一、一种有效的启发式Flowshop调度算法(论文文献综述)
沈鹏[1](2021)在《零等待间歇生产过程智能算法研究》文中研究说明零等待间歇生产过程要求同一产品的相邻工序连续进行,是制造业中一种常见的生产形式。由于调度方案能够很大程度上决定企业的效率和收益,因此研究此类情形下的生产调度算法有着重要的实际意义。目前传统的启发式算法存在泛化能力不强的弊端,于是本文采用一种超启发式差分进化(Hyper-heuristic Differential Evolution,HHDE)算法求解零等待间歇生产调度问题,并围绕单目标和多目标下的零等待间歇生产过程调度问题开展了研究,且对多目标情形下的解集进行了决策分析。以下是主要研究内容:(1)给出了零等待间歇生产过程的优化调度问题描述和求解算法。首先,描述了间歇生产过程的分类和特征;其次,针对零等待间歇生产调度过程建立算法模型,阐述了模型目标优化函数和常用研究方法,并给出了零等待策略下模型的约束条件。介绍了超启发式算法的基本原理和分类,分析了其优化框架与优缺点。(2)针对单目标零等待间歇生产过程调度问题,以最小化最大生产完成时间,建立了单目标零等待间歇生产调度模型,提出了一种超启发式差分进化算法来进行求解。此算法以超启发式算法为框架,高层策略域通过自适应差分进化算法来对低层问题域上的一系列启发式操作进行组合,形成新的算法用于搜索解空间,并根据解的质量来决定更新的策略。同时,在解的更新过程中引入模拟退火算法来防止算法过早的陷入局部最优。最后通过典型算例与其他算法进行了对比,证明了该算法的优越性。并通过实际工厂的调度案例验证了该算法的实用性与有效性。(3)针对多目标零等待间歇生产过程调度问题,以最小化最大生产完成时间、总流程时间、交货满意度为目标,建立了多目标零等待间歇生产调度模型,提出了一种多目标超启发式差分进化(Multi-objective Hyper-heuristic Differential Evolution,MOHHDE)算法来进行求解。首先,根据Pareto前沿的覆盖率来决定算法的更新策略,其次,将模拟退火算法扩充到多目标情形下以防止算法过早的陷入局部最优。最后,针对多目标情形下多组解的问题,通过博弈论中的Nash均衡模型将主观决策层次分析模型(Attribute Hierarchical Model,AHM)和客观决策CRITIC法(Criteria Importance Though Intercriteria Correlation)相结合来综合生成唯一调度解。对比实验结果表明,在解决现实情形下的零等待间歇生产过程问题时,该算法相对于其他算法的表现更为突出。根据企业生产量化分析实际问题结合本文算法,搭建零等待多产品间歇生产过程优化调度模型,结合Oracle数据库、时林平台、Matlab和Visual Studio软件,利用C#编程语言进行间歇生产调度系统分析应用软件的开发,并在山东泰安某生物发酵公司进行应用。通过实际应用验证了根据本文算法所开发的应用软件的有效性与实用性。
储梦伶[2](2021)在《面向知识导向和交货期的预制构件生产调度研究》文中认为近5年来,中国等多个国家出台了一系列政策推动预制构件(precast components,PCs)产业化发展,提高其占全部建筑的比例。与现场浇筑施工相比,预制构件因具有耐用性、美学多功能性、节能环保等独特优势而广受欢迎。合理的生产调度计划可以有效增加预制构件制造企业的总净收益、提高准时交货率和客户满意度。为此,本文针对预制构件制造商生产能力不足情况下的单工厂订单接受与调度、工期指派和调度集成以及生产能力充足情况下的分布式多工厂调度问题分别进行了研究,具体如下:(1)针对预制构件生产管理过程中订单工期紧和生产能力不足的问题,在充分考虑中断和不可中断工序,串行和并行工序等复杂工况特点的基础上,以最大化净利润为目标,建立了一种订单接受与调度集成优化模型。鉴于问题的NP难性和模型的高度非线性,通过集成问题性质、构造启发式、邻域搜索和破坏-构造机制,提出了一种混合加速迭代贪婪搜索框架。其中,在调度构造阶段,为提高算法求解质量和搜索效率,设计了基于知识的两种融合订单插入操作性质的加速构造策略。计算结果显示,与混合遗传禁忌搜索算法,遗传算法以及禁忌搜索算法相比,所提算法具有更好的求解质量和求解效率。同时验证了所提出的加速构造策略能够有效减少算法运行时间。(2)在实际生产过程中,制造商需要为客户指派合理的工期,否则就会因生产调度不当导致预制构件延迟交付和客户满意度下降。因此,针对预制构件实际生产管理过程中交货期配置、订单选择与生产调度需要同时决策的困难问题,首先分析了固定调度情况下交货期配置的性质并给出了最优交货期配置策略,在此基础上提出了一种基于知识导向的混合迭代贪婪算法(hybrid iterated greedy algorithm,HIG)用以求解该问题。在该算法的目标评价阶段,为提高算法效率,通过集成最优交货期配置策略快速计算给定调度对应的最优目标值,克服了枚举交货期方法所带来的的目标函数评价困难;同时为提高搜索精度,在局部搜索阶段设计了一种基于插入和交换结构的快速变邻域上升搜索策略(variable neighborhood search,VNS)。计算结果显示,本文所提算法在相同的运行时间内具有更好的求解质量,同时分别验证了最优配置策略和VNS搜索策略的有效性。(3)研究了以总加权提前期和拖期最小化为目标的分布式混凝土预制流水车间订单调度问题。首先建立了混合整数非线性规划模型。随后通过线性化技术将其转化为一个新的混合整数线性规划模型。鉴于问题的复杂性,为解决中大规模问题,提出了一种混合禁忌搜索和迭代贪婪算法(hybrid tabu search and iterated greedy,HTS_IG),该算法首先运行混合禁忌搜索算法(hybrid tabu search,HTS),然后从HTS得到的最优解开始进行迭代贪婪搜索(iterated greedy,IG)。为提高搜索效率,提出了一系列调度结构性质,并将其集成到HIG和HTS_IG的局部搜索步骤中。为便于算法比较,我们在传统的遗传算法的基础上加入变邻域搜索操作,提出了基于可变邻域搜索的混合遗传算法(hybrid genetic algorithm and variable neighborhood search,HGA_VNS)。同时,通过确定关键工厂,提出了两阶段启发式方法(Two-phase heuristic method,TPHM)。最后,对不同问题参数组合的实例进行了广泛的实验和深入的分析。计算结果验证了本文所提出模型和算法的有效性。计算分析表明,平均而言,HTS_IG在所有提出的元启发式算法中表现最好。同时验证了基于问题特定知识(problem specific knowledge,PSK)的局部搜索在HIG和HTSIG中的有效性。
韩大勇[3](2021)在《炼钢—连铸生产调度与钢包选配的集成优化研究》文中研究指明钢铁作为工业生产中不可或缺的原材料,为世界经济的高速发展提供了基础保证。同时,由于钢铁行业也是能源消耗大户,因此亟需从制造工序优化、生产组织优化等多方面入手,实现节能减排。炼钢-连铸生产是钢铁制造的核心环节,主要包含炼钢、精炼和连铸三道工序,实现铁水、钢水到铸坯的物料形态转换。该过程主要涉及到两个子问题:生产调度和钢包选配。其中,生产调度旨在确定所有炉次在各阶段的机器分配及其操作时间,并生成调度方案;而钢包选配旨在协调所有加工炉次的运载设备分配,以保障生产调度方案的顺行。然而,现阶段的相关研究主要聚焦于生产调度层面,忽略了钢包选配对整个生产过程的影响。因此,本课题重点探索了炼钢-连铸生产调度与钢包选配的集成优化模型及方法,以保证兼顾生产效率的同时,有效地降低生产成本和能源消耗。该研究具有重要的理论价值和实际意义。本课题针对上述问题,主要研究工作如下:首先,针对带可重入精炼工序的炼钢-连铸生产静态调度问题,建立了以总流经时间最小化为目标的混合整数规划模型,并提出了一种有效的增广拉格朗日乘子法(Augmented Lagrange multiplier method,e-ALM)。在该算法中,通过松弛设备资源约束和工序操作优先级约束、以及设计有效的松弛惩罚项,将原问题模型分解为易于求解的多个子问题。进而,通过融合惩罚系数和拉格朗日松弛特性,提出了一种基于次梯度偏转方向的拉格朗日乘子动态更新策略,以加快算法的收敛速度。与数学优化软件CPLEX和其他现有拉格朗日算法求解结果相对比,eALM在相同计算时间内能获得更好的可行解、以及更小的对偶间隙。