配送中心车辆调度模型及遗传算法设计

针对物流配送中心车辆调度问题,采用混合整数规划方法进行建模。对实际问题进行研兖分析后,基于所研究问题的特点,提出基于遗传算法的求解方法。通过数值实验对算法不同参数组合进行分析、比较,获得最佳参数组合．建立了有效的求解该问题的遗传算法。并通过对实际问题的数值仿真试验．验证了算法的有效性。     

4PL模式下基于时间资源调度的供应成本优化研究

订单时间是影响供应成本的主要因素,合理的进行时间资源调度更是供应成本优化的关键所在。现有的第四方物流(Fourth Party Logistics,4PL)路径优化研究只关注物流环节的时间和成本因素,没有与物流上一环节的整合。本文提出将4PL服务拓展到客户的生产环节,在供应商的生产时间窗约束下,构建模型得到生产时间与物流时间的最优组合方案使供应商供应成本最低。最后基于一个实例的分析,验证了该模型能有效帮助4PL为客户提供最优供应方案。     

自适应粒子群优化算法在车间作业调度问题中的应用

采用粒子群优化算法对该问题进行求解,为了提高算法的求解性能,针对粒子群算法特点,提出了一种自适应的惯性权值来调整算法的搜索空间和一种自适应更新策略来动态地更新粒子的位置.最后通过经典的实例对本文提出的算法进行了检验,结果表明,该改进的粒子群算法在求解车间作业调度问题是有效的.     

舾装作业中考虑周期驱动的虚拟单元多阶段动态调度研究

多品种小批量离散型生产企业面临的大量不确定因素会干扰其生产的连续性,其中,船舶生产由于其技术与管理特点在此类生产中具有典型性.本文将以船舶舾装生产为例,在保证设备负荷均衡及资源利用率的基础上,研究该环节的虚拟单元调度问题,以提高企业的生产效率.文章以最小运输距离为目标,在充分考虑瓶颈资源约束的基础上,构建周期驱动下分割计划期的数学模型,并以结合任务分配和时间约束的混合蚁群算法求解.通过在某船厂舾装环节的应用发现,本文所提方法能够有效降低当前舾装各作业的平均完成时间,具备可行性.     

订单生产经济批量问题研究

通过引入分批算法 ,解决了企业进行多品种生产过程中所面对的调度和优化问题。本算法由两步构成 :第一步采用遗传算法进行合理地分批 ;第二步通过规划模型求得分批基础上的最优调度。     

单件离散型生产作业排程的多目标协同优化

以某重机企业为背景,分析了单件离散型生产作业排程的特征,提出多目标协同优化问题。基于改进的田口质量损失函数,确立质量、工期与成本之间的非线性关系,综合考虑单件离散型的约束条件,构建了生产作业排程多目标协同优化模型。集成仿真技术和遗传算法,为模型求解提供了有效方法。最后将模型和算法应用到企业的生产实践中,验证了其实用性和有效性,为解决单件离散型生产排程问题提供了科学方法。     

基于混合优化算法的带时间窗的车辆调度问题求解研究

论文建立了带时间窗的车辆调度问题的数学模型，并针对遗传算法在局部搜索能力方面的不足，提出将模拟退火算法与遗传算法相结合，从而构造了求解车辆调度问题的混合优化算法，并进行了实验计算。计算结果表明，用这种混合优化算法求解车辆调度问题，可以在一定程度上用模拟退火算法突跳性克服遗传算法在局部搜索能力方面的不足，从而得到质量较高的解。     

基于疲劳度均衡的机组指派模型研究

针对国内小型航空公司生产运行中的单基地线性航线结构特点,首次把飞行员疲劳问题与机组排班问题相结合,以周航班计划为基础,对传统机组排班指派模型进一步改进创新,研究基于疲劳度均衡的飞行机组排班指派模型。一是对机组飞行疲劳进行量化,确定飞行员疲劳程度计算模型;二是构建基于疲劳度均衡的机组排班指派模型;三是采取遗传算法求解;四是以现有航空公司的航班计划进行实例研究,并与原排班中当天飞行员的疲劳程度进行比较分析。结果证明,飞行员的疲劳程度得到了大量改善,且每名飞行员的疲劳程度与当天疲劳度均值的差异较小,飞行员的疲劳程度较稳定,故基于疲劳度均衡的机组指派模型研究是真实且有效的。     

Ad hoc网络中基于多波束天线的集中式低时延调度算法

UxDMA算法是一种高效的集中式算法,是用于时分多址、频分多址和码分多址信道分配的统一算法。在UxDMA的基础上,利用多波束天线的多波束形成能力,针对低时延定向ad hoc网络提出了一种集中式调度算法——CLSM(Centralized Low-delay Scheduling Algorithm Based on Multi-beam Antennas)。CLSM通过不同时延等级限制的报文来比较着色后发送链路的优先级,优先选择高优先级链路传输。通过仿真验证了CLSM的性能：与UxDMA相比,该算法在多时延限制的发送端调度中表现出了更好的吞吐量和时延性能。     

两机器越库调度问题的模拟退火算法

研究两机器越库流水作业调度问题,其目标函数是最小化加权完工时间。首先,对算法参数进行分析,并针对所研究问题的特点对参数选取进行试验分析;其次,基于参数选取的数值分析结果,给出求解该问题的模拟退火算法;最后,通过数值实验进一步表明该算法的有效性。