摘要：针对实际生产中广泛存在的紧凑型带钢生产热轧调度问题(HRSP_CSP),提出一种两阶段智能优化算法(TIOA)进行求解。为合理控制成本并确保效益,采用主次目标进行优化。主目标为如何加入最少的无委托带钢(即订单外生产的带钢)来构成最小轧制批次;次目标为如何在主目标确定的轧制批次中,确定各批次内的带钢集合和轧制顺序,以实现轧制平均平滑率(即各批次带钢轧制平滑率的平均值)最小。基于HRSP_CSP的特点,TIOA设计为两阶段优化算法。在TIOA的前一阶段,分析问题特征,提出启发式算法获取问题的最优解(即最小轧制批次)。在TIOA的后一阶段,分析问题性质,提出改进人工蜂群(IABC)算法在较短时间内获取问题的优质解。IABC算法采用基于集合的编码方式,并设计问题解的最优解码策略来提升解的质量,同时设计结合无效邻域判断策略的两类Swap邻域操作以增强局部搜索效率。通过仿真实验和算法对比,验证了TIOA的有效性。

摘要：非侵入式负荷监测(non-intrusive load monitoring,NILM)是一种无需进入每个用电器内部系统,仅在用户总线入口处安装监测设备的技术.在开展NILM技术研究时,往往需要收集大规模的用户负荷数据来证明所提出方法的普适性,此需求不可避免地带来了繁重的数据收集与整理负担.为克服该挑战,设计了一种结合周期信号频率不变变换(frequency invariant transformation for periodic signals,FIT-PS)原理与时间序列生成对抗网络(time series generative adversarial networks,TimeGAN)的混合模型,记为FIT-PSTimeGAN.针对全球家庭与工业瞬态能量数据集(worldwide household and industry transient energy dataset,WHITED)中的空调、微波炉、吸尘器、冰箱和热水壶5种电器,运用FIT-PS对负荷数据集进行切割和拼接,构建TimeGAN不同状态下的训练集和测试集.评估测试集的效果发现,生成的波形数据与真实数据表现出高度一致性.进一步采用FIT-PS对训练得到的生成数据进行截取和拼接,生成满足测试需求的完整的单负荷波形和多负荷波形.对这些生成的波形与相同状态下的真实数据进行对比,结果显示两者吻合度很高.与自回归模型和生成对抗网络(generative adversarial network,GAN)模型相比,FIT-PS-TimeGAN模型在生成数据的性能方面表现更优.研究结果表明,FIT-PS-TimeGAN混合模型能够有效生成符合标准电器运行规律的波形和场景数据.

摘要：本文研究以加工–运输–装配同步性和交货准时性的加权和为优化目标的三阶段装配集成调度问题(3sAISP_SP),并基于问题特点设计混合分布估计算法(HEDA)进行求解.首先,分别建立3sAISP SP的数学规划模型和排列模型.其次,在对问题模型特点分析的基础上,设计合理的编码和解码规则,同时利用HEDA中基于概率模型的全局搜索以发现问题解空间存在优质解的区域.然后,为进一步提高算法性能,设计3种局部搜索策略对优质解区域进行细致搜索.进而,在小规模问题下,将HEDA得到的较优解与优化求解器GUROBI得到的最优解进行比较,验证HEDA的求解结果接近最优解;在较大规模问题下,将HEDA与其他有效智能优化算法进行比较,验证HEDA的求解性能.最后,通过对优化目标中不同权重设置的实验分析,给出加工–运输–装配同步性和交货准时性权重设置的合理范围,并得到考虑装配同步性有利于降低中间库存的结论.

摘要：针对制造行业中广泛存在的一类复杂零等待流水线调度问题,即带序相关设置时间和释放时间的零等待流水线调度问题(NFSSP_SDSTs_RTs),建立问题的排序模型并提出一种混合交叉熵算法(HCEA)进行求解,优化目标为最小化总提前和延迟时间.首先,设计了一种基于问题性质的快速评价方法,有效降低评价解的计算复杂度.其次,采用交叉熵算法学习并积累优质解的结构特征,建立概率模型对优质解的工件块分布进行有效地估计.通过合理的采样和更新方法,实现对解空间中优质区域的全局搜索.然后,为提高算法搜索效率,设计带两种搜索策略的快速局部搜索方法,对全局搜索发现的优质区域进行细致且深入的搜索.最后,仿真实验与算法对比验证了HCEA可有效求解NFSSPSDSTsRTs.

摘要：本文针对一类广泛存在的分布式加工装配和车辆配送集成调度问题(Integrated Scheduling Problem of Distributed Production Assembly and Vehicle Delivery,ISP_DPAVD),以最小化运输和延迟惩罚总成本为优化目标,提出一种混合三维分布估计算法(Hybrid three-Dimensional Estimation of Distribution Algorithm,H3DEDA)进行求解.ISP_DPAVD包含两个耦合的子问题,即加工装配阶段子问题(子问题1)和车辆配送阶段子问题(子问题2).由于每个子问题1的解(部分解1)均会确定1个具体的子问题2,故ISP_DPAVD的解空间非常庞大.根据这一特点,在H3DEDA中,先设计结合邻域变换的启发式规则来快速获取子问题2的优良解,以实现子问题间的部分解耦并明显缩减搜索空间,再设计三维EDA引导的全局搜索和变邻域驱动的局部搜索来获取ISP_DPAVD的高质量解.通过在不同规模测试问题上的仿真实验和算法比较,验证了H3DEDA求解ISP_DPAVD的有效性.