其次,针对给定生产调度方案下的钢包选配问题,在满足炉次对钢包材质要求、受钢温度要求及转炉出钢时间等约束下,以最小化钢包转运总能耗为目标,建立了钢包选配问题的混合整数规划模型,并提出了改进候鸟迁移优化算法(Improved migratory birds optimization algorithm,IMBO)。在算法中,结合问题特性,设计了基于钢包选配规则的解码机制和启发式初始化方法;同时,结合MBO算法独有的V形结构,提出了基于特定问题的邻域搜索策略和竞争机制,增强算法的协同搜索能力;并结合MBO算法独有的分享和收益机制,提出了一种动态接收准则,以平衡算法的全局搜索和局部搜索能力,进而提高算法的性能。通过与多种已有的智能算法以及在实际生产中所采用的人工钢包选配方法进行对比,验证了所提算法的有效性和优越性。随后,综合考虑炼钢-连铸生产过程中的生产调度与钢包选配问题,建立了炼钢-连铸生产调度与钢包选配的能效集成优化模型,并提出一种增强的候鸟迁移优化算法(Enhanced migratory birds optimization algorithm,EMBO)。在该算法中,结合问题特征设计了融合钢包选配规则的三层启发式解码方法和相应的初始化方法;提出了联合邻域搜索策略、动态接收准则和竞争机制,增加算法的协同搜索能力;并在竞争机制中,引入种群重组和队列间交换策略,通过V字型左右队列间的信息交换来增加种群多样性。通过与其他高效的智能算法的实验对比,验证了所提EMBO算法的有效性和优越性。最后,针对国内某钢铁企业炼钢车间的实际工程案例,验证本文所提出的理论和方法。根据该车间生产实绩和钢包选配实际情况,采用生产调度与钢包选配序次优化和集成优化两种方法求解。结果表明,在所提出的能效集成优化方法下制定的生产调度方案明显优于现场采用的序次优化方法,即总流经时间更短、制造周期更短、能耗更低。同时,由于钢包选配规则的应用,提高了现场红包(温度高的钢包)的利用率和周转率,减少了钢包烘烤能耗。
袁帅鹏[4](2021)在《具有特殊约束的流水车间成组调度问题研究》文中研究说明流水车间成组调度问题广泛存在于具有批组加工特征的流程工业中。在特定的生产环境下,流水车间成组调度问题往往伴随着源于生产工艺的特殊约束,这些约束的存在使得问题性质发生了变化,从而需要更具针对性的解决方法。论文从钢铁企业无缝钢管生产管理的实际需求出发,提炼出具有工件相关性阻塞、双向运输时间、序列相关准备时间等特殊但关键约束的流水车间成组调度问题,以最小化最大完工时间(Makespan)为优化目标,对其基本性质、数学模型和求解算法展开研究。主要研究内容和创新点如下:(1)以无缝钢管产品在管加工车间的生产实际为背景,研究了一类具有工件相关性阻塞约束的两阶段流水车间成组调度问题。构建了问题的混合整数线性规划模型,通过三划分问题的多项式归结证明了该问题具有强NP难特性,将问题划分为工件组间调度和各工件组内工件间调度两个子问题,提出一种协同进化的分布估计算法。基于实际生产数据设计多种问题规模的实验,验证了模型和算法的有效性。(2)结合无缝钢管在管加工车间的生产管理需求,进一步考虑了阶段间运输工具的双向运输时间约束,对具有双向运输时间和工件相关性阻塞约束的两阶段流水车间成组调度问题展开研究。针对此调度问题,建立混合整数线性规划模型,结合问题特征提出一种协同进化遗传算法。算法通过协同进化框架对工件组间调度和各工件组内工件间调度两个子问题进行联合优化,提出一种基于区块挖掘的人工解构造策略来提升算法收敛速度。数值实验表明,所提模型和算法对于求解的问题具有良好的效果。(3)将钢铁行业普遍存在的双向运输时间约束引入经典的流水车间成组调度问题,同时加入序列相关准备时间,研究了具有序列相关准备时间和双向运输时间约束的多阶段流水车间成组调度问题。构建了问题的混合整数线性规划模型,提出一种改进的迭代贪婪算法,算法通过启发式规则构造问题的初始解,并设计了改进的迭代贪婪规则和接受准则来提升算法的求解质量和效率。基于理论分析给出了问题最优解的两个下界。通过不同规模的数值实验和对比算法的比较分析,验证了所提算法的有效性和鲁棒性。(4)将问题范围进一步扩展至混合流水车间,研究了具有序列相关准备时间和无关并行机的混合流水车间成组调度问题。针对此问题,建立数学模型,提出一种改进的候鸟优化算法。算法通过新的编码和解码策略来表征各工件组在各阶段上并行机的选择,各并行机上工件组间的加工顺序,以及各工件组内工件间的加工顺序三个子问题,基于编码策略设计了邻域结构和邻域解构造策略,并提出一种重置机制来平衡算法的全局和局部搜索能力。仿真实验表明该算法可以在短时间内获得较好的调度结果,且具有良好的稳定性。
廖宝玉[5](2020)在《考虑恶化或学习效应的分组批调度方法研究》文中研究指明随着新一代信息技术与制造业不断融合,企业制造模式和生产组织方式发生了深刻的变革,制造业生产效率得到显着提升。传统制造业的大批量、少品种的生产制造模式已难以满足日益增长的个性化消费需求。近年来,越来越多的企业纷纷投资和引入基于分组制造和批加工模式的智能调度系统,并采用更加柔性的动态资源模型与方法进行精准排产,从而更好地适应多品种、小批量和个性化定制的生产特点。其中,在动态资源建模中,生产资源的恶化或学习效应被认为是最显着的动态模型特征之一,也是影响智能制造系统稳定性的重要因素。考虑生产资源恶化或学习效应的分组批调度问题已逐渐成为近年来学术研究领域的热点方向。本文以汽车零部件及半导体等离散制造业实际生产过程为背景,面向新一代智能制造系统,基于分组批加工模式,考虑制造资源的恶化或学习效应,系统地分析了企业在单客户和多客户情形下的多种分组批调度问题。根据实际生产特点,在以单一客户订单为主要目标的生产实践中,企业生产线一般较为成熟,生产机器的恶化效应表现明显;而在以多客户订单为目标的情况下,企业往往需要临时增加新的产线以适应动态变化的订单需求,其中成熟产线的机器恶化效应表现明显,而新增产线的工人学习效应则更加突出。基于此,本文重点研究了单客户情形下考虑恶化效应、单客户外包情形下考虑恶化效应、多客户情形下考虑恶化效应和多客户情形下考虑学习效应四个方面的分组批调度问题。本文致力于对这些源于实际的复杂调度问题进行深入的分析,并抽象出高效可用的调度模型,设计出有效的启发式调度规则与智能化调度算法。本文主要研究成果和创新点如下:(1)针对单客户情形下考虑恶化效应的分组批调度问题,构建了单机和多机两种情况下的最优调度规则。其中,对于单机问题,推导出了高效的单机调度算法;对于多机调度问题,利用所提出的最优结构属性和批处理规则,设计了一种混合AIS-VNS算法,该算法结合了人工免疫系统算法(AIS)和变邻域搜索算法(VNS)的各自优点。实验结果表明,该算法在效率和解决方案质量方面相比传统算法都表现出了很好的优势。(2)针对单客户外包情形下考虑恶化效应的分组批调度问题,讨论了特定情况下的该类问题的结构模型,并基于此模型提出了一种有效的混合VNSNKEA算法来解决此类型问题。该算法充分借鉴了基于邻域的进化算法(NKEA)和变邻域搜索算法(VNS)的各自特点,能够高效地求解此类型问题。实验结果表明,混合VNS-NKEA算法可以有效地解决所研究的问题,并表现出更高的求解性能。(3)针对多客户情形下考虑恶化效应的分组批调度问题,构建了基于该类型问题关键结构性质的优化模型,并基于这些结构模型设计了嵌入相关调度规则的决策流程图。同时,进一步提出了一种有效的改进差分进化(DE)搜索算法。该算法借鉴了变邻域搜索算法(VNS)的局部操作策略,可以有效地解决连续批处理机上的该类型调度问题。实验结果表明,改进的DE算法(IDE)相较于其他同类算法,在性能上更加有效和稳定。(4)针对多客户情形下考虑学习效应的分组批调度问题,构建了针对不同工件组的学习效应模型,并提出了针对单机和多机两种情形的批调度规则。其中,对于单机问题,设计了相应的最优化调度算法;对于多机调度问题,设计了一种有效的基于“少即是多(Less is more)”的迭代参考贪婪算法(LIMA-IRG)。该算法通过剔除传统复杂算法效率较低的步骤,提高了求解问题的效率。实验结果表明,相比传统算法,LIMA-IRG算法具有更高的求解效率。最后,基于所研究的核心问题与基本框架,本文还对同时考虑恶化效应和学习效应、考虑更多生产特征及考虑多目标优化等复杂调度问题进行了下一步研究展望。
