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。     

基于混合遗传算法的敏捷车间调度研究

基于遗传算法和模拟退火算法相结合的混合遗传算法,研究了敏捷车间作业排序的初始化(静态调度)和动态重调度机制,通过与相关文献中实例的分析比较表明调度算法性能良好,能够应用于实际的制造环境。     

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。     

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。     

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。     

基于改进烟花算法的资源分配

资源分配问题作为一个NP-Hard问题,在云计算、无线电、卫星调度、多无人机协同作业等领域皆有研究需求,是一个共性的数学问题。烟花算法作为一种智能优化算法,具有求解大规模资源分配问题的能力,但也存在求解精度低等问题。为了提高传统烟花算法的计算效率和全局寻优能力,提出一种改进烟花算法,用遗传算法中的变异算子替代高斯变异操作,并增加模拟退火流程。最后在多无人机协同作业任务分配数学模型上进行仿真验证,实验结果表明在收敛速度以及计算精度方面,该算法均优于其余3种烟花算法。     

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。     

航空母舰舰载机弹药保障作业调度优化算法

针对航空母舰舰载机弹药保障作业高动态、多阶段特性，将柔性流水车间调度方法和群体智能优化理论相结合，提出一种面向舰载机弹药保障作业的调度优化算法。提出将复杂的弹药保障作业调度问题抽象规约为一类考虑工件交货期的柔性流水车间调度问题，引入启发式规则，构建兼顾高效性和可靠性实战要求的弹药保障作业调度数学模型ATSCA。结合弹药保障作业问题特征，设计提出一种基于双层整数编码的贪婪局部搜索遗传算法（GLSGA-DC），改进操作算子和局部搜索算法设计，以最小化弹药保障完成时间为目标对保障模型进行求解。多组仿真结果表明，相比于同类算法，GLSGA-DC算法在Benchmark基准算例和实际弹药转运实例实验中均取得优秀的效果，在求解均值（AVG）、相对偏差（RD）等指标方面均明显占优，验证了ATSCA模型和求解算法在实际弹药保障任务中的有效性和鲁棒性。     

用Hopfield神经网络与模拟退火算法求解UAV航路规划问题

分别用Hopfield神经网络与模拟退火算法求解UAV航路规划问题,并且对所求得结果进行了简单比较,结果表明模拟退火算法比Hopfield神经网络求解UAV航路规划问题效率更高。     

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.     

基于自适应模拟退火遗传算法的月球软着陆轨道优化

 将自适应遗传算法与模拟退火算法相结合,形成一种自适应模拟退火遗传算法。该算法不但具备了自适应遗传算法的强大全局搜索能力,也拥有模拟退火算法的强大局部搜索能力。针对月球软着陆轨道优化的特点,利用一种新的参数化方法将轨道优化问题转换为非线性规划问题,并应用提出的自适应模拟退火遗传算法进行优化。数值结果表明：该算法的收敛速度快,优化精度高,且避免了初值敏感、病态梯度和局部收敛等问题,能够搜索到全局最优轨道。     

改进的模拟退火算法在翼型设计中的应用

通过研究模拟退火算法的机理和应用,对标准模拟退火算法进行了改进,并应用到翼型气动优化中。改进算法与标准算法相比,在耗费机时基本一致的情况下,优化了初始翼型NACA0012,使其设计点的阻力分别减小了30.16%和32.95%。由此可见,模拟退火算法在翼型气动优化设计中具有实用性和有效性,并且改进算法的优化效果更理想。     

遗传模拟退火算法在机动逃逸策略中的应用

针对垂直平面内的机动逃逸策略问题,提出将遗传算法与模拟退火算法相结合的方法———遗传模拟退火算法,能够实现逃逸者的机动逃逸策略,解决了在大状态空间中的全局最优搜索和评价问题,为处理复杂的决策过程提供了一套有效的途径。通过仿真结果表明,基于遗传模拟退火算法的机动策略能够有效地实现逃逸者的机动逃逸。     

基于多目标帝国竞争算法的进场排序与调度

为兼顾空管、机场、航司以及民众的不同诉求,提出了基于多目标帝国竞争算法的进场排序与调度方法,达到平衡交通需求与进场管理的目的。首先,借鉴机器调度领域研究成果,梳理与精简进场排序与调度的评价指标,并结合运行约束构建多目标进场排序与调度模型。接着,引入非支配排序,设计多目标帝国竞争算法,给出衡量帕累托解集优劣的评价指标。最后,采用通用数据集与长沙黄花机场实际运行数据实施案例进行仿真与验证。结果表明：提出的多目标帝国竞争算法,相对于带精英策略的非支配排序遗传算法以及多目标模拟退火算法而言,解集更占支配地位、分布更均匀、收敛性更好,求解的效率也更高;提出的算法能有效实现进场排序与调度,即便以标准间隔的1.8倍实施仿真,总延误时间、总飞行时间和最大飞行时间,相对于实际运行分别降低了41.2%、11.4%和8.6%。     

应用模拟退火算法求解飞机调度问题

通过分析飞机运行的时区集合特点,将飞机调度问题转化为固定工件排序问题。根据工件占用机器的时间区间,利用划分时间片算法把需要平行作业的工件挑选出来组成无向图的相邻顶点,从而将固定工件问题转化为图的k-顶点着色问题,然后建立0-1整数规划数学模型,并设计出相应的模拟退火算法。最后应用该算法针对飞机调度问题进行了仿真研究,结果表明:在可接受的时间内能够得到该问题的满意解。     

研制和批产混线的车间作业计划方法研究

为解决研制和批量生产混合共线方式下制定车间作业计划困难的问题,分析了该类车间生产的特点,找到了制约车间生产能力提高的关键因素;提出了解决该类问题的数学模型,并对该模型的解法进行了详细描述,最后通过实例验证了算法的有效性.     

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。     

混合遗传算法在气动力参数辨识中的应用

遗传算法是求解复杂系统优化问题的一种有效方法，具有较强的鲁棒性和全局寻优能力，但计算量大，效率较低。将遗传算法与一维局部寻优算法相结合，构造了一混合遗传算法．并将其用于气动力参数辨识．以取代通常采用的梯度类优化算法。采用该混合遗传算法对某型飞机的横向气动力参数进行辨识计算与分析，结果表明该混合遗传算法是气动力参数辨识的一种有效方法，与遗传模拟退火算法相比．其计算效率有较大提高。     

非线性摩擦失谐叶片排序并行退火算法

基于叶片模态实验获得的叶片失谐参数,基于非线性摩擦阻尼分析提出一种失谐叶盘结构的集中参数模型.综合模拟退火算法的局部搜索能力和遗传算法的全局搜索能力,并引入禁忌表作为搜索记忆表,提出了一种应用模拟退火进化算法附加禁忌表的叶片排序优化方法.同时结合图形处理器运算设计了基于compute unified device architecture(CUDA)的并行算法并且分析其算法性能.研究表明:基于并行框架寻优可以获得4.5倍的加速,同时按照优化后方案安装,可以明显降低叶盘系统振动响应幅值与方差.      

车间作业调度中矩阵耦合问题求解

针对使用普通编码方式求解车间作业调度问题时出现的矩阵耦合问题,提出了一种基于遗传算法的新型编码方式。采用无延迟作业调度方法,不仅能避免死锁现象,而且显著提高了遗传迭代的速度。最终,仿真结果证明了本调度算法的有效性。