摘要：借助蚁群系统较强的路径寻优能力与并行搜索特点,设计了一种双层蚂蚁算法,解决了多品种晶圆批连续到达动态环境下非等效平行多机器的批调度问题.仿真实验表明,算法能得到较好的可行解,并优于其他启发式算法,对高负载的工作环境具有良好的适用性.

摘要：为改善粒子群算法对大规模问题求解的性能,提出了一种基于文化进化的并行粒子群算法,详细阐述了该算法的原理和具体实施方案。针对半导体炉管区批调度问题,设计了双层粒子群算法,外层应用基于文化进化的并行粒子群算法进行批量计划问题的求解,内层采用传统的粒子群算法求解调度问题。通过对其他文献中的仿真实例进行计算和结果比较表明,该算法优于文献中的启发式算法和蚂蚁算法。

摘要：研究了工件含不同到达时间且差异尺寸的单机批调度问题,优化目标为极小化最大完工时间Cmax。首先建立了该问题的混合整数规划模型,并使用运筹学软件CPLEX求解。针对问题构建性的特性,提出了蚁群优化算法求解该问题。通过分析到达时间和工件尺寸等约束对优化目标的影响,提出了空闲空间的概念Cmax,并证明极小化等价于极小化批空闲空间,基于此设计了动态的启发式信息以更精确地指导蚂蚁的行为。同时,引入候选列表策略,有效地减少了蚂蚁的寻优空间,提高了算法的收敛速度。仿真实验采用了文献中的测试算例,通过与CPLEX软件以及文献中的启发式算法和遗传算法的对比分析,验证了算法的有效性。

摘要：建立了具有提前/拖期惩罚的热轧钢管批调度问题的混合整数非线性规划模型,提出并证明了给定合同排序下的最优组批方式,从而将原问题转化为易求解的合同排序问题.同时,建立了转化问题的数学模型并设计了遗传算法.仿真实验验证了模型和算法的有效性.

摘要：研究了单机环境下工件尺寸有差异的批调度问题,设计了一种改进蚁群算法对问题的制造跨度进行优化。首先引入了Metropolis准则的概率选择机制作为路径激励策略,避免蚁群算法过早收敛的问题;然后采用了BatchFirstFit算法对蚁群的路径进行解码,以产生可行的分批方案。最后选取了问题的所有24类算例,将改进的蚁群算法和遗传算法及模拟退火算法进行了全面的对比实验,结果验证了改进的蚁群算法的有效性。

摘要：为解决流水作业环境作业尺寸有差异的批调度问题,建立了基于混合整数规划方法的最大时间跨度模型,分析问题的计算复杂性,给出设备数、作业数既定情况下的可行解规模.设计一种混合蚁群算法对最大时间跨度进行优化,结合算法的搜索机制和批调度启发式规则,实现了最小化最大时间跨度.利用模拟退火方法改进蚁群算法路径选择,避免算法陷入局部最优和过早收敛.实验设计随机算例,对各类不同规模的算例进行仿真实验,实验结果表明混合蚁群算法在最优解、平均运行时间和最大时间跨度等方面优于其他同类算法.

摘要：将差异工件的批调度问题扩展到两客户生产环境,建立了两个客户分别以最小化制造时间跨度和最小化最大工件延迟时间为生产目标的差异工件平行机批调度模型.首先提出了一种启发式算法TSEDD(two-set earliest due date)对分批方案进行排序并安排到平行机,然后设计了一个多目标蚁群优化算法MOACO(multi-objective ant colony optimization)对不同客户中的工件进行分批并结合TSEDD完成对问题Pareto最优解集的求解.实验结果表明,与经典的多目标问题求解算法NSGA-Ⅱ和SPEA2算法相比,MOACO具有较好的求解效果,且随着问题中工件规模的增大,算法的优势更加明显.

摘要：针对实际生产中存在的时间参数不确定性问题,对单机环境下同时考虑模糊加工时间和模糊交货期的成批调度问题进行研究。分别用三角模糊数和梯形模糊数表示模糊加工时间与交货期,分析了最小化总延迟的情况下工件的模糊交货期和模糊加工时间的隶属度函数与决策者对该工件的完工时间满意度的函数关系,以满意度为优化目标,建立模糊数学优化模型。设计BFEDD(Best Fit Earliest Due Date)启发式算法,以及改进的殖民地同化策略(殖民地移动),建立改进的帝国主义竞争算法(IICA,Improved Imperialist Competitive Algorithm)对所研究问题进行求解,最后设计仿真实验验证了算法的有效性。

摘要：将经典的批调度问题推广到考虑工件具有不同尺寸大小的单机在线批调度问题,当目标函数为工件的极大完工时间时,就所有工件在2个不同时刻到达的情形设计了一个竞争比不超过161/60的在线算法,并给出了此问题的一个下界。

摘要：考虑了一类作业尺寸有差异的批调度问题,加工环境为并行批处理设备。以制造跨度为优化目标,建立了基于整数规划的数学模型;分析了制造跨度最小化问题的计算复杂性,给出问题可行解规模的上下界;然后设计了一种基于LPT规则和Batch First Fit规则的近似算法,证明了算法的时间性能为O(nlogn),算法在优化制造跨度时的最坏性能比为(8/3～2/3m)。