陆少军[6](2020)在《面向协同制造过程考虑工件恶化的供应链生产调度问题研究》文中研究指明新一代信息技术的发展打破了传统的制造模式,使得跨企业跨空间的协同制造成为可能,为制造企业带来了新一轮的发展机遇。更加复杂的制造环境也同样为制造企业的生产优化提出了严峻的挑战,当代制造企业愈加关心如何在分布式协同制造环境下制定系统性的决策来提高整个制造系统的产出,控制整个制造系统的运行成本和保证生产过程的安全性。面对日益加剧的全球化竞争,制造企业需要更加符合实际的调度算法来为生产过程提供决策支持,在实际生产中,随着生产过程的进行,机器运行状态会因为过载和零部件损耗而下降,即同一个工件的实际加工时间可能随着其开工时间的延后而延长,这一现实因素的存在使得很多传统调度算法难以取得预期的性能,在恶化情形下研究协同制造中的各类优化问题并设计高效的智能算法有助于帮助企业进一步提高产能,缩短市场响应时间,最终实现制造企业综合竞争力的提升。本文面向复杂的协同制造过程,分析了恶化效应对于协同调度问题最优性质的影响。分别研究了恶化情形下的生产运输协同调度问题、恶化情形下的制造单元协同优化问题、恶化情形下的生产维修协同调度问题和恶化情形下的生产组装协同调度问题。为了提出了更加有效的求解算法,我们对于所研究的问题进行了分解,并在数学分析的基础上构建了一系列精确算法和启发式算法,由于所研究的问题中存在某些子问题的复杂度为NP难,我们设计了多种改进的元启发式算法,并通过大量的算例实验验证了所提出算法的有效性。本文的主要研究工作和创新点如下:(1)研究了工件恶化情形下的生产运输协同调度问题,构建了工件线性恶化和平行批加工模式下的供应链调度模型,提出了单机批调度算法、多机工件分配启发式算法和混合智能算法,通过多因素对比实验和收敛度曲线验证了所提出算法的性能。所研究的问题分为两个阶段,在生产阶段,工件由供应商处理,每个供应商有一台平行批处理机器和一个运输车辆。在运输阶段,供应商将工件交付给制造商。由于供应商分布在不同的地点,每个供应商和制造商之间的运输时间是不同的。针对所研究的问题提出了一些结构化性质,并基于性质设计了最小化单个供应商完工时间的最优算法。然后证明了所研究的供应链调度问题是NP难的,提出了一种将变邻域搜索(VNS)与和声搜索(HS)相结合的混合VNS-HS算法,以在合理的时间内找到一个近似最优的协同调度方案。最后通过计算实验证明了所提出的VNS-HS在解决生产运输协同调度问题时具有很好的性能。(2)研究了工件恶化情形下的制造单元协同调度问题(FMCSP),构建了机器间存在支配关系的流水车间调度模型,针对不同的优化目标提出了多种多项式时间的精确算法,并分析和计算了算法的复杂度。在所研究的流水线制造单元协同调度问题中,工件加工时间恶化且不同种类间的工件切换会产生恶化的装置时间。在所提出的协同调度模型中,需要对于每个种类内部工件的排序和种类间排序做出决策。针对完工时间最小化问题,推导出了最优解的结构性质,在此基础上开发了最优化算法。针对总完成时间最小化问题,提出了一条最优解符合的性质,然后为问题在装置时间为零和各种类工件数量相同的两个特殊情形下,分别设计了多项式时间的最优化算法。(3)研究了工件恶化情形下的生产维修协同调度问题,构建了考虑强制性恶化维修的不相关平行机调度模型,讨论了单机情形下的生产维修协同决策机制,设计了混合元启发式算法,并通过收敛性检验和方差检验验证了所提出算法有效性。所研究的生产维修协同调度问题的目标是制定关于工件分配,维修安排,工件组批和批次排序的协同决策,以最小化完工时间。首先,为该问题制定了一个混合整数规划模型。然后,分析了所有工件都已分配给机器的特殊情形并设计了多项式时间最优算法。由于所研究的问题是NP难的,结合人工蜂群(ABC)和禁忌搜索(TS)设计了一种混合ABC-TS算法,以在合理的时间内解决问题。最后通过大量的仿真实验验证了所提出的算法的有效性和鲁棒性。(4)研究了工件恶化情形下的生产和组装协同调度问题,构建了恶化效应和学习效应影响下的连续批调度模型,分别讨论了生产和组装阶段的结构化性质,提出了相应的精确算法、启发式算法和元启发式算法,并通过计算解的偏差程度和离散程度验证了所提出算法的性能。所研究的问题分为两个阶段。在生产阶段,多家半成品制造商批量化生产产品组件,然后将这些完成的组件运输至组装制造商。在组装阶段,组装制造商在多个组装机器上将产品部件组装成最终产品。通过数学推导,我们得到了生产阶段调度问题的结构化性质,并提出了一种基于结构化性质的最优算法。针对组装阶段的问题提出了重要的性质,并设计了一种启发式算法来提高解决方案的质量。我们证明了所研究的问题是NP难的,然后提出了一种高效的变邻域搜索算法。计算实验表明,所设计的LIMA-VNS在收敛速度,解决方案质量和鲁棒性方面均优于其他元启发式算法,特别是对于大规模问题。本文的理论意义在于提出了考虑恶化工件的制造过程协同调度模型,并通过推导得到了重要结构化性质,推进了关于工件恶化效应的研究,丰富了恶化工件调度优化方法。从现实角度,本文针对所提出的制造过程协同优化问题,设计了完整的集成化求解算法,这些算法能够应用于生产实际,为制造企业或制造联盟提供决策支持,进而提高我国制造业智能化程度和竞争力水平。
朱丹丹[7](2020)在《急诊患者扰动医疗服务重调度问题的研究》文中指出随着社会经济发展、生活水平的提高,以及对预防性医疗愈加重视,人们对医疗服务水平要求不断提高,医疗支出和医疗服务需求不断增长,医院在提高运营效率方面面临着持续的挑战,医疗卫生作为重要的民生工程,也关系着社会的稳定。先进的医疗服务调度技术是医院提高服务能力和竞争力的重要因素之一。在医疗服务调度实践中经常发生的情况是,意外状况的发生导致事先安排好的患者就诊时间及顺序被打断,进而需要重新安排,常见的扰动事件包括:患者临时到来、急症患者的到来、患者爽约、患者迟到、患者取消预约、医疗设备故障、医生迟到、以及病床、医护人员不足等。鉴于医疗服务调度现实中的扰动事件特点及其理论研究现状,本文围绕医疗服务调度中计划外急诊病人这一扰动事件,在急诊病人到达后对包括计划内常规病人(原始病人)和计划外急诊病人在内的所有病人的就诊顺序、及医疗资源重调度问题展开研究。主要考虑两种医疗环境:多患者共用单台CT诊断的医疗服务调度环境和多患者多种医疗设备的健康体检医疗服务调度环境;扰动准则包括原始病人在重调度与初始调度中的就诊序位扰动量约束及诊断完成时间扰动量约束,用来衡量扰动对原始病人的就诊满意度;在急诊病人扰动单机重调度问题研究的基础上又将医疗设备等医疗资源的准备/设置时间考虑进来,做进一步的研究。本文主要研究内容如下:第一,研究了急诊患者扰动单CT诊断服务重调度问题。该问题假设在某一时段所有患者共用单台CT诊断服务环境下,急诊病人到达时初始调度已经制定完成但还未执行,对包括急诊患者和原始患者在内的所有患者在该CT设备上就诊顺序进行重新排序,在满足急诊患者相对紧迫性需求的同时尽量减少对初始调度的扰动。具体讨论研究了以原始病人的最大就诊位序扰动限制、总就诊序位扰动限制、最大诊断完成时间扰动限制和总诊断完成时间扰动限制为约束条件,以原始病人的延迟惩罚和诊断完成时间等调度成本最小化为目标的重调度问题,包括:以最小化最大延迟惩罚为优化目标的急诊患者扰动重调度问题(U-RLMT)、以最小化总诊断完成时间为优化目标的急诊患者扰动重调度问题(U-RLTC)、以最小化最大延迟惩罚与扰动成本为混合优化目标的急诊患者扰动重调度问题(U-RHTD)、以最小化总诊断完成时间与扰动成本为混合优化目标的急诊患者扰动重调度问题(U-RHCD)。对这四种优化目标问题分别在上述扰动约束下对问题构建了数学模型、设计了求解算法并分析给出了算法的时间复杂度。第二,研究了考虑设置时间的急诊患者扰动单CT诊断服务重调度问题。该部分在第一部分研究的基础上将医疗设备等医疗资源的设置时间考虑进来做进一步的研究。从患者满意度出发,扰动优化目标分别考虑了原始患者在重调度相对于初始调度中的最大就诊序位变化量扰动、诊断完成时间最大绝对变化量、诊断完成时间绝对变化量之和;从医疗设备的使用效率出发,原始患者的初始调度以最小化设置时间为目标,急诊患者到达后的重调度必须保证扰动成本与总调度的设置时间总和最小化。根据设置时间类型及扰动标准,研究该问题的五个变体问题:(1)以原始患者最大就诊序位变化量最小化及以所有患者最大完成时间最小化为双优化目标且设置时间是族独立、序列无关的急诊患者扰动重调度问题;(2)以原始患者诊断完成时间最大绝对变化量的最小化及以所有患者最大完成时间的最小化为双优化目标且设置时间族独立、序列无关的急诊患者扰动重调度问题;(3)以原始患者最大就诊序位变化量的最小化及以所有患者最大完成时间的最小化为双优化目标且设置时间是族依赖、序列无关的急诊患者扰动重调度问题;(4)以原始患者诊断完成时间最大绝对变化量的最小化及以所有患者最大完成时间的最小化为双优化目标且设置时间是族依赖、序列无关的急诊患者扰动重调度问题;(5)以原始患者诊断完成时间绝对变化量之和最小化及以所有患者最大完成时间的最小化为双优化目标且设置时间是族依赖、序列无关的急诊患者扰动重调度问题。对这五类问题设计提出了能够求出严格帕累托最优解的多项式时间复杂度算法。第三,研究了考虑设置时间的急诊患者扰动健康体检医疗服务重调度问题。该部分考虑了多患者需要在多台医疗设备进行检测的健康体检诊断网络环境下,在有急诊患者扰动的情况下,研究了具有序列相关设置时间的急诊患者扰动的重调度问题(UDHERP-SDS)。假设每个医疗设备对一个患者的设置时间的长短是序列相关的;考虑原始患者在重调度与初始调度中就诊序位扰动量存在给定上限的约束;以所有患者总诊断完成时间和设备的设置时间最小化为优化目标;建立了以健康体检的医院诊断设备网络重调度问题的数学模型;结合问题的特点,设计提出一种混合遗传-模拟退火算法,并通过仿真数据实例的计算对模型和算法进行了验证。
