考虑物料供应干扰的飞机移动生产线动态调度

针对飞机装配过程中出现的物料供应延期干扰问题,对飞机移动生产线装配作业调度进行了研究。通过对物料供应信息的动态分析,将反应调度决策划分为固定决策和不同场景下的预测决策,并建立了物料供应干扰环境下的动态调度框架。在滚动决策点,以最小化与模板装配计划的偏差及工期的加权和期望值为目标函数,建立了二阶段近似优化模型。针对模型的决策逻辑,设计了以两阶段禁忌搜索算法为框架的启发式算法,求解滚动决策点的优化问题。不同规模下的数值实验表明,所提出的动态调度方法能够有效利用不断更新的物料供应信息,获得接近后验精确解的调度结果,且相比于传统的调度方法,所提方法能更有效地应对物料供应干扰。      

基于边际-人工蜂群算法的舰载机机群出动保障人员配置-调度联合优化方法

保障人员配置和保障作业调度是舰载机机群出动保障任务决策的2项核心内容。针对复杂甲板作业约束条件下保障人员配置-调度联合优化的实际问题,首先,系统分析舰载机机群出动保障流程约束、出动时限约束、保障人员约束、保障设备约束、工位空间约束和资源供给能力约束。其次,以保障人员数量和负载方差和最小化为优化目标,建立了混合整数规划模型,进而提出了基于边际-人工蜂群（ABC）算法的两层优化决策架构。上层决策模型基于边际优化算法对保障人员配置方案进行迭代优化,下层决策模型采用改进的双向人工蜂群算法对舰载机机群出动保障任务调度进行优化。最后,通过典型算例验证了所提模型和两层优化机制的可行性与有效性。      

基于CE-PF算法的舰载机离场调度优化问题

甲板作业调度研究是提升航母战斗力的关键技术,而其具有时间、空间与资源受限的复杂约束调度问题已被证实为NP-hard。根据舰载机出动离场调度优化问题的特点,将其抽象为零缓存区混合流水车间调度模型,建立包含飞机避碰等约束的混合整数规划模型。提出一种交叉熵与作业剖面匹配(CE-PF)算法用于问题求解,并给出了算法流程架构。交叉熵算法通过高斯采样完成启发式规则下的工件分组,作业剖面匹配算法完成分组工件的任务排序、作业编排及约束检查等调度设计,Gap逼近算法进行目标值评估、精英种群选择、抽样参数更新及收敛判定。通过算例仿真,验证了CE-PF算法求解离场调度优化问题的有效性;灵敏度分析表明起飞模式和空间约束对出动效能影响较大。      

多资源约束下航天多项目调度的启发式算法

为解决当前航天多型号并举研制现状下的资源约束多项目调度问题,首先建立了一个数学模型,然后根据模型的特点提出了一种启发式算法。建立的模型同时考虑多项目的总工期和各个单项目的总工期,提出的算法在考虑活动资源可剥夺以及单个活动需要多个资源的情况下,能够合理优化多项目的资源分配,缩短多项目的总工期及各项目工期。通过实例验证该方法能够有效地求解多项目调度问题,具有一定的工程应用价值。     

融合粗糙数据推理的离散麻雀搜索算法求解HFSP问题

针对麻雀搜索算法(SSA)易陷入局部最优、无法求解离散优化问题等不足,提出了一种改进离散麻雀搜索算法(IDSSA)。抽象原始麻雀搜索算法的位置更新公式,针对个体的不同身份设计新的离散化启发式位置更新策略,并针对混合流水车间调度问题(HFSP)设计了编码与解码方式;引入粗糙数据推理理论,通过数学证明解释了引入理论的可行性与合理性,为算法提供理论支撑,提高可解释性;利用上近似的性质扩大搜索空间,提高种群多样性,避免算法早熟,结合划分及粗糙数据推理提出3种策略,促进种群间信息共享,调节种群的开发能力与探索能力,降低算法陷入局部最优的概率;使用改进离散麻雀搜索算法求解混合流水车间调度问题,对3个小规模实例与10个Liao经典测试集进行仿真实验,验证了改进离散麻雀搜索算法求解混合流水车间调度问题的可行性,通过与遗传算法、差分进化算法等经典算法的对比实验,证明了所提算法的优越性与改进策略的有效性。     

