带时间窗的车间搬运机器人路径优化建模及算法研究

本文以车间搬运机器人为研究对象,在考虑时间窗的前提下,求解机器人进行物料配送和成品回收场景下的路径优化问题。提出一种强化学习遗传蚁群算法,首先利用扫描法求解初始搬运机器人的数量,并将子路径节点的几何中心设置为虚拟节点,利用嵌入遗传算子的蚁群算法求解连接虚拟节点的最优路径,再利用强化学习算法求解子路径的最优结果;最后将基本成本、运输成本和时间惩罚成本的加权和作为目标解,并最终求出满足约束条件的最优解。通过与基准问题求解结果对比,验证了强化学习遗传蚁群算法的优越性。     

基于粒子群算法的分布式多工厂批量计划问题研究

研究了分布式多工厂协同生产的约束批量计划问题,以产品的生产成本、库存成本、调整准备成本和运输成本之和最小为目标,构建了生产能力有限情况下的数学模型,提出了用于求解该问题的粒子群算法方案,阐明了该算法方案的具体实现过程.对典型算例进行了仿真,并与LINGO软件的求解结果进行了比较,结果表明粒子群算法方案的有效性和可行性.     

改进的蝗虫优化算法在双目标应急物资中心选址问题中的应用

近年来世界各地频发灾情疫情等紧急事件,严重影响人民的生活物资保障。在这种情况下,急需建立应急物资中心来缓解燃眉之急。该类问题通常面临资源稀缺并且时间相对紧迫的处境,因此需要在短时间内获得合理的应急设施选址方案来提升服务的质量和效率。本文对应急物资中心选址问题展开研究,提出一种考虑后续运输成本以及有概率发生紧急事件而导致无法正常运送物资的双目标离散选址模型,并为此设计一种二进制多目标蝗虫优化算法。该算法采用模糊关联熵系数来引导迭代更新,同时为其添加外部档案,最优解选择机制和竞争决策机制来提升算法性能。多次数值实验表明该算法的计算效率和求解质量较高,可作为应急物资中心选址问题的一种可行且有效的算法。     

基于概率语言术语集的服务外包风险评估方法

考虑服务外包风险评估的不确定性,采用概率语言术语集获取FMEA方法所需的专家评价信息,通过给语言集赋予不同的概率以表达偏好的程度。针对传统FMEA方法没有考虑风险间的相互影响关系,风险严重度评估不够准确的问题,采用广义Choquet积分分析风险间的相互影响关系,得到修正后的风险严重度。考虑严重度、发生度和难检度直接相乘准确性低的问题,采用概率语言VIKOR方法对风险的三个因子进行综合评估。最后以公共体育场馆服务外包风险评估为例,验证了所提方法的有效性。     

城市突发事件中基于事故演变的救援需求决策模型及其优化求解

针对城市突发事件中待救点对应急救援物资的需求状态随着事故的演变而发生变化的情况,将待救点对应急救援物质的需求设计成马尔可夫决策过程,并提出一种动态的物资调配策略,构建救援物资需求决策模型,然后通过花朵授粉算法进行优化求解。某市突发地震应急物资调配实例证明,本文方法能够给出合理的救援需求满足策略,使得待救点对物资的需求更低,需求变化更加平稳。花朵授粉算法对模型求解的效果相比粒子群算法和萤火虫算法有更快的收敛速度和更优的求解结果。     

具有学习-遗忘效应的半导体批调度问题研究

半导体生产制造系统具有大规模、工艺繁杂、随机性大、可重入等显著特点。以半导体最终测试阶段批处理调度为基础,把学习-遗忘效应应用到典型半导体批调度问题中,构建基于学习-遗忘效应的批调度模型。分别结合调度问题和调度模型对双层算法(粒子群算法&萤火虫算法)进行设计,通过仿真实验检验了双层算法在求解具有学习遗忘效应的批调度模型方面的可行性和有效性,并对比分析以最大完工时间为优化目标的实验结果,探讨学习遗忘效应对半导体批调度问题的影响程度,对实际半导体生产具有重要指导意义。     

直觉不确定纯语言信息的集结方法及在群决策中的应用

直觉不确定纯语言标度变量是直觉模糊数和不确定纯语言标度变量的拓展,本文定义了直觉不确定纯语言标度变量的运算法则,提出了一些基于直觉不确定纯语言评估标度及其运算法则的信息集结算子,在此基础上,给出了一种专家权重、属性权重及属性值均以语言标度形式给出的直觉不确定纯语言信息的集结方法,并将此方法应用到群决策中,通过实例分析说明了该方法的有效性和可行性。     

节点具有双重需求的车辆路径问题及其性质

在原有同时收发车辆路径问题定义的基础上,将节点需求与车辆容量的关系拓展到允许节点需求大于车辆容量的情形.接着对集送货需求可拆分车辆路径问题和同时收发车辆路径问题的可简化性进行了研究.给出了两类问题可简化的定义,并得到了当距离满足三角不等式,车辆容量为1时集送货需求可拆分车辆路径问题可简化并与同时收发车辆路径问题等价,而当容量大于等于2时两类问题都不可以简化的结论.同时也对两类问题当车辆容量等于1时,以及大于等于3时的计算复杂性给出了证明.最后通过一个实例说明了集送货需求可拆分车辆路径问题与同时收发车辆路径问题在最优解的结构性质方面存在着明显差异.     

基于蝙蝠退火算法的无等待流水线调度问题研究

无等待流水线调度问题(no-wait flow shop scheduling problem,NWFSP)是一类比较重要的复杂生产调度问题,并已经被证明是典型的NP问题.蝙蝠算法(Bat algorithm,BA)是一种较新颖的群体智能算法.本文针对蝙蝠算法在求解无等待流水线调度问题上的不足,提出一种蝙蝠退火算法,它通过采用ROV的编码方式以实现离散问题的连续编码,同时为了避免算法早熟现象引入了模拟退火算法.算法采用基于NEH的局部搜索规则,在很大程度上提高了算法的性能.利用标准Car问题和Rec问题算例进行仿真实验,结果表明了改进算法的可行性和有效性.     

带时间窗的某物流配送车辆调度问题的方案优化分析

采用带时间窗的车辆调度优化物流配送系统,建立了带时间窗的多目标约束条件下的派车优化问题的数学模型,并针对某大型连锁超市物流配送中心的车辆调度问题进行了求解,经过对比分析,新方案实现了一定程度多目标优化.