李浩然[8](2020)在《基于离散人工蜂群算法的分布式零等待流水车间调度方法》文中研究表明分布式制造已成为当前主要的制造模式之一。零等待流水车间调度问题(No-wait Flowshop Scheduling Problem,NWFSP)一直是调度领域的典型问题之一。分布式NWFSP(Distributed NWFSP,DNWFSP)广泛存在生产实际中。本文以DNWFSP为研究对象,考虑车间异构性和多目标优化,研究了分布式异构NWFSP(Distributed Heterogeneous NWFSP,DHNWFSP)和多目标DHNWFSP(Multi-objective DHNWFSP,MDHNWFSP)。结合问题特征,以人工蜂群算法(Artificial Bee Colony,ABC)为主要方法,提出了相应算法求解上述问题。本文的主要工作如下:针对DNWFSP,以最小化最大完工时间为目标,建立了混合整数线性规划模型(Mixed Integer Linear Programming,MILP),并给出了完工时间的计算方法。提出了一种离散ABC算法(Discrete ABC,DABC)。在DABC中,设计了针对DNWFSP特点的邻域结构,用于雇佣蜂和跟随蜂阶段可行邻域解的生成,以改善食物源种群质量;鉴于邻域移动速度影响算法整体速度,结合DNWFSP编码特点,提出了一种邻域评价的加速方法;在侦查蜂阶段,采用混合四种局部搜索方法的变邻域下降算法,以增强算法局部寻优能力。最后,采用算例进行测试,并与其它DNWFSP求解算法进行对比,所提算法在DNWFSP上的有效性和高效性得以验证。针对DHNWFSP,在DNWFSP的基础上,考虑机器数量、机器工艺和原料运输条件的差异,即工厂异构性,建立了以最小化最大完工时间为目标的MILP模型,并给出了该问题目标值的计算方法。结合DHNWFSP的特点,改进了DABC算法的初始化阶段和邻域评价加速方法。对不同规模的DHNWFSP进行了测试。在小规模问题上,与CPLEX和其它算法进行对比试验,结果显示DABC算法与其他算法效果相同;在大规模问题上,DABC显着优于其它算法,几乎可获得所有算例的当前最优解。针对考虑序列相关准备时间(Sequence-Dependent Setup Time,SDST)的MDHNWFSP(MDHNWFSP-SDST),建立以最小化最大完工时间与总滞后的多目标优化模型。基于MDHNWFSP-SDST特征及多目标特性,提出了一种基于帕累托最优的多目标DABC。在算法中,采用改进的PWQ算法(Improved PWQ,IPWQ)初始化种群;在雇佣蜂阶段,结合分布式调度问题的特点,采用了四种邻域结构生成可行解以提升种群质量;在跟随蜂阶段,采用改进的工件位置交叉方法生成子代种群,保留父代优良特性的同时保持种群多样性;在侦查蜂阶段,嵌入一种多目标局部搜索方法以保证解空间的充分搜索。最后,对比其它多目标算法,所提算法在均匀性、收敛性和综合性能指标上的有效性得以验证。最后,总结了本文的研究工作,并给出未来可继续研究的方向。
孔敏[9](2020)在《面向离散制造过程考虑高效节能的生产调度优化问题研究》文中进行了进一步梳理快速增长的制造产品需求使得全球能源消耗水平持续走高,在太阳能、风能等可再生能源未成为全球能源消耗来源的主体之前,煤炭、石油、天然气等化石类不可再生能源仍然是全球能源消耗来源的主力。面对化石类能源可能带来的环境污染和资源短缺问题,节能减排已经成为各国政府和能源消耗密集型企业共同关心的课题。除了开发节能装置等硬件技术外,立足于计划和调度层面进行能源的有效利用正在成为学术界的研究热点。本文研究了供电可断、分时能源消耗成本、机器处理速度可控以及柔性车间配置等四类节能机制,以数控机床切割过程以及钢铁连铸和轧制过程为背景,分别研究了四类高效节能生产调度优化问题。为解决上述问题,分析了各个节能机制对企业生产调度方案的影响,提出了问题最优调度方案的结构化性质,并据此开发了具有针对性的启发式算法或者改进元启发式算法,算法性能在一系列仿真实验中得到了验证。本文主要研究内容和创新点可以概括如下:1)研究了带有能源消耗和机器启动成本的订单接收和调度问题,分析了单机情形下该问题的结构化性质,提出了改进的变邻域搜索算法,利用仿真对比实验验证了所提算法的有效性。在传统的订单接收和调度问题中引入了机器启动选择、订单的释放时间、订单生产恶化效应等因素,目标是最大化绿色制造系统净收益。分析了该问题单机情形下最优调度方案关于订单内工件排序、订单排序和能源消耗成本计算等结构化性质,给出了该问题NP难性质的证明,设计了求解最优解决方案的单机调度算法。针对一般性问题,提出了改进的变邻域搜索算法,为了扩大邻域空间,结合编码和解码规则设计了交叉邻域结构和变异邻域结构等两类邻域结构。提出了基于动态规划算法的适应度值度量方法,以提供订单选择和机器启动选择方面的相关决策。仿真实验结果表明,所提改进变邻域搜索算法优于其他变邻域搜索算法以及其他基线算法。2)研究了分时能源消耗成本情形下高效节能生产重调度优化问题,分析了原有调度方案和重调度方案的最优化性质,提出了一类改进的变邻域搜索算法,通过与不同基线算法的对比验证了所提算法的有效性。在经典的平行机重调度优化模型的基础上,考虑了分时能源消耗成本和线性恶化效应等因素,目标函数是在考虑重调度扰动指标满足一定限制的前提下最小化制造系统总能源消耗成本。分析了原有调度方案和重调度方案在工件排序、能源消耗成本计算等方面的性质,设计了包含三种新型互换邻域结构的改进变邻域搜索算法,开发了基于动态规划算法的适应度值计算方法,以最优化分配各个机器上的扰动指标。仿真实验结果表明,所提算法较人工蜂群算法和差分进化算法而言,在求解上述重调度优化模型上具有一定的优势。3)研究了加工速率可控情形下考虑高效节能的混合生产调度优化问题,分析了单机调度问题的结构化特性,提出了基于动态规划算法的单机调度算法,开发了一系列多机情形下针对混合制造系统调度优化问题的启发式算法。混合制造系统环境下考虑了工件可变加工速度以及工件生产恶化效应的调度优化模型,目标函数是在总能耗成本和再制造成本预算的限制下最大程度地缩短制造周期。基于单机最优调度方案的结构化性质,提出了基于动态规划算法的单机调度算法,可以提供产品再制造选择、工件处理顺序、工件加工速度等方面的决策支持。同时考虑了能源成本预算无限以及给定工件集合最小化能源消耗成本的特例问题,并提出了相应的动态规划算法。针对多台机器的混合制造系统调度优化问题,提出了两类简单启发式算法以及一种贪婪算法。多组仿真实验分析了三类算法的求解性能。4)研究了柔性供应链情形下考虑工件恶化效应和高效节能的生产调度优化问题,构建了考虑平行批处理和恶化效应的生产和运输协同调度模型,目标函数是最小化总能源消耗水平和运输成本的总和。针对任一给定机器情形,提出了关于批生产和批排序的结构化特性。基于这些性质,开发了一种基于动态规划的启发式算法,以确定各个批运输点。为解决一般问题,提出了一种有效的混合智能优化算法,该算法结合了偏随机键遗传算法和花朵授粉算法,其中偏随机键遗传算法作为算法外围框架主要是将工件分配至机器上,基于花朵授粉算法的遗传算子主要用于种群的迭代。仿真实验结果表明,所提算法在求解质量和收敛性都优于偏随机键遗传算法、花朵授粉算法以及粒子群算法。本文系统地研究了面向离散制造过程的高效节能调度优化问题,研究内容涵盖了四类有效的工业生产节能机制,并考虑了诸如生产恶化效应、批生产等实际工业生产因素。研究成果丰富了高效节能生产调度方面的理论研究,在一定程度上可以为钢铁企业等能源消耗密集型企业提供节能减排方面的决策支持。