4基于遗传禁忌混合算法的敏捷卫星任务规划

多星多载荷敏捷成像卫星自主任务规划是一个复杂的多约束、非线性NP困难问题.分析了卫星观测任务约束和星上资源约束,建立了多星多载荷自主任务规划模型.针对此任务规划模型的特点,以及传统遗传算法和禁忌搜索算法的优缺点,采用了一种遗传禁忌混合算法进行求解.混合算法将禁忌算法嵌入遗传算法作为禁忌算法变异算子,解决了遗传算法早熟的问题.仿真结果表明混合算法比遗传算法收敛速度更快,比禁忌算法优化效果更好.     

基于遗传禁忌混合算法的敏捷卫星任务规划

多星多载荷敏捷成像卫星自主任务规划是一个复杂的多约束、非线性NP困难问题.分析了卫星观测任务约束和星上资源约束,建立了多星多载荷自主任务规划模型.针对此任务规划模型的特点,以及传统遗传算法和禁忌搜索算法的优缺点,采用了一种遗传禁忌混合算法进行求解.混合算法将禁忌算法嵌入遗传算法作为禁忌算法变异算子,解决了遗传算法早熟的问题.仿真结果表明混合算法比遗传算法收敛速度更快,比禁忌算法优化效果更好.     

中继卫星单址链路调度模型与算法研究

中继卫星的任务规划与调度是空间资源管理的重要内容之一,目的在于为中继卫星系统的任务计划编制提供科学合理的决策手段与依据。中继卫星单址链路调度问题的重要特点在于,中继卫星与用户航天器之间并非时时可见,因此通信任务存在可见时间窗口约束。只有在可见时间窗口内,通信任务才可能执行并完成。在进行合理假设的基础上,建立中继卫星单址链路调度问题的约束规划模型。对基本遗传算法进行改进,提出了基于有效基因路径表示的改进遗传算法。应用结果表明,基于约束规划理论建立中继卫星单址链路调度模型并采用基于有效基因路径表示的遗传算法求解是合理的。     

面向飞机装配的生产规划与调度集成优化研究

飞机装配具有环节多、周期长及流程复杂等特点,合理地规划各环节的工作,调度装配过程涉及的资源,对于保证飞机装配的质量和效率具有十分重要的意义。基于飞机装配流程的特点及影响飞机装配效率的主要因素,提出了飞机装配生产规划方法。考虑飞机装配过程中存在的动态问题,基于蚁群算法建立了装配资源的调度集成优化模型,定义了构造图路径与装配作业周期间的映射关系,给出了装配作业周期映射的基本步骤,通过优化人工蚁路径实现了资源调度的优化。      

面向空间威胁自主规避的航天器资源调度方法

针对航天器遭遇空间非合作目标异常接近的场景,考虑航天器软硬件资源的约束,提出一种面向空间异常接近规避过程的航天器有限资源调度方法,以特定任务下的空间态势信息作为输入,输出动态变化的航天器资源配置.首先,建立威胁规避场景的动力学模型和航天器有限软硬件资源模型,分析威胁规避过程中的信息流;在此基础上,引入“精英保留”和“劣种淘汰”策略设计基于遗传算法的航天器资源调度方法,以加快遗传算法收敛速率.仿真结果表明,相比随机调度策略,本文所提方法寻找的调度策略有效提升了资源约束条件下对非合作目标的定轨收敛速率,更快到达预定位置,同时节约了速度增量消耗.     

