摘要：【目的】解决在有限缓存约束下的装配与搬运作业整体调度问题。【方法】考虑单元内缓存容量约束和搬运时间对调度的影响,建立了考虑有限缓存约束的模型,并基于关键路径的改进遗传算法求解该模型,提出了适合该模型的三层编码方式和插入式解码方式,设计了基于关键路径的交叉和变异方法,通过标准测试算例对算法的主要参数进行优化求解,并通过实验验证了改进操作的有效性。【结果】1)各参数对算法求解性能的影响力由大到小依次是:多样性阈值thr、种群大小pop、交叉概率β、变异概率γ、轮盘赌筛选尺度k。2)随着种群规模的增大,能够搜索到最优解的概率更大,但在种群规模增大到150之后此影响将减弱。3)交叉概率β取80%,轮盘赌筛选尺度k取2,变异概率γ取10%较为合适。【结论】1)正逆工序两种初始化方式可以互为补充,通过添加补充种群的方式,可以使得遗传算法具有较好的进化动力并取得较优的计算结果。2)采用基于关键路径的交叉和变异方法,不仅能够提升种群中的信息交换效率,使得种群整体的进化更加优秀,也能够在一定程度上提升算法的局部搜索能力。3)将缓存容量设置为全部待调度工件的20%可以得到较优的调度结果。

摘要：【目的】解决订单式冲压生产中,生产准备周期长、效率低且资源利用率低等问题。【方法】提出一种将排样选配与生产调度进行集成优化的思路来解决上述问题。建立了以最小化中间库存、换模次数、总拖期时间为优化目标的集成优化模型,设计了一种将排样选配与生产调度统一考虑的多层结构编码方法和一种考虑机器人调度策略的解码方法,提出了混合鲸鱼优化算法(HWOA)并应用该算法对此集成优化问题进行求解,然后设计多组测试算例,将HWOA与其他算法进行了对比。【结果】1)HWOA获得的Pareto解是最优解,质量比NSGA-II、HNSGA-II、MOGA、PSO+SA获得的Pareto解都要好;2)HWOA单独运行各算例10次后,从最终的Pareto解集中筛选出来的最满意解结果均较好,符合计算目标。【结论】实验结果验证了该算法的可行性和有效性,相对于其他算法,HWOA在解决IOLS-ORSC问题上具有一定的优越性;文章提出的解码方法考虑了机器人的调度策略,实现了RSC中物料运输任务与生产任务的协调分配;未来可以将几何排版与冲压工艺考虑进来,进一步提高研究的实际应用价值。

摘要：文章针对机器人制造单元集成式工艺规划与调度(RMC-IPPS)问题,并考虑其加工次序柔性、加工柔性及工序柔性,提出了一种多层级线性编码的方法,该方法能有效地将RMC-IPPS问题的解用简单的数据结构表示,并实现对问题的整体求解。同时,针对毛坯件/半成品在单元中的转运问题,设计了一种基于贪婪思想的机器人调度策略,该策略每一步都选择当前的最优状态,使生产周期尽量不因搬运工序的存在而产生过多延滞。最后,设计出一种基于外部档案库的NSGA-Ⅱ算法(M-NSGA-Ⅱ),该算法通过外部档案库对非劣解进行二次搜索,以避免种群多样性趋于单一,并通过基准实例与实际生产应用算例对所提方法进行验证,并将改进后的算法与其它算法进行对比。结果表明,相较标准NSGA-Ⅱ算法,M-NSGA-Ⅱ算法的覆盖率为100%;相较文献中的算法,M-NSGA-Ⅱ算法具有更高的覆盖率。

摘要：为了应对越来越多的乘客利用手机软件实时查看车辆位置信息以帮助其计划出发时间这一发展趋势,探究实时车辆信息共享程度对公交动态控制策略的影响,结合长短时记忆网络(long short term memory,LSTM)预测模型和遗传算法(genetic algorithm,GA)构建GA-LSTM实时混合公交运行轨迹预测模型;在实时公交运行轨迹预测模型的基础上,建立考虑乘客接受实时车辆信息共享程度、以最小化车头时距偏差和乘客乘车时间为目标的公交动态驻站控制策略;通过西安市实际数据测试实时公交运行轨迹预测模型和公交动态驻站控制策略的有效性,并讨论不同最大驻站控制时间、接受实时信息乘客比例对公交动态驻站控制策略的影响。研究结果表明:利用GA-LSTM预测模型预测停车服务时间和站间运行时间的均方根误差(RMSE)相较于传统LSTM预测模型的预测结果分别降低了21.19%和44.55%;考虑实时车辆信息共享的动态控制策略预测结果比未考虑信息共享的动态控制策略目标函数预测结果降低了31.66%;随着最大驻站时间增加,目标函数值减少到定值后保持稳定;随着接受实时信息乘客比例增加,目标函数值持续减少。研究结果有助于交通管理部门结合乘客接受信息共享程度设计更灵活、有效的公交动态控制策略,从而为改善公交运营状况、提高公交服务水平奠定理论基础。

摘要：车辆到站时间的不准时性严重影响着需求响应型公交的服务水平和乘客选择公共交通的出行意愿,因此,本文对考虑车辆随机到站时间的动态需求响应型接驳公交线路优化问题进行研究。以运营商成本、乘客乘车时间成本、乘客等待时间成本组成的系统总成本最小为目标建立数学模型,通过优化车辆路径寻求系统总成本最优的需求响应型接驳公交服务方案,其创新之处在于,在服务过程中允许乘客提交实时出行需求;定义车辆到站时间服从已知分布以描述其随机性。提出一种遗传算法和邻域搜索相结合的启发式算法对模型进行求解,该算法融合了遗传算法的全局搜索优势和邻域搜索的局部搜索能力,通过算例测试分析对本文算法的有效性及先进性进行验证。最后,基于西安市延平门地铁站设计数值实验,结果表明,考虑车辆随机到站时间可以在一定程度上减少乘客时间成本和系统总成本。

摘要：为提高公共交通的服务水平、增加公共交通出行方式对居民的吸引力、缓解城市出行高峰的拥堵,针对已有的定制公交,设计了一种基于轨道交通枢纽的定制接运公交模式,并给出了其完整的系统运营流程,使其能更好地应用在实际的城市交通管理中.针对方案核心,建立了同时兼顾乘客和公交运营公司两方面利益的多目标线路生成模型,通过Floyd最短路算法(插点法)为模型生成了基于实际路网的初始最短路径矩阵,并运用LINGO软件验证模型.最后,为模型求解设计了一种结合贪婪算法与邻域搜索算法的混合启发式算法,并通过西安市实际数据验证了方案的可操作性与模型的准确性.