李焰华[10](2020)在《置换流水车间调度问题的仿生智能算法应用研究》文中进行了进一步梳理当前置换流水车间调度问题(Permutation Flow Shop Scheduling Problems,PFSP)在企业实际的加工制造过程中广泛存在,对该类问题进行研究可以有效提高企业的生产效率从而降低制造成本,更好的实现企业经济目标。PFSP是一个典型的NP-Hard问题,随着问题规模的不断增大,其问题复杂度会快速增加,求解规模较小的车间调度问题,可以采用精确算法,例如动态规划、分支界限法等。近年来,众多新的具有较强寻优能力的群智能算法被提出,能有效提高求解置换流水车间调度问题的质量。首先提出了一种基于levy飞行策略的入侵杂草优化算法,在基本的入侵杂草算法上引入levy飞行、定向变异2种改进策略,并用6个标准测试函数验证改进算法的有效性;同时,提出了一种改进花授粉算法,在异花授粉的过程中引入混沌算法以进行随机扰动来增加花授粉种群的多样性,在自花授粉的过程引入交流算子以使得花授粉算法种群之间的信息交流得到进一步拓展,并通过测试10个标准函数验证该改进花授粉算法的性能。然后,构建出以最小化最大完工时间为优化目标的算法模型,通过ROV解码方法将连续性改进入侵杂草算法转换为离散型改进入侵杂草算法,并利用启发式算法NEH生成初始可行解,对杂草种群进行繁殖、扩散以及竞争,对Carlier和Reeves标准案例进行求解、对比和分析。最后,针对某钢管生产加工车间的调度需求,构建以最小化最大完工时间、最大化最小设备利用率为目标函数的多目标置换流水车间调度问题模型,将邻域搜索策略引入到改进花授粉算法中,求解具体调度实例。基于以上结果,提出了相对应的对策和建议以帮助企业生产车间配置生产资料、提高生产力以及提升车间作业效率,这对于企业在实际的置换流水车间调度中提供强有力的支持,对企业实现转型升级有着重要的指导意义。
二、一种有效的启发式Flowshop调度算法(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、一种有效的启发式Flowshop调度算法(论文提纲范文)
(1)零等待间歇生产过程智能算法研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 间歇生产过程调度研究现状 |
1.2.1 间歇过程调度国内研究现状 |
1.2.2 间歇过程调度国外研究现状 |
1.2.3 国内外研究现状总结 |
1.3 论文的主要研究内容和结构 |
1.3.1 研究内容 |
1.3.2 结构安排 |
第二章 零等待间歇生产过程调度模型与优化算法 |
2.1 引言 |
2.2 间歇生产过程概述 |
2.2.1 间歇生产过程的描述 |
2.2.2 间歇生产过程分类 |
2.2.3 物料转移策略分类 |
2.3 零等待多产品间歇生产过程调度模型 |
2.3.1 问题描述 |
2.3.2 约束条件 |
2.3.3 参数定义 |
2.3.4 目标优化函数 |
2.3.5 常用的优化调度方法 |
2.4 超启发式算法 |
2.4.1 算法原理介绍 |
2.4.2 算法分类 |
2.4.3 算法框架 |
2.4.4 算法优缺点 |
2.5 本章小结 |
第三章 单目标零等待间歇生产过程调度算法 |
3.1 引言 |
3.2 超启发式差分进化算法 |
3.2.1 差分进化算法 |
3.2.2 低层启发式操作 |
3.2.3 高层策略域 |
3.2.4 编码与解码 |
3.2.5 模拟退火算法 |
3.2.6 算法流程 |
3.3 算法测试 |
3.3.1 测试函数对比分析 |
3.3.2 测试算例对比分析 |
3.4 实际案例分析 |
3.4.1 N-乙酰氨基酸葡萄糖工艺流程 |
3.4.2 实例调度算法求解 |
3.5 本章小结 |
第四章 多目标零等待间歇生产过程调度算法与决策 |
4.1 引言 |
4.2 多目标问题概述 |
4.3 零等待多目标间歇过程优化调度 |
4.3.1 超启发式算法 |
4.3.2 模拟退火算法 |
4.3.3 算法流程 |
4.4 多目标Pareto解的优化决策 |
4.4.1 主观决策分析 |
4.4.2 客观决策分析 |
4.4.3 基于博弈论的综合权重法 |
4.5 算法性能测试 |
4.6 优化调度仿真与决策 |
4.6.1 调度部分 |
4.6.2 决策部分 |
4.7 本章小结 |
第五章 零等待间歇生产调度系统分析应用软件开发 |
5.1 系统需求分析 |
5.2 车间信息网络硬件系统部署 |
5.2.1 系统信息获取方式 |
5.2.2 数据流转及存储结构 |
5.3 系统开发 |
5.3.1 系统整体框架 |
5.3.2 软件开发环境 |
5.4 参数实时监控 |
5.5 生产优化调度与决策模块 |
5.5.1 优化调度模块 |
5.5.2 决策模块 |
5.6 生产调度系统应用效果 |
5.7 本章小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 展望 |
致谢 |
参考文献 |
附录:作者在攻读硕士学位期间的科研成果 |
(2)面向知识导向和交货期的预制构件生产调度研究(论文提纲范文)
摘要 |
abstract |
1 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.2.1 预制构件生产调度研究现状 |
1.2.2 预制构件订单接受与调度研究现状 |
1.2.3 分布式流水车间调度研究现状 |
1.3 论文的主要内容、框架结构与创新之处 |
1.3.1 主要内容 |
1.3.2 框架结构 |
1.3.3 创新之处 |
1.4 本章小结 |
2 基于固定交货期的预制构件订单接受与调度 |
2.1 问题描述与建模 |
2.1.1 问题描述 |
2.1.2 数学模型 |
2.2 混合加速迭代贪婪搜索 |
2.3 实验仿真与结果分析 |
2.3.1 算例生成与算法参数设置 |
2.3.2 算法对比分析 |
2.3.3 加速构造搜索策略有效性验证 |
2.3.4 加速构造策略收敛性验证分析 |
2.4 本章小结 |
3 考虑交货期配置的预制构件订单接受与调度 |
3.1 问题描述与建模 |
3.1.1 问题描述 |
3.1.2 交货期配置策略 |
3.2 变邻域迭代贪婪搜索 |
3.3 实验仿真与结果分析 |
3.3.1 算例生成与算法参数设置 |
3.3.2 算法对比分析 |
3.3.3 算法性能对比分析 |
3.4 本章小结 |
4 基于准时制的预制构件分布式流水车间调度 |
4.1 问题描述与建模 |
4.1.1 问题描述 |
4.1.2 数学模型 |
4.1.3 解决方法 |
4.2 实验仿真与结果分析 |
4.2.1 实验设计 |
4.2.2 小规模实例下的线性化MIP模型与各算法比较 |
4.2.3 中大型实例的算法比较 |
4.2.4 特定问题知识对HTS_IG_VNS、HIG_VNS、HIG_Swap和HIG_Insert的影响 |
4.3 本章小结 |
5 总结与研究展望 |
5.1 论文总结 |
5.2 工作展望 |
参考文献 |
攻读硕士期间学术研究成果 |
附录1:本人已发表或已录用的学术论文 |
附录2:本人已获得或已受理的专利 |
附录3:攻读硕士学位期间参与的科研项目 |
致谢 |
图表清单 |
(3)炼钢—连铸生产调度与钢包选配的集成优化研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题的来源、研究背景意义 |
1.1.1 课题来源与目的 |
1.1.2 研究背景及意义 |
1.2 炼钢-连铸生产调度与钢包选配问题相关概述 |
1.2.1 炼钢-连铸生产流程 |
1.2.2 炼钢-连铸生产调度的作用及特点 |
1.2.3 钢包选配的作用及特点 |
1.3 国内外研究现状 |
1.3.1 炼钢-连铸生产调度的研究现状 |
1.3.2 钢包选配问题的研究现状 |
1.4 存在的问题及发展动态分析 |
1.5 本文内容与结构 |
第2章 带可重入精炼工序的炼钢-连铸生产调度优化 |
2.1 引言 |
2.2 SCC问题描述 |
2.2.1 SCC生产过程概述 |
2.2.2 求解难度分析 |
2.3 SCC模型构建 |
2.3.1 机器能力约束 |
2.3.2 设备资源约束 |
2.3.3 时序约束 |
2.3.4 完整性约束及参数定义域 |
2.3.5 目标函数 |
2.4 增广拉格朗日乘子法设计 |
2.4.1 增广拉格朗日松弛问题构造 |
2.4.2 增广拉格朗日对偶问题求解 |
2.5 案例分析 |
2.5.1 增广拉格朗日算法的可行性分析 |
2.5.2 增广拉格朗日算法的改进性能分析 |
2.6 本章小结 |
第3章 给定调度方案下的钢包选配优化 |
3.1 引言 |
3.2 钢包选配问题描述 |
3.1.1 钢包选配问题的意义 |
