不确定环境下再制造加工车间多目标调度优化方法

针对再制造生产过程中工件的加工时间和成本不确定性调度问题,文章提出了一种不确定环境下再制造加工车间多目标调度优化方法。该方法采用模糊变量表示其不确定性参数,以最小化加工时间和成本为目标,在满足模糊交货期等约束条件下,构建了不确定环境下多目标决策的模糊机会约束规划模型,并提出了求解该模型的混合智能算法;应用模糊模拟技术产生样本数据,用于训练神经网络以逼近不确定函数;针对神经网络中存在收敛速度慢、容易陷入局部最优的缺点,应用改进的粒子群算法优化神经网路,将训练好的神经网路嵌入改进的遗传算法中求解调度模型。最后,通过仿真实例,验证该模型和算法的可行性。     

不确定环境下可再制造零件加工车间调度

【目的】可再制造零件的质量状况、加工时间以及交货期的不确定性使得调度过程十分复杂,如何在不确定环境下对可再制造零件加工车间进行合理地调度与优化意义重大。【方法】首先采用模糊聚类分析法对可再制造零件进行质量等级划分,以减少调度过程中不确定因素的影响,然后对不确定环境下可再制造零件加工车间调度问题进行建模,并采用多层编码遗传算法进行求解。【结果】通过算例验证了模型的正确性,并且得到:1)对可再制造零件进行质量等级划分后可以明显地减少调度过程中不确定因素的干扰。2)决策者对最大完工时间和加工成本的重视程度会影响调度方案的选择,决策者应根据自身关注的重点来选择合适的调度方案,得到相对协调的结果。【结论】综合考虑可再制造零件加工车间存在的不确定性更加符合实际情况,可以为解决不确定环境下可再制造零件加工车间调度问题提供一种新思路。     

兼容移动市场下的多期模糊投资组合优化模型

【目的】理性的投资决策需要满足风险收益均衡目的,同时还需要考虑很多标准,从而使得投资组合优化模型更贴合实际。【方法】根据市场发展趋势的风险偏好以及风险收益权衡原则,运用模糊的方法给出模糊收益率。【结果】假设收益率为兼容移动市场下的非对称三角模糊变量,不仅给出了一种新型的多期模糊投资组合优化模型,而且在模型中还考虑了交易成本、多元化程度等因素。【结论】最后选取中国股票市场的 8 支股票数据,用遗传算法进行了实证分析,还对结果进行了对比,证实兼容移动的市场因素的模型更符合实际的金融市场。
     

基于混合遗传禁忌的多目标柔性作业车间调度

针对多目标柔性作业车间调度问题(Flexible job-shop scheduling problem,FJSP),提出了一种结合遗传算法和禁忌算法求解FJSP的调度算法。首先,定义了FJSP问题模型,然后提出采用改进的遗传算法对其进行求解,采用双链进行染色体编码和NEH方法获得初始解,并提出了自适应的选择策略、混合交叉策略和复合变异策略以实现个体保优和更新,当遗传算法陷入局部最优解时,采用禁忌算法跳出局部最优,以实现全局最优解的获取。仿真实验证明文中的方法能有效地解决FJSP问题,获得全局最优解,且与其他方法相比,文中方法具有收敛速度快和求解效率高的优势。     

含储能系统及风电的电力系统动态经济调度

风电的随机性和波动性给传统的调度带来困难﹐为此在模型中引入储能系统﹐分析了储能系统对含风电的电力系统经济调度的影响﹐尤其是对系统调峰的影响。将含风电和储能系统的经济调度描述为一个非线性优化问题﹐建立了一个风电场与储能系统相配合的清洁经济调度模型﹐其目标函数在传统火电机组运行费用的基础上兼顾了火电的排污成本﹐寻求经济和环保总成本的最优解﹐采用粒子群算法对该模型进行求解。通过6机系统算例分析﹐表明该模型能够有效地控制储能系统的出力;储能系统的引入可明显降低系统的运行费用﹐尤其是火电机组调峰的费用﹐且提高了风能利用率。
     

基于模糊神经网络和遗传算法的机器人三维路径规划

【目的】为了有效提高机器人三维路径规划精度。【方法】基于模糊神经网络和遗传算法建立了一种新的路径规划方法。【结果】根据路径长度和路径能量提出了三维路径规划的评价指标和优化函数, 同时利用模糊神经网络建立了三维路径的 5 层结构, 并结合遗传算法来优化并求解最优路径。【结论】通过仿真实验深入研究了影响该方法的关键因素, 结果表明该方法具有更好的适应性。
     

