线配载决策的随机规划模型.为实现求解,基于随机规划理论,采用机会约束描述随机约束,将随机规划模型转化为随机机会约束规划模型,并设计混合邻域搜索算法求解.算法由蒙特卡罗随机模拟、神经元网络训练及邻域搜索启发式3个部分组成.算例研究表明,混合邻域搜索算法的鲁棒性较好,可实现配载计划对不确定因素的有效吸收.

基于粒子群优化和变邻域搜索的混合调度算法

提出了用于解决作业车间调度问题的离散版粒子群算法。该算法采用基于工序的编码和新的位置更新策略,使具有连续本质的粒子群算法直接适用于调度问题。同时,针对粒子群算法容易陷入局部最优的缺陷,利用粒子群算法和变邻域搜索算法的互补性能,设计了粒子群-变邻域搜索算法、改进的粒子群算法、粒子群-变邻域搜索交替算法和粒子群-变邻域搜索协同算法4种混合调度算法。仿真结果表明,混合算法能够有效地、高质量地解决作业车间调度问题。

混合算法在排样问题上的应用研究

结合全局搜索算法和局部搜索算法的互补特性,研究设计了串行和镶嵌两种混合模式,实现了基于邻域搜索和遗传算法的混合算法;在分析排样问题中图形碰靠的相关性特征的基础上,构建了排样问题的邻域假设和匹配邻域结构,基于混合算法获得了排样问题的优化解;实例结果标明,该算法在搜索到了更好的排样模式,验证了算法的有效性。