基于混合多智能体遗传算法的作业车间调度问题研究

针对作业车间调度问题(JSP)的非确定性多项式特性与解空间分布的大山谷属性,本文提出一种多智能体遗传算法(MAGA)与自适应模拟退火算法(ASA)的混合优化算法,用于寻找最大完工时间最短的调度。首先,将每个染色体视作独立的智能体并采用工序编码方式随机初始化每个智能体,结合多智能体协作与竞争理论设计了实现智能体之间交互作用的邻居交互算子,进而利用一定数量智能体进行全局搜索,找到多个适应度较高的可行解。其次,为避免算法陷入局部最优,采用ASA对每个智能体开展局部寻优。最后,通过基准测试库中典型实例的计算结果验证了该算法的有效性。     

并行加工系统一类排序问题的最优解

讨论了将多个零件分派给并行加工系统加工的排序问题.假设同一零件分配给不同的设备,其加工时间不同,分析了使所有零件的总花费时间(加工时间与等待时间之和)最小的排序方法.首先建立了该类问题的数学模型,然后将其转化为指派问题,通过匈牙利算法可以得到最优解.所得算法的时间复杂性是多项式界的.最后给出了一个数值例子说明求解过程.     

立方体实体化的遗传算法设计与实现

多维立方体由基本立方体和基本立方体的聚集产生的立方体组成.为了实时响应查询,查询优化非常重要.多维立方体实体化是一种很好的解决方案.在整个立方体集中实体化一个适当的子集,满足较好的空间和时间的平衡,并且满足对视图查询频率不同的要求.为了实体化一个合适的立方体子集,通过介绍启发策略,提出了立方体实体化的启发式遗传算法.该算法可以在用户要求的限定的存储空间约束条件下,较快的求出全局最优解.经实验测试,该算法具有良好的性能和快速的求解能力.      

基于云模型的全局最优化算法

基于云模型在定性概念与其定量数值表示之间转换过程中的优良特性,结合遗传算法的基本思想,提出一种自适应高精度快速随机搜索算法,并将之运用到函数寻优中.在定性知识的指导下该算法能够自适应控制搜索空间的范围,较好地避免了传统遗传算法易陷入局部最优解和选择压力过大造成的早熟收敛等问题.算法易于实现,不存在遗传算法中的编码问题.试验结果表明该算法具有精度高、收敛速度快等优点.在众多优化问题上有广泛的应用前景.      

量子科学实验卫星密钥分发实验任务规划

针对量子科学实验卫星密钥分发实验任务规划约束条件多以及时效性要求高的特点,基于对密钥分发实验过程及约束分析,建立了约束满足规划模型.以完成时限最短为优化目标,综合考虑任务规划所需光学及数传站资源分配,利用深度优先搜索算法对模型进行求解,解决了实验过程中多要素紧耦合、强时间约束的难题.仿真分析结果表明,所提出的模型及算法有效,能够满足量子科学实验卫星密钥分发实验星地交互的需求.      

应用遗传算法的频域最大似然参数辨识

针对基于变量误差模型EV模型(Errors-in-Variables Model)的传递函数频域最大似然参数估计中存在的初始值以及收敛问题提出了使用浮点遗传算法的改进算法.仿真试验表明,单独使用遗传算法难以得到系统传函的精确估计,传统的非线性数值递推算法在一些情况下容易收敛到局域最小值.将两种算法结合使用,可以有效地克服各自的不足.新算法可以给出系统延迟的初始值的估计.当代价函数存在多个局部最小值时,它仍然能够快速准确地寻找到全局最优点.改进的算法比原算法具有更强的适应性.      

应用于卫星自主任务调度的改进遗传算法

针对具有侧摆能力的对地观测卫星的自主任务调度问题,对卫星自主任务调度问题和约束条件进行了描述,针对卫星自主任务调度NP-hard的特点,构建了基于目标收益及多约束卫星任务调度模型。设计了一种改进的遗传算法,从遗传操作的各个部分进行算法优化。首先将小区间法应用于初始种群生成,保证了种群的多样性,并且交叉和变异算子均引入自适应概率;同时采用两代竞争技术来避免“早熟”现象,提高算法的效率和鲁棒性。算法还采用最优保留策略用来保存进化中的最优解,使得算法收敛于全局最优。对局部多冲突观测任务应用该改进遗传算法,并针对区域密集目标的观测问题设计了仿真试验,与传统模拟退火算法及免疫蚁群遗传混合算法进行了比较,验证了该算法的有效性和收敛效果。