摘要：针对一种基于自动导引小车(AGV)分拣的型材下料车间分拣新方法,以最小化AGV损耗费用和AGV运行费用为目标,建立了混合整数线性规划模型,设计了一种改进遗传算法对模型进行求解。该算法使用带加工属性的多层编码方式,针对多层编码设计了分层式交叉变异的方式,在邻域搜索阶段采用基于禁忌表的双层协同优化策略。算例对比实验表明,所设计的改进遗传算法与基础遗传算法、基础蚁群算法、变邻域改进遗传算法,以及改进蜂群算法相比,在求解该问题上有显著优势和有良好的鲁棒性。

摘要：研究了一类带有序列相关准备时间和阶段间运输时间的混合流水车间成组调度问题,以最小化最大完工时间为目标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文化基因算法.算法采用置换序列的方式对工件组间调度、各工件组内工件间调度以及各工件组在各阶段上并行机的指派3个子问题进行统一编码,基于负载均衡思想和改进的先到先得策略将染色体解码为问题的可行解;进化过程中采用多种遗传算子执行全域搜索,并设计了一种基于破坏和重新构造的协同进化局部搜索策略.通过不同问题规模的数据实验和与对比算法的比较分析,验证了所提模型和算法的有效性.

摘要：从钢铁企业的管加工生产中抽象出一类具有特殊阻塞约束的两阶段流水车间成组调度问题.与传统阻塞约束不同,工件是否发生阻塞并非取决于缓冲区容量,而是取决于工件自身的规格、尺寸等属性.针对此调度问题,以最小化最大完工时间(makespan)为目标建立混合整数线性规划模型,并通过三划分问题的多项式归结证明问题的强NP难特性,进而将问题划分为工件组排序和工件组内工件排序两个子问题,提出一种基于协同进化的分布估计算法.算法针对两个子问题各自特点进行独立编码,分别设计启发式规则构造初始种群,并提出带有工件区块结构特征的概率模型来指导种群进化.基于实际生产数据设计多种问题规模的实验,从而表明所提出模型和算法的有效性.

摘要：针对具有瓶颈资源的一般流水车间,考虑与工件排序相关的安装时间,以最小化产出时间与拖期率为目标,设计了瓶颈驱动的集成负荷控制方法。通过FlexSim^(@)建模仿真比较了仅在车间调度层或投放层考虑安装时间节约的局部策略以及同时在订单投放层与车间调度层考虑安装时间节约的集中策略的绩效差异。结果表明,集中策略优于局部策略。本文提出的既考虑瓶颈资源当前加工工件类型也考虑上游即将到达工件类型的投放规则可以更好地节约安装时间,改善集中策略的绩效。

摘要：文中针对把最小化总流动时间作为基准(Fm|fmls,Splk,prmu|∑Cj)的流水车间序列依赖组调度问题(FSDGS),研究了一种新的粒子群优化算法(PSO)。并基于排序值(Ranked Order Value,ROV)开发了一种编码方案,这种方案能将PSO算法中粒子的连续位置值转化成作业和组排列。文中用了一种称为个体增益(IE)的邻域矩阵搜索策略来保证提高搜索的质量并在深度和广度上做出平衡。新算法的性能被拿来与当前文献中提到的已知最好的元启发式算法即蚁群算法(ACO)进行对比,基于常用测试测试问题,结果显示新算法性能较诸ACO算法更加优越。