逐段优化式调度算法

对柔性制造系统中的作业排序问题做了探讨，并根据作业排序的阶段性提出一种新的作业排序算法。通过一个实例，比较了其与传统算法的差异。     

解成批生产车间作业排序问题的一种模拟退火算法

成批生产车间的作业排序（JobShopScheduling）问题是生产管理与组合优化领域研究的重要课题。模拟退火算法对于这类问题具有较强的寻优能力。本文针对成批生产车间的作业排序的作业排序问题设计了一种模拟退火算法的实现形式，通过大量的算例分析表明，该算法具有良好地收敛特性与运算效率。     

求解机务维护排序问题的混合遗传算法

利用仿真工具将启发式方法与遗传算法相结合,引入一种求解车间作业排序的混合算法框架。在以上框架的基础上,针对含调整时间的机务维护问题建立了一种混合算法GA-SPTS,通过与已有算法的比较表明,该算法对这类问题有很好的求解性能。     

解流水车间作业排序问题的一种禁止搜索算法

流水车间的作业排序（Ｆｌｏｗｂｓｈｏｐｓｃｈｅｄｕｌｉｎｇ）问题是生产管理与组合优化领域研究的重要课题。禁止搜索（ＴａｂｕＳｅａｒｃｈ）算法对于这类问题具有较强的寻优能力。本文针对流水车间的作业排序问题设计了一种禁止搜索算法的实现形式，通过大量的算例分析表明，该算法具有良好的寻优性与运算效率。     

求解含调整时间排序问题的混合遗传算法

利用仿真工具将启发式方法与遗传算法相结合,提出了一种求解Job Shop排序问题的混合算法框架,利用启发式规则引导遗传搜索过程,以提高遗传算法的求解效率。在求解过程中,遗传算法仅对每台机器的第1道工序搜索寻优,通过仿真过程安排后续工序,在仿真过程中,利用启发式规则确定工件的加工优先级。在以上框架基础上,针对含调整时间的作业排序问题建立了一种混合算法GA-SPTS,通过与已有算法的比较表明,该算法对这类问题具有很好的求解性能。     

基于约束规则的作业车间调度研究

介绍了一种支持人工决策的满足各种约束的动态调度方法,通过基于仿真的动态调度算法,在约束规则和人工干预综合作用下,实现按照瓶颈设备到非瓶颈设备,关键任务到非关键任务的分层和迭代作业排序,较好地满足了离散车间对生产排产的应用需求.     

延误航班停机坪作业运行控制研究

随着航班航次的增加，机场变得越来越繁忙．地面作业操作不当所导致的飞机地面事故日益增加：在介绍航班停机坪作业的基础上，分析了地面作业的特点，在此基础上，根据航班延误时在作业资源充足和不足情况下，研究了航班停机坪作业的一般方法。在资源充足情况下，航班延误的地面作业控制主要采用AOE方法，缩短关键路线的作业时间。而资源不足情况下，除了控制关键路线作业时间外，还要根据排序算法合理分配关键作业的资源，以实现缩短延误时间的目的。     

基于粗糙集理论的终端区飞机排序综合评判

针对日益增长的空中交通流量所带来的严重航班延误,提出了一种全新的终端区（TMA）飞机排序方法。在介绍粗糙集综合评判方法的评判过程基础上,建立了TMA飞机排序问题评判指标体系,进行了飞机排序综合评判过程的算例仿真。仿真结果表明,方法简单可行,能够客观得到各评判因素权重,并且与先到先服务（FCFS）排序方法比较,影响范围减少50%,累计延迟时间减少23%,说明方法排序结果优于FCFS排序结果。     

基于空中交通密度的进场航班动态协同排序方法

为适应协同决策（CDM）需要，考虑空管、航空公司和机场的诉求，对进场航班动态协同排序问题进行了系统的研究。设计了一种进场航班动态排序方法，提出了一种时隙交换方法，建立了基于空中交通密度的进场航班协同排序模型，设计了精英保留的遗传算法和带精英策略的快速非支配排序遗传算法以求解所建模型，寻求进场航班动态协同排序的最优解。仿真结果表明，较基于滚动时域控制（RHC）方法，动态协同方法所得结果与排序开始时间无关，所需排序次数平均减少26.4%，且排序效率更高。较先到先服务（FCFS）方法，动态协同方法在高密度条件下各排序阶段最后一个进场航班的落地时间平均提前199.8 s；中密度条件下各排序阶段航班延误总时间平均减少29.9%，航班延误均衡性平均提高34.4%；低密度条件在航班正常率及航班延误公平性得到保证的前提下，满足时隙交换规则的排序阶段均增加了1种进场航班排序模式。所提方法可对进场航班进行优化排序，显著提高跑道容量，有效提升航班延误均衡性和航班延误公平性，契合协同决策理念，可实现三方协同排序。     

终端区飞机排序的模糊综合评判方法研究

研究了模糊综合评判方法在机场终端区飞机排序中的应用。介绍了终端区管制的要求及方式,提出了一种终端区飞机排序的模糊综合评判算法;并给出了仿真算例。仿真结果表明,模糊综合评判排序方法通过设置各因素权重,可在综合考虑各因素的基础上使得系统总延迟尽量减少。     