3.1.2 钢包选配的约束条件和性能指标 |
3.3 钢包选配调度模型 |
3.3.1 参数符号及其定义 |
3.3.2 钢包分配和排序约束 |
3.3.3 时序约束 |
3.3.4 生产调度与钢包选配的关系约束 |
3.3.5 能效目标 |
3.3.6 钢包选配问题的示例说明 |
3.4 基于启发式规则的钢包选配方法 |
3.4.1 钢包选配规则提取 |
3.4.2 基于规则优先级的钢包选配策略 |
3.5 基于MBO钢包优化选配方法 |
3.5.1 编码方式和启发式初始化算法 |
3.5.2 两种邻域解生成算子 |
3.5.3 基于SA动态接受准则 |
3.5.4 基于队列重组的竞争机制 |
3.6 钢包选配仿真实验 |
3.6.1 IMBO算法参数校验 |
3.6.2 算法改进性能分析 |
3.6.3 与其他算法对比分析 |
3.7 本章小结 |
第4章 炼钢-连铸生产调度与钢包选配的集成优化 |
4.1 引言 |
4.2 面向能效的炼钢-连铸生产调度与钢包选配集成问题描述 |
4.3 集成问题建模 |
4.3.1 分配和排序约束 |
4.3.2 时序约束 |
4.3.3 生产调度与钢包选配的耦合关系约束 |
4.3.4 能效目标 |
4.4 集成优化的调度策略 |
4.4.1 生产调度的设备指派和操作定时 |
4.4.2 物料运输的规则提取策略 |
4.5 基于MBO炼钢连铸集成优化调度方法 |
4.5.1 编码方式和启发式初始化算法 |
4.5.2 联合邻域搜索策略 |
4.5.3 新解的接受准则 |
4.5.4 基于队列信息互换的竞争机制 |
4.6 数值实验 |
4.6.1 案例生成 |
4.6.2 参数校验 |
4.6.3 集成优化方法节能本质的微观性分析 |
4.6.4 集成与非集成的宏观分析 |
4.6.5 EMBO算法对小规模案例的有效性检验 |
4.6.6 针对中大规模,EMBO对比其他算法的性能评估 |
4.7 本章小结 |
第5章 炼钢生产调度问题的实例分析 |
5.1 引言 |
5.2 工业实验对象描述 |
5.2.1 生产设备及功能介绍 |
5.2.2 设备条件 |
5.2.3 生产工艺特点 |
5.3 SCC智能生产控制系统 |
5.3.1 功能需求 |
5.3.2 智能优化的功能 |
5.4 工业实验 |
5.4.1 工程案例介绍 |
5.4.2 案例验证 |
5.5 本章小结 |
第6章 结论与展望 |
6.1 全文总结 |
6.2 创新之处 |
6.3 工作展望 |
致谢 |
参考文献 |
附录1 攻读博士学位期间取得的科研成果 |
附录2 攻读博士学位期间参加的科研项目 |
(4)具有特殊约束的流水车间成组调度问题研究(论文提纲范文)
致谢 |
摘要 |
Abstract |
1 引言 |
1.1 选题背景 |
1.2 研究意义 |
1.3 研究内容 |
2 文献综述 |
2.1 成组调度研究综述 |
2.1.1 问题概述 |
2.1.2 研究现状 |
2.2 流水车间成组调度研究现状 |
2.2.1 问题相关的研究成果 |
2.2.2 方法相关的研究成果 |
2.2.3 研究现状总结 |
2.3 钢铁生产中的成组调度及其特殊约束 |
2.3.1 钢铁生产流程 |
2.3.2 钢铁生产中的成组调度 |
2.3.3 钢铁成组调度中的特殊约束 |
2.3.4 研究现状总结 |
2.4 本章小结 |
3 工件相关性阻塞的两阶段流水车间成组调度 |
3.1 问题提取与建模 |
3.1.1 问题提取与描述 |
3.1.2 模型假设 |
3.1.3 符号定义 |
3.1.4 问题模型 |
3.2 问题复杂性分析 |
3.3 基于协同进化的分布估计算法 |
3.3.1 编码策略 |
3.3.2 构造初始种群 |
3.3.3 个体评价策略 |
3.3.4 概率模型的设置及更新 |
3.3.5 局部搜索策略 |
3.3.6 算法步骤 |
3.4 数据实验与分析 |
3.4.1 实验设计 |
3.4.2 算法参数设置 |
3.4.3 实验结果分析 |
3.5 本章小结 |
4 双向运输和工件相关性阻塞的两阶段流水车间成组调度 |
4.1 问题描述与建模 |
4.1.1 问题描述 |
4.1.2 问题假设 |
4.1.3 符号定义 |
4.1.4 问题模型 |
4.2 协同进化遗传算法 |
4.2.1 协同进化机制 |
4.2.2 人工解构造机制 |
4.2.3 算法步骤 |
4.3 仿真实验 |
4.3.1 实验数据 |
4.3.2 算法参数设置 |
4.3.3 算法策略有效性测试 |
4.3.4 与元启发式算法对比 |
4.4 本章小结 |
5 序列相关准备时间和双向运输的多阶段流水车间成组调度 |
5.1 问题描述与建模 |
5.1.1 问题描述 |
5.1.2 数学模型 |
5.2 改进的迭代贪婪算法 |
5.2.1 编码策略 |
5.2.2 构造初始解 |
5.2.3 迭代贪婪规则 |
5.2.4 接受准则 |
5.2.5 算法步骤 |
5.3 最优解下界分析 |
5.4 仿真实验 |
5.4.1 实验设计 |
5.4.2 最优性检验 |
5.4.3 与主流元启发式算法对比 |
5.5 本章小结 |
6 序列相关准备时间和无关并行机的混合流水车间成组调度 |
6.1 问题描述与建模 |
6.1.1 问题描述 |
6.1.2 数学模型 |
6.2 改进的候鸟优化算法 |
6.2.1 候鸟优化算法的基本框架 |
6.2.2 编码解码策略 |
6.2.3 邻域解构造策略 |
6.2.4 局部搜索策略 |
6.2.5 重置机制 |
6.2.6 算法流程 |
6.3 仿真实验 |
6.3.1 实验设计 |
6.3.2 算法参数设置 |
6.3.3 最优性检验 |
6.3.4 与主流元启发式算法对比 |
6.4 本章小结 |
7 结论 |
参考文献 |
作者简历及在学研究成果 |
学位论文数据集 |
(5)考虑恶化或学习效应的分组批调度方法研究(论文提纲范文)
致谢 |
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景 |
1.2 研究目的和意义 |
1.3 研究内容和结构安排 |
1.3.1 论文研究内容 |
1.3.2 论文结构安排 |
第二章 文献综述 |
2.1 分组制造模式下的调度问题 |
2.1.1 单机情形下的分组调度问题 |
2.1.2 多机情形下的分组调度问题 |
2.1.3 流水线情形下的分组调度问题 |
2.2 基于批加工模式的调度问题 |
2.2.1 单机情形下的批调度问题 |
2.2.2 多机情形下的批调度问题 |
2.2.3 流水线情形下的批调度问题 |
2.3 考虑恶化或学习效应的调度问题 |
2.3.1 单机情形下考虑恶化或学习效应的调度问题 |
2.3.2 多机情形下考虑恶化或学习效应的调度问题 |
2.3.3 流水线情形下考虑恶化或学习效应的调度问题 |
2.4 本章小结 |
第三章 单客户情形下考虑恶化效应的分组批调度 |
3.1 引言 |
3.2 问题描述 |
3.3 单机情形下的调度规则 |
3.4 多机情形下的混合AIS-VNS算法 |
3.4.1 编码与解码策略 |
3.4.2 VNS算法描述 |
3.4.3 AIS-VNS的算法框架 |
3.4.4 计算实验与讨论 |
3.5 本章小结 |
第四章 单客户外包情形下考虑恶化效应的分组批调度 |
4.1 引言 |
4.2 问题描述 |
4.3 单机情形下的结构性质 |
4.4 多机情形下的混合VNS-NKEA算法 |
4.4.1 编码与解码策略 |
4.4.2 邻域结构描述 |
4.4.3 增强局部搜索策略 |
4.4.4 VNS-NKEA的算法框架 |
4.4.5 计算实验与讨论 |
4.5 本章小结 |
第五章 多客户情形下考虑恶化效应的分组批调度 |
5.1 引言 |
5.2 问题描述 |
5.3 单机情形下的调度策略 |
5.4 多机情形下的IDE算法 |
5.4.1 编码及修正策略 |
5.4.2 邻域结构设计 |
5.4.3 基于DE的邻域搜索 |
5.4.4 改进DE算法框架 |
5.4.5 计算实验与讨论 |
5.5 本章小结 |
第六章 多客户情形下考虑学习效应的分组批调度 |
6.1 引言 |
6.2 问题描述 |
6.3 单机情形下的调度算法 |
6.4 多机情形下的LIMA-IRG算法 |
6.4.1 LIMA-IRG算法的过程 |
6.4.2 LIMA-IRG算法的应用步骤 |
6.4.3 计算实验与讨论 |
6.5 本章小结 |
第七章 总结与展望 |
7.1 全文总结 |
7.2 研究展望 |
参考文献 |
攻读博士学位期间的学术活动及成果情况 |
