摘要：以异构并行机调度(UPMS)为研究对象,考虑了最小化makespan和提前/延误惩罚成本总和的多目标优化问题.首先,基于问题描述构建了数学优化模型,并设计了"约束法求解流程.其次,提出了混合多目标教–学优化算法(HMTLBO).HMTLBO算法借助分解机制将Pareto前沿逼近问题转化为一系列单目标子问题,并通过教–学优化算法(TLBO)求解各子问题.针对问题特点设计了序列编码方式,并据此融合3种交叉算子构筑了个体更新方法,同时建立了变邻域下降搜索以增强算法的局部搜索能力.最后进行了仿真实验与分析,测试结果验证了HMTLBO求解当前调度问题的高效性.

摘要：针对流程工业中广泛存在的一类复杂异构并行机调度问题,即带工件加工约束和序相关设置时间的异构并行机调度问题,提出一种分布估计算法,用于最小化最早完工时间。首先,合理借鉴了蜜蜂养殖中"双王分区春繁法"的思想,提出一种新的概率模型更新方式,并通过子种群概率模型的交叉融合构造采样概率模型,进而引导种群进化方向,用于提高算法全局搜索的深度;其次,设计了一种基于插入法的变异操作,用于保持分布估计算法的种群多样性水平,进而提高算法全局搜索的宽度;最后,引入基于插入法和首次改进跳出原则的局部搜索方法来增强算法的局部开发能力。仿真实验和算法比较验证了所提算法的有效性和鲁棒性。

摘要：针对化工生产中广泛存在的一类带多工序的异构并行机调度问题,即部分产品需多工序加工,同时不同产品间带序相关设置时间的异构并行机调度问题(heterogeneous parallel machine scheduling problem with multiple operations and sequence-dependent setup times,HPMSP_MOSST),提出了一种遗传-分布估计算法(genetic algorithm-estimation of distribution algorithm,GA-EDA),用于优化最早完工时间(makespan)。首先,提出了一种基于GA的概率模型训练机制,用来提高概率模型在算法进化初期的信息积累量,进而提高搜索的效率;其次,设计了一种有效的GA与EDA混合策略,使得算法的全局探索和局部开发能力得到合理平衡。计算机模拟验证了GA-EDA的有效性和鲁棒性。

摘要：以加工时间可控的机器调度为研究对象,考虑一类以优化能耗和延迟成本为目标的异构并行机调度问题。对该调度问题进行描述,并构建混合整数线性规划模型;提出混合烟花求解算法(HFWA),设计特定的编解码方法以表示问题的解,并融入反向学习初始化方法以提升初始解的质量;构建基于变邻域搜索算法的局部优化流程用以强化基本算法的寻优性能。仿真实验验证了该算法的可行性和有效性。

摘要：以大规模定制化的家电行业生产为背景,将家电总装产线的投产排序决策抽象成为一类带准备时间的异构并行机动态调度问题。针对人工调度规则解决动态调度问题简单高效,但场景适应性弱的特点,引入了基于遗传规划(genetic programming,GP)的规则自动设计框架。首先,通过分析家电总装产线生产特征以及优化需求,以最小化平均拖期为优化目标,建立异构并行机调度模型;随后,针对问题特征,构建线体指派-工单排序规则对协同进化的改进型GP算法,并提取线体、工单的特征属性输入GP算法框架以自动设计调度规则。最后,基于某家电企业实际案例数据设计大量算例测试集,通过对比GP算法与人工设计规则在差异化工况场景的实验结果,验证GP算法有效性,并进一步分析了GP算法构造规则受不同生产环境参数的影响。