终端区飞机排序的规划模型和算法研究

对终端区到达飞机进行排序是终端区交通管理自动化系统的一项主要任务。提出了一种新的终端区规划排序模型，把飞机的排序问题看作等价于带有准备好时间的渐增周游店员问题，并给出了兼顾解的最优性和计算复杂性的快速启发式算法。分析了静态和动态两种情况，并且考虑了实际的运行限制。计算结果表明，所给模型和算法具有良好的规划性能，能较好地解决终端区排序问题，可应用于我国空中战术流量管制系统。     

矩形件排样的研究进展

从复合材料排样的需求出发,研究了矩形件排样问题.给出了矩形件排样的定义、分类，综述了国内外有关矩形件排样的各种算法，包括经典的近似算法、启发式算法及超级启发式算法和精确求解算法；并对各种算法的排样质量和效率进行比较,以期能为复合材料排样的研究提供帮助。     

Heuristics of node selection criteria to assess robustness of world airport network

The world airport network (WAN) is one of the networked infrastructures that shape today's economic and social activity,so its resilience against incidents affecting the WAN is an important problem.In this paper,the robustness of air route networks is extended by defining and testing several heuristics to define selection criteria to detect the critical nodes of the WAN.In addition to heuristics based on genetic algorithms and simulated annealing,custom heuristics based on node damage and node betweenness are defined.The most effective heuristic is a multiattack heuristic combining both custom heuristics.Results obtained are of importance not only for advance in the understanding of the structure of complex networks,but also for critical node detection.     

基于TOC及启发式规则的生产计划与控制方法

为解决复杂产品制造系统面临的多品种、小批量的生产计划与控制问题,参考APS的计划模型,提出了一种基于TOC及启发式规则的生产计划与控制方法。该方法通过在不同的计划与调度层面集成传统生产计划与控制方法、TOC理论和启发式规则的特性,辅助车间快速有效地实现生产作业控制。该方法最终实现于制造执行系统(MES)平台,通过在某制造企业的应用,验证了其可行性和有效性。     

基于拉格朗日松弛算法的终端区飞机排序研究

终端区飞机排序问题是减少航班延误、降低成本的关键技术.考虑机型运行成本和飞机总延误时间,建立一个0~1整数规划模型.因其是一个组合优化问题,多约束相互制约,采用拉格朗日松弛算法将复杂约束转换为线性约束进行求解.仿真结果表明,求得的进近队列延误小、延误成本低、无冲突,且拉格朗日松弛算法计算得到的结果更为可靠,符合实际运行需求,结果优于传统的启发式算法.     

基于启发式自适应离散差分进化算法的多UCAV协同干扰空战决策

 研究了多无人作战飞机(UCAV)协同干扰空战决策(MUCJAD)问题,在干扰效能评估指标量化方法的基础上为该问题建立了优化模型。为有效求解该模型,提出一种启发式自适应离散差分进化(H-SDDE)算法。在H-SDDE算法中,设计了包含4种候选解产生策略的候选策略池,引入了候选解产生策略及其参数的自适应学习过程。此外,结合实际问题为算法设计了基于威胁度的扩展型整数编码方案、基于威胁度的启发式个体调整操作、基于约束满足的个体修复操作。在12个测试实例上进行了仿真验证,结果表明,H-SDDE算法与其他同类算法相比在求解质量和求解速度上具有明显优势,能够更好地发挥多UCAV协同干扰整体效果。     

基于启发强化学习的大规模ADR任务优化方法

随着航天事业的蓬勃发展,空间碎片尤其是低轨碎片已成为航天任务不可忽视的威胁。考虑到碎片清除的紧迫性和成本,低轨多碎片主动清除（ADR）技术成为缓解现状的必要手段。针对大规模多碎片主动清除任务规划问题,首先,基于任务规划的最大收益模型,提出一种强化学习（RL）优化方法,并依照强化学习框架定义了该问题的状态、动作以及收益函数;其次,基于高效启发因子,提出一种专用的改进蒙特卡罗树搜索（MCTS）算法,该算法使用MCTS算法作为内核,加入高效启发算子以及强化学习迭代过程;最后,在铱星33碎片云的全数据集中检验了所提算法有效性。与相关MCTS变体方法以及贪婪启发算法对比,所提方法能在测试数据集上更高效地获得较优规划结果,较好地平衡了探索与利用。     

一种启发式混合遗传算法及其在车间作业排序问题中的应用

针对一般车间作业排序问题（n/m/G/Cmax）建立了一种启发式混合遗传算法,将调度规则SPT与MWKR引入遗传搜索过程,并应用邻域搜索法作局部辅助搜索,以提高解的性能。通过与目前一些常用算法的比较表明,该算法具有良好的求解性能与运算效率。     

Test sequencing problem arising at the design stage for reducing life cycle cost

Previous test sequencing algorithms only consider the execution cost of a test at the application stage. Due to the fact that the placement cost of some tests at the design stage is considerably high compared with the execution cost, the sequential diagnosis strategy obtained by previous methods is actually not optimal from the view of life cycle. In this paper, the test sequencing problem based on life cycle cost is presented. It is formulated as an optimization problem, which is non-deterministic polynomial-time hard (NP-hard). An algorithm and a strategy to improve its computational efficiency are proposed. The formulation and algorithms are tested on various simulated systems and comparisons are made with the extant test sequencing methods. Application on a pump rotational speed control (PRSC) system of a spacecraft is studied in detail. Both the simulation results and the real-world case application results suggest that the solution proposed in this paper can significantly reduce the life cycle cost of a sequential fault diagnosis strategy.