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。     

多目标混合流水车间调度问题求解算法

针对多目标不相关并行机混合流水车间调度问题，建立以最小化最大完工时间、机器总能耗和机器加工成本为目标的多目标数学模型。提出一种改进的基于分解的多目标进化算法（Improved multi-objective evolution algorithm based on decomposition,IMOEAD），采用均匀设计表生成初始权重向量，提高种群多样性，利用正态分布交叉并设计了自适应高斯变异来提高算法的全局搜索能力和局部搜索能力，在权重向量邻域中选择个体产生新解，运用非支配等级和拥挤距离更新外部档案。以反世代距离、世代距离和非支配解个数为性能指标，通过大量案例仿真，与非支配排序遗传算法Ⅱ和基于分解的多目标进化算法进行对比，结果验证了该算法的有效性。