(6)面向协同制造过程考虑工件恶化的供应链生产调度问题研究(论文提纲范文)
致谢 |
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景 |
1.2 研究目的和意义 |
1.3 论文研究内容及方法 |
1.4 论文结构和主要工作 |
第二章 文献综述 |
2.1 恶化工件调度问题 |
2.2 基于批次的生产调度问题 |
2.2.1 连续批调度问题 |
2.2.2 平行批调度问题 |
2.3 制造过程协同调度问题 |
2.3.1 生产运输协同调度问题 |
2.3.2 制造单元协同调度问题 |
2.3.3 生产维修协同调度问题 |
2.3.4 生产组装协同调度问题 |
2.4 元启发式算法 |
2.4.1 基于邻域的元启发式算法 |
2.4.2 基于种群的元启发式算法 |
2.5 研究评述 |
2.6 本章小结 |
第三章 工件恶化情形下的生产运输协同调度问题研究 |
3.1 引言 |
3.2 问题描述 |
3.3 结构化性质 |
3.4 混合变邻域搜索和和声搜索算法(VNS-HS) |
3.4.1 启发式算法设计 |
3.4.2 编码设计 |
3.4.3 VNS-HS算法结构 |
3.5 仿真实验 |
3.6 本章小结 |
第四章 工件恶化情形下的制造单元协同调度问题研究 |
4.1 引言 |
4.2 问题描述 |
4.3 最小化制造跨度问题 |
4.4 最小化总完工时间问题 |
4.4.1 零装置时间情形 |
4.4.2 同工件数量情形 |
4.5 本章小结 |
第五章 工件恶化情形下的生产维修协同调度问题研究 |
5.1 引言 |
5.2 问题描述 |
5.3 结构化性质 |
5.4 混合人工蜂群和禁忌搜索算法(ABC-TS) |
5.4.1 人工蜂群算法(ABC) |
5.4.2 禁忌搜索算法(TS) |
5.4.3 ABC-TS算法结构 |
5.5 仿真实验 |
5.6 本章小结 |
第六章 工件恶化情形下的生产组装协同调度问题研究 |
6.1 引言 |
6.2 问题描述 |
6.3 针对问题Q1的结构化性质和最优算法 |
6.4 针对问题Q2的结构化性质和启发式算法 |
6.5 精炼变邻域搜索算法(LIMA-VNS) |
6.5.1 编码设计 |
6.5.2 初始解生成与邻域更新策略 |
6.5.3 LIMA-VNS算法结构 |
6.6 仿真实验 |
6.7 本章小结 |
第七章 总结与展望 |
7.1 全文总结 |
7.2 研究展望 |
参考文献 |
攻读博士学位期间的学术活动及成果情况 |
1 )参加的学术交流与科研项目 |
2 )发表的学术论文 |
3 )发表的国内外专利 |
(7)急诊患者扰动医疗服务重调度问题的研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景 |
1.1.1 宏观背景 |
1.1.2 微观背景 |
1.1.3 现有研究存在的不足 |
1.2 研究目的和意义 |
1.3 本文主要研究内容及研究思路 |
1.3.1 主要研究内容 |
1.3.2 研究路线 |
1.4 本文组织结构 |
第二章 相关理论文献综述 |
2.1 调度理论 |
2.1.1 调度理论的产生和发展 |
2.1.2 调度问题的复杂度分类 |
2.2 医疗服务调度 |
2.2.1 患者调度 |
2.2.2 医疗资源调度 |
2.2.3 门诊预约调度 |
2.3 医疗服务调度中的不确定性 |
2.3.1 不确定性医疗服务调度研究现状 |
2.3.2 扰动事件分类 |
2.3.3 扰动度量 |
2.3.4 扰动事件应对研究进展 |
2.4 调度算法 |
2.4.1 传统调度算法 |
2.4.2 智能调度算法 |
2.5 本章小结 |
第三章 急诊患者扰动单CT诊断服务重调度问题的研究 |
3.1 急诊患者相关理论知识 |
3.1.1 相关定义 |
3.1.2 插队的方法及流程 |
3.2 UDSR问题假设及符号说明 |
3.2.1 UDSR问题假设 |
3.2.2 UDSR符号说明 |
3.3 以最小化最大迟时间惩罚为优化目标的U-RLMT问题 |
3.4 以最小化完成时间和为优化目标的U-RLTC问题 |
3.4.1 U-RLTC问题的数学模型 |
3.4.2 U-RLTC问题的求解算法 |
3.5 以最大延迟惩罚与扰动成本之和最小化为目标的U-RHTD问题 |
3.5.1 U-RHTD 问题的数学模型 |
3.5.2 U-RHTD 问题的求解算法 |
3.6 以诊断完成时间与扰动成本之和最小化为目标的U-RHCD问题 |
3.6.1 U-RHCD问题的数学模型 |
3.6.2 U-RHCD问题的求解算法 |
3.7 本章小结 |
第四章 考虑设置时间的急诊患者扰动单CT诊断服务重调度问题的研究 |
4.1 设置时间调度相关知识 |
4.1.1 设置时间调度的应用领域 |
4.1.2 设置时间调度分类 |
4.1.3 设置时间调度问题表示法 |
4.2 UDSR-S问题假设、符号说明及问题描述 |
4.2.1 UDSR-S问题假设 |
4.2.2 UDSR-S符号说明 |
4.2.3 UDSR-S问题描述 |
4.3 FISIS-P_(MAX),C_(MAX)急诊患者扰动重调度问题 |
4.3.1 FISIS-P_(MAX),C_(MAX)问题数学模型 |
4.3.2 ε约束求解方法 |
4.4 FISIS-Δ_(max),C_(max)急诊患者扰动重调度问题 |
4.4.1 FISIS-Δ_(max),C_(max)问题数学模型 |
4.4.2 FISIS-Δ_(max),C_(max)问题求解 |
4.5 FDSIS-P_(MAX),C_(MAX)急诊患者扰动重调度问题 |
4.5.1 FDSIS-P_(MAX),C_(MAX)问题数学模型 |
4.5.2 FDSIS-P_(MAX),C_(MAX)问题求解 |
4.6 FDSIS-Δ_(max),C_(max)急诊患者扰动重调度问题 |
4.6.1 FDSIS-Δ_(max),C_(max)问题数学模型 |
4.6.2 FDSIS-Δ_(max),C_(max)问题求解 |
4.7 FDSIS-Σ_jΔ_j,C_(max)急诊患者扰动重调度问题 |
4.7.1 FDSIS-Σ_jΔ_j,C_(max)问题数学模型 |
4.7.2 FDSIS-Σ_jΔ_j,C_(max)问题求解 |
4.8 本章小结 |
第五章 考虑设置时间的急诊患者扰动健康体检重调度问题研究 |
5.1 UDHERP-SDS问题假设、符号说明 |
5.1.1 UDHERP-SDS问题假设 |
5.1.2 UDHERP-SDS符号说明 |
5.2 UDHERP-SDS问题描述和数学模型 |
5.2.1 UDHERP-SDS问题描述 |
5.2.2 UDHERP-SDS数学模型 |
5.3 混合GA-SA算法 |
5.3.1 编码方案 |
5.3.2 译码方案 |
5.3.3 基于BICH-MIH方法的种群初始化 |
5.3.4 选择算子 |
5.3.5 交叉算子 |
5.3.6 变异算子及重启动 |
5.4 SA局域搜索策略 |
5.5 实验设计 |
5.5.1 评估指标 |
5.5.2 测试实例和算法参数选择 |
5.6 实验结果及分析 |
5.7 本章小结 |
第六章 总结与展望 |
6.1 研究工作总结 |
6.2 研究展望 |
6.2.1 医疗服务调度研究展望 |
6.2.2 生产调度研究展望 |
参考文献 |
攻读学位期间发表的学术论文 |
致谢 |
(8)基于离散人工蜂群算法的分布式零等待流水车间调度方法(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 课题概述 |
1.2 国内外研究现状 |
1.3 现状总结及问题分析 |
1.4 本文的主要工作与结构 |
2 相关理论基础 |
2.1 人工蜂群算法 |
2.2 多目标优化 |
2.3 本章小结 |
3 基于DABC的分布式(同构)零等待流水车间调度方法 |
3.1 DNWFSP问题描述与MILP模型 |
3.2 DABC算法求解DNWFSP |
3.3 实验结果与分析 |
3.4 本章小结 |
4 基于DABC的分布式异构零等待流水车间调度方法 |
4.1 DHNWFSP问题描述与MILP模型 |
4.2 DABC求解DHNWFSP |
4.3 实验结果与分析 |
4.4 本章小结 |
5 基于MODABC多目标分布式异构零等待流水车间调度方法 |
5.1 MDHNWFSP-SDST问题描述及MILP模型 |
5.2 MODABC求解MDHNWFSP-SDST |