一种改进的K-means动态聚类算法

传统的K-means算法通过不断的重复计算来完成聚类,聚类中心点的不断变化产生的一些动态变化信息将对聚类产生一定的干扰,且当数据量过大时,算法的时间开销和系统的I/O开销将大大增加,这严重影响了算法的性能。为此,论文提出一种改进的K-means动态聚类算法,该算法充分考虑了K-means聚类过程中信息的动态变化,通过为算法的终止条件设定标准值,来减少算法迭代次数,减少学习时间;通过删除由信息动态变化而产生的冗余信息,来减少动态聚类过程中的干扰,使算法达到更准确更高效的聚类效果。实验结果表明,当数据量较大时,相比于传统的K-means算法,改进后的K-means算法较在准确率和执行效率上都有较大的提升。
     

资金约束条件下高速公路充电桩选址与定容优化

【目的】讨论带有资金约束和服务能力约束的高速公路快速充电站选址与定容规划问题。【方法】应用效用理论分析了电动汽车驾驶员在高速公路上选择充电站的策略,给出了充电设施不充足情况下的车流平衡状态迭代计算方法。建立了充电站选址定容问题的数学优化模型,并设计了一种改进遗传算法对问题进行求解。最后,提出了模拟实际高速公路网的随机网络生成方法,并通过实例对算法进行验证。【结果】测试结果表明:充电桩充电能力的提高可以有效增加高速路网上服务的车流量。【结论】改进后的遗传算法在求解不同规模网络下的选址与定容问题时,都能给出较为稳定的结果。随着网络规模扩大,算法求解的稳定性越好。
     

成对自动堆垛起重机在集装箱码头中的实时调度研究

【目的】通过对成对自动堆垛起重机在堆场调度问题的研究,为自动化集装箱码头中的运输问题的解决提供理论依据。【方法】针对成对自动堆垛起重机,建立了以最小化外集卡和船舶延时为目标函数的不对称的多旅行商模型,引入了接力、缓冲、干扰等关键约束,并利用并行实时调度策略对多组情景进行案例研究分析。【结果】模型设立了多个缓冲区以及使用接力作业,结果表明这些对减少外集卡和自动引导小车的等待时间,从而提高作业效率有着重要作用。【结论】设主缓冲区以及接力区可以减少作业延时,并且在海侧作业量较多时,增加缓冲区的容量可以更有效地增加作业效率。
     

M次微分下多目标优化问题的最优性条件

主要考虑了一类带有不等式约束的非光滑多目标优化模型。在多目标优化的研究过程中,解的最优性条件一直是众多学者关注的内容。而对于非光滑多目标优化问题,利用广义微分的概念对其进行研究是非常有意义的研究课题。经典的广义微分工具包括Clarke广义梯度、Mordukhovich次微分等等。利用Mordukhovich次微分的概念对多目标优化问题解的最优性条件进行推广,其中Mordukhovich次微分简记为M次微分。利用Mordukhovich伪凸的概念,建立了在M次微分意义下多目标优化问题弱有效解的必要充分最优性条件及其有效解的充分最优性条件。同时引入了M次微分意义下的线性化锥,并且利用该线性化锥构造了一个有效解的最优性条件的等价描述。最后对非光滑多目标优化的后续研究工作提出了一些可扩展的研究内容和问题。
     

基于截断学习效应的流水作业排序问题研究

【目的】给出具有截断学习效应的加权总完工时间流水作业排序问题的最优解。【方法】建立具有截断学习效应的加权总完工时间流水作业排序问题的数学模型,给出优势性质、下界和上界,并采用分支定界算法求解该问题的最优解。【结果】数值模拟结果表明:启发式算法得到的解比较准确,最大误差为 0.4117 ,分支定界算法的效率比较高,处理 100 个工件所用的最大时间不超过 460s 。【结论】计算结果表明分支定界算法能够很快地给出该问题的最优排序。
     

排序论基本概念综述 (运筹学与控制论)

第二次世界大战期间运筹学(Operations research)兴起,首次把运作(Operation)作为研究对象。研究运作的时间安排又促成排序(Scheduling)概念的建立和研究的开展。经过50多年的发展,国内排序术语正在逐步走向统一,这是学科正在成熟的标志,也是学术交流的需要。王元院士等于2010年8月编辑出版的《数学大辞典》是一部综合性的数学大辞典,目前正在修订出版第2版。中国运筹学会排序专业委员会(排序分会)组织34位专家执笔和审阅了39条排序论最基本的概念,供入选《数学大辞典》第2版用。本文综述了这39条排序论最基本的概念,旨在征求意见,为以后编辑出版完整的《排序论辞典》奠定基础。     

供应链排序中的外包问题 (运筹学与控制论)