摘要：浇次不固定的炼钢连铸调度问题(Cast uncertain steelmaking continuous casting scheduling problem,CU_CCSP)广泛存在于钢铁生产行业中。该问题对应炼铁、精炼和连铸三个连续生产阶段,其中炼铁和精炼阶段为带运输时间的混合流水线调度子问题,连铸阶段为带独立设置时间的复杂并行机调度子问题,且两个子问题相互耦合。针对该问题,建立优化目标为最小化最大完工时间和平均等待时间加权和的排序模型,并提出一种协同进化交叉熵算法(Co-evolution cross-entropy optimization algorithm,CCOA)进行求解。设计前后子问题两段式编码和双向解码的策略,并采用启发式规则和随机方式初始化种群,以确保初始解的质量和分散性。在算法全局搜索阶段,采用分别对应前后子问题的双概率分布协同学习和积累优质解信息,并在采样概率分布生成新个体时引入考虑子问题耦合的模糊关系矩阵对概率分布取值进行适当调整,以增强算法较快到达优质解区域的能力,同时设计种群分裂机制来提高算法的引导性并扩大搜索范围。为提高算法的局部搜索能力,对分裂后的双种群中个体执行基于interchange和insert邻域操作的协同搜索,进而对当前历史最优解执行结合SWAP邻域快速评价的变邻域搜索,可增加算法在解空间中多个优质区域的搜索深度。仿真试验和算法比较验证了所提算法的有效性。

摘要：针对制造行业中广泛存在的一类复杂并行机调度问题,即带到达时间、多工序、加工约束和序相关设置时间的并行机调度问题(Parallel machine scheduling problem with arrival time, multiple operations, process restraints and sequencedependent setup times, PMSP AMPS),建立问题的排序模型并提出一种混合离散教与学优化算法进行求解,优化目标为最小化最大完工时间.首先,根据标准教与学算法(Teaching-learning-based optimization, TLBO)中两阶段个体更新公式的特点,在保留每一阶段个体更新公式框架不变的前提下,对公式中具体改变实数个体或向量的每个核心操作均用所设计的排列操作进行替换,使其可直接在离散问题解空间中执行基于标准教与学算法机理的全局搜索,从而明显提高了原算法的全局搜索效率.其次,采用交换操作和插入操作构造了一种简洁有效地变邻域局部搜索,对全局搜索发现的优质解区域进行细致搜索,从而进一步增强了算法的性能.通过对不同测试问题的仿真实验和算法比较,验证了所提算法可有效求解PMSP AMPS.

摘要：近年来，情感类节目可谓遍地开花，从中央电视台的《艺术人生》到凤凰卫视的《冷暖人生》，一直到重庆台的《雾都夜话》、《今夜不设防》，河北台的《真情旋律》，湖北台的《往事》，湖南台的《真情》、《背后的故事》、《爱情魔方》及安徽台的《家人》，情感类节目在电视节目中已占据了一片江山。情感类节目是给人提供一个释放感情，而且是公众关注下释放感情的渠道。在中国电视“平民视角、民生内容、民本取向”的走向中，情感类节目可以说是电视走向观众、接近观众的又一个标志，但是过度、夸张、泛滥地运用情感手段，也会使节目走上一味迎合低级趣味的低俗化之路。

摘要：本文提出一种增强人工蜂群算法(Enhanced Artificial Bee Colony,EABC),用于最小化半导体最终测试调度问题(Semiconductor Final Testing Scheduling Problem,SFTSP)的最大完工时间.该算法采用混合启发式方法初始化种群,并利用前插式解码策略来提高初始解的质量.在算法搜索阶段设计多种基于问题性质的探索策略和基于贝叶斯网络的概率模型对问题解空间进行深度与宽度的协同搜索.此外,提出基于重启策略的种群更新机制以加强算法跳出局部最优的能力.实验部分构造多种对比算法来验证EABC中各关键环节的有效性.通过基于实例的数值仿真以及与NFOA(Novel Fruit fly Optimization Algorithm)、KMEA(Knowledge-based Multi-agent Evolutionary Algorithm)和CCIWO(Cooperative Co-evolutionary Invasive Weed Optimization)的算法比较验证了EABC的有效性和鲁棒性.

摘要：针对以最小化总延迟时间为优化目标的分布式置换流水线问题(distributed permutation flowshop scheduling problem,DPFSP),建立问题排序模型,并提出混合迭代贪婪算法(hybrid iterated greedy,HIG)进行求解.基于问题特点提出最小工期差值(smallest due date difference value,SDV)规则及3种工厂分配规则,同时结合问题性质提出两种工件插入各工厂内部时问题目标值的下界估计方法.首先,通过实验确定使用分配规则1将工件向各工厂进行分配,同时结合下界估计方法的NEH作为改进启发式算法以生成较高质量初始解;其次,为了增加解的多样性,提出一种关键工厂的移除策略和适用于问题的模拟退火机制;然后,设计基于4种有效邻域操作的两阶段变邻域下降搜索策略,用于在HIG每代中对问题解空间的不同区域进行较深入和细致的搜索;最后,通过仿真实验和算法比较验证了采用HIG求解所提出问题的有效性.