5.3 实验结果与分析 |
5.4 本章小结 |
6 总结与展望 |
6.1 全文总结 |
6.2 研究展望 |
致谢 |
参考文献 |
附录 |
(9)面向离散制造过程考虑高效节能的生产调度优化问题研究(论文提纲范文)
致谢 |
摘要 |
abstract |
1 绪论 |
1.1 研究背景 |
1.2 研究目的及意义 |
1.2.1 提升数控机床切割过程的能源利用率 |
1.2.2 提升钢锭均热与轧制过程的能源利用率 |
1.3 研究路线和主要研究内容 |
1.3.1 主要研究内容及创新点 |
1.3.2 研究技术路线 |
2 文献综述 |
2.1 基于供电可断的高效节能生产调度优化研究 |
2.1.1 基于供电可断的高效节能单机生产调度优化研究 |
2.1.2 基于供电可断的高效节能作业车间或流水车间生产调度优化研究 |
2.2 基于速率可控的高效节能生产调度优化研究 |
2.2.1 基于速率可控的高效节能作业车间生产调度优化研究 |
2.2.2 基于速率可控的高效节能流水车间生产调度优化研究 |
2.3 基于分时能源消耗成本的高效节能生产调度优化研究 |
2.3.1 基于分时能源消耗成本的高效节能单机生产调度优化研究 |
2.3.2 基于分时能源消耗成本的高效节能作业车间和流水车间生产调度优化研究 |
2.4 基于柔性车间动态配置的高效节能生产调度优化研究 |
2.5 研究评述 |
2.6 本章小结 |
3 考虑能源消耗和机器启动成本的订单接收和调度问题 |
3.1 引言 |
3.2 问题描述 |
3.3 最优解性质及复杂度分析 |
3.4 改进的变邻域搜索算法 |
3.4.1 编码及解码策略 |
3.4.2 基于动态规划的适应度计算方法 |
3.4.3 交叉邻域结构 |
3.4.4 变异邻域结构 |
3.5 仿真实验 |
3.5.1 仿真数据来源 |
3.5.2 参数调整预实验 |
3.5.3 改进变邻域搜索算法与其他变邻域算法的比较 |
3.5.4 改进变邻域搜索算法与其他基准算法的比较 |
3.6 本章小结 |
4 分时能源消耗成本情形下高效节能生产重调度优化问题 |
4.1 引言 |
4.2 问题描述 |
4.3 最优解性质及单机调度算法 |
4.4 改进的变邻域搜索算法 |
4.4.1 平行机环境下该高效节能生产调度问题的复杂性 |
4.4.2 编码及解码策略 |
4.4.3 基于动态规划的适应度计算方法 |
4.4.4 三种交换邻域结构 |
4.4.5 VNS算法的总体框架 |
4.5 仿真实验 |
4.5.1 数据来源及实验设计 |
4.5.2 新型邻域结构对算法性能的影响 |
4.5.3 改进的变邻域搜索算法与其他基准算法的对比 |
4.6 本章小结 |
5 加工速率可控情形下考虑高效节能的混合生产调度优化问题 |
5.1 引言 |
5.2 问题描述与问题建模 |
5.3 单机调度问题及其特例问题的解决方案 |
5.3.1 针对单机调度问题的性质及动态规划算法 |
5.3.2 不考虑能源消耗约束的特例问题 |
5.3.3 给定工件集合情形下最小化能源消耗成本的特例问题 |
5.4 平行机调度问题的解决方案 |
5.4.1 启发式算法1(H1) |
5.4.2 启发式算法2(H2) |
5.4.3 启发式算法3(H3) |
5.5 计算性实验和讨论 |
5.5.1 实例数据及实验设计 |
5.5.2 实验结果及讨论 |
5.5.3 非参数检验 |
5.6 本章小结 |
6 柔性供应链情形下考虑工件恶化效应和高效节能的生产调度优化问题 |
6.1 引言 |
6.2 问题描述与问题建模 |
6.3 最优解性质分析 |
6.4 特例问题的最优解决方案 |
6.5 基本的偏随机键遗传算法和花朵授粉算法 |
6.5.1 基本的偏随机键遗传算法(BRKGA) |
6.5.2 花朵授粉算法(FPA) |
6.6 混合偏随机键遗传算法和花朵授粉算法及启发式算法 |
6.6.1 基于SNPT的启发式算法 |
6.6.2 混合偏随机键遗传算法和花朵授粉算法 |
6.7 仿真实验 |
6.7.1 仿真数据来源和实验设计 |
6.7.2 实验参数预调整 |
6.7.3 混合算法与其他基准算法的对比 |
6.8 本章小结 |
7 总结与展望 |
7.1 全文总结 |
7.2 未来展望 |
参考文献 |
攻读博士学位期间的学术活动及成果情况 |
1 )攻读学位期间参与的科研项目和学术交流 |
2 )攻读学位期间发表及撰写的论文 |
3 )攻读学位期间授权专利 |
(10)置换流水车间调度问题的仿生智能算法应用研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 研究内容及论文框架 |
1.3 研究方法 |
1.4 创新点 |
第二章 相关理论基础及研究综述 |
2.1 车间调度问题研究 |
2.1.1 作业车间调度 |
2.1.2 流水车间调度 |
2.2 置换流水车间调度问题描述及分类 |
2.2.1 置换流水车间调度问题数学描述 |
2.2.2 置换流水车间调度问题分类 |
2.3 置换流水车间问题求解方法研究 |
2.3.1 精确求解法 |
2.3.2 启发式算法 |
2.3.3 智能优化算法 |
2.4 IWO和 FPA的改进及应用研究 |
2.4.1 IWO改进及应用 |
2.4.2 FPA改进及应用 |
2.5 PFSP智能调度算法研究综述 |
2.5.1 国外研究综述 |
2.5.2 国内研究综述 |
2.5.3 文献评述 |
2.6 本章小结 |
第三章 离散工业生产调度现状分析 |
3.1 离散工业生产调度描述 |
3.2 离散工业生产调度规则 |
3.3 离散工业生产调度特征 |
3.4 离散工业生产调度求解思路 |
3.4.1 智能算法优化仿真 |
3.4.2 生产调度问题的求解思路 |
3.5 本章小结 |
第四章 改进入侵杂草算法以及改进花授粉算法研究 |
4.1 基于莱维飞行的入侵杂草优化算法 |
4.1.1 基本入侵杂草优化算法 |
4.1.2 具有levy飞行机制的入侵杂草优化算法 |
4.1.3 测试与仿真 |
4.2 混合变异花授粉算法 |
4.2.1 基本花授粉算法 |
4.2.2 混合变异花授粉算法 |
4.2.3 测试与仿真 |
4.3 本章小结 |
第五章 改进杂草优化算法求解PFSP |
5.1 ROV编码 |
5.2 NEH初始化 |
5.3 杂草算法流程框架 |
5.4 实验结果对比与分析 |
5.4.1 Carlier例题测试 |
5.4.2 Reeves例题测试 |
5.5 本章小结 |
第六章 某钢管制造企业零部件生产调度实例研究 |
6.1 实例介绍 |
6.2 实例求解 |
6.2.1 编码与种群初始化 |
6.2.2 基于邻域搜索的局部搜索策略 |
6.2.3 花授粉算法求解框架 |
6.2.4 结果分析 |
6.3 钢管生产企业对策和建议 |
6.3.1 加强钢管生产效益观念,强化精益管理文化建设 |
6.3.2 建立钢管生产流程管理制度,细化生产环节 |
6.3.3 钢管生产车间结构转型,合理计划生产 |
6.3.4 精整钢管生产现场车间内容,智能化生产 |
第七章 总结与展望 |
7.1 研究结论 |
7.2 研究展望 |
参考文献 |
附录 |
攻读硕士学位期间发表的学术论文及取得的相关科研成果 |
致谢 |
四、一种有效的启发式Flowshop调度算法(论文参考文献)
- [1]零等待间歇生产过程智能算法研究[D]. 沈鹏. 江南大学, 2021(01)
- [2]面向知识导向和交货期的预制构件生产调度研究[D]. 储梦伶. 西安建筑科技大学, 2021
- [3]炼钢—连铸生产调度与钢包选配的集成优化研究[D]. 韩大勇. 武汉科技大学, 2021(01)
- [4]具有特殊约束的流水车间成组调度问题研究[D]. 袁帅鹏. 北京科技大学, 2021
- [5]考虑恶化或学习效应的分组批调度方法研究[D]. 廖宝玉. 合肥工业大学, 2020(01)
- [6]面向协同制造过程考虑工件恶化的供应链生产调度问题研究[D]. 陆少军. 合肥工业大学, 2020(01)
- [7]急诊患者扰动医疗服务重调度问题的研究[D]. 朱丹丹. 天津理工大学, 2020(01)
- [8]基于离散人工蜂群算法的分布式零等待流水车间调度方法[D]. 李浩然. 华中科技大学, 2020
- [9]面向离散制造过程考虑高效节能的生产调度优化问题研究[D]. 孔敏. 合肥工业大学, 2020(01)
- [10]置换流水车间调度问题的仿生智能算法应用研究[D]. 李焰华. 上海工程技术大学, 2020(05)