基于批加工的semi-flow-shop生产调度优化

提出了一种类似于flow-shop但又区别于flow-shop的semi-flow-shop生产调度问题,即根据各自的工艺要求,在同一生产线上以批为单位加工的工件可以跳过生产线上的一些工序,直接进入下道工序。根据实际需求,其调度目标不仅要考虑产品的提前/拖期,而且还要考虑设备的空闲。针对该问题,设计了一种改进的遗传算法,基因信息熵的概念被用于共享函数、自适应交叉概率和变异概率的计算,遗传算法的性能得以进一步改善。

缩短患者候检时间的检查序列优化算法的设计和应用

目的探讨有效缩短患者候检时间累加和的优化算法,充分挖掘医院现有资源的服务能力。方法以门诊患者候检时间累加和为目标函数,建立门诊检查的混合开放车间作业模型。计算各检查部门设备的服务检查负荷,确定瓶颈部门;提出了基于瓶颈部门的半在线优化算法,并在上海交通大学医学院附属第九人民医院的20批门诊患者的候诊过程中进行数据验证。结果通过基于瓶颈的半在线检查项目序列优化算法,20批门诊患者的候诊时间累加和减少了10.5%。结论与患者随机生成检查序列相比,优化算法可以明显缩短患者的候检时间累加和,提高医院现有资源的服务能力。

一类多目标优化的半Flow Shop调度问题研究

半flow shop生产调度问题是一种类似于flow shop但又与之有本质区别的特殊调度问题,根据工件的工艺和客户要求,同一生产线上以批为单位的工件的加工可以跳过其中的某些工序。基于企业实际生产情况,建立了目标为产品的所有工件完工时间最小、拖期时间最少和设备的空闲时间最短的多目标优化模型。针对该问题,设计了一种自适应多目标和声搜索算法,算法中引入了信息熵的概念,使种群中个体的多样性的评价更加准确。通过对该算法与其他算法进行对比分析,说明该算法具有一定的优越性,在解决多目标优化问题上具有良好的应用前景。