为了更好地将供应链排序和现实生活结合以体现其应用价值,文章研究了一类可以外包的供应链排序模型。外包即指为了提升效率,节省总费用,而采取将工件由其它制造商代替加工的现象。所有的工件均可以在制造商内部加工也可以进行外包加工,外包工件加工完成后必须分批运回制造商才算完工。所研究的模型中有一个制造商和一个外包商,制造商的加工环境为m台平行机,外包商为单台机器。因此在模型中要考虑外包费用、运输延迟以及运输费用,所要做的就是确定外包工件以及工件的加工顺序和外包工件的配送顺序。对于该问题,本文主要研究了目标函数分别为总完工时间、最大延迟以及误工总数的情形;分析了问题的复杂性,运用动态规划的技巧给出了最优算法且分析了算法的时间复杂性。     

带有释放时间的半连续型批处理机调度问题(运筹学与控制论)

半连续批处理机调度问题,是从钢铁工业加热炉对管坯的加热过程中提炼出来的。工件按批加工,同一批中工件的加工时间等于此批中工件的最大加工时间,且工件必须按周期一个紧挨着一个进入、离开处理机。批处理机的容量为C,即最多可同时加工C个工件,批的容量为批中工件的个数,批的处理时间与批中工件的加工时间、批处理的容量和批的容量有关。本文研究释放时间与加工时间一致时,对于目标函数为最大完工时间问题,即时间表长问题,分析其最优解的性质,从而将问题转化为工件按释放时间非减顺序排列后,对工件进行分批,使得最大完工时间最小。在此基础上给出了一个复杂性为O(n2)的动态规划算法,证明了这个算法的最优性,并用数值例子进一步说明了算法的计算过程。     

两个多重目标排序问题的多项式时间算法 （运筹学与控制论）

多目标排序是排序论的一个重要分支,在解决经济、管理、工程、军事、社会等领域出现的复杂问题中起着越来越重要的作用。本文研究以误工个数∑Uj为第1目标,∑wjCj或者∑wjTj为第2目标的多重目标排序问题,分别给出了这两个问题在不误工工件集不改变下工件加工时间和权重满足反一致性条件(pi≤pjwi≥wj)时复杂性为O(nlogn)的多项式时间算法:对于排序问题1│(pi≤pj)(wi≥wj)│(∑wjCj/E),选取排序最后一个工件k满足条件:pk/wk=max{pi/wi│i∈M∪L};对于排序问题1│(pi≤pj)(wi≥wj)│(∑wjTj/E),选取排序最后一个工件k满足:1)若M为空集,pk/wk=max{pi/wi│i∈L};2)若M非空,任意选取k∈M。其中L是误工工件集,M是放在最后不误工的工件的集合。最后,证明了这两个算法可以得到相应问题的最优解。     

排序博弈的分类、进展和展望

排序博弈是排序论与博弈论的交叉,是从优化的角度分析排序论中的博弈问题,也是从博弈的观点研究排序问题。排序博弈分为工件排序博弈和机器排序博弈两类,这两类又可以分别考虑合作的和非合作的情况,从而包括了多代理竞争排序在内的目前已经出现的种种排序博弈问题。研究工件排序博弈和机器排序博弈这两类排序博弈的对偶关系,是本文在理论上提出的新课题。排序博弈具有重要的理论意义和广阔的应用前景,势必会吸引更多的研究者,得到更大的发展。
     

传热过程中体系熵污染的组成机理

经典热力学理论下很难对体系非平衡态下的熵产进行精确计算,需要重新建立非平衡态下的熵污染的概念.本文根据热力学第二定律关于非平衡态的研究成果,将其引入体系熵污染的研究中,从理论上揭示了任意开系的熵污染是由体系的熵产项和熵流项构成,熵流项是外部给予体系的熵变化,熵产项是体系熵变的内部效应,可以表征体系的熵污染强度,因此可以推导出具有普遍实用性的熵污染量计算模型ds=deS+diS.在此基础上,对列管换热器单根圆管换热过程的熵污染源强度组成及产生机理进行了分析,得出一般发展趋势.结果表明,此模型为优化体系设计,减少能源消耗,以资源化的观点评价体系的污染状况和综合性能打下础性.     

排序论中工件和机器的对偶性 (运筹学与控制论)

提出排序问题中工件和机器的对等性,定义排序问题的对等排序,列举单台机器排序问题和多台机器自由作业排序问题的对等排序;在此基础上,把工件和机器看成是对偶的双方,研究这两者的对偶性,进而提出排序问题的对偶排序;研究排序问题与其对偶排序之间的关系——对偶关系,可能是排序论研究的新方向。     

一类带有可控加工时间的单机排序问题 (运筹学与控制论)

讨论了具有学习效应的工期指派和可控加工时间的单机排序问题。工件的实际加工时间同时依赖于所排位置和所分配的资源消耗相关的函数,资源消耗分为线性和凸资源消耗2种。考虑共同工期、松弛工期和没有限制的工期3种工期分派方法。目标是确定工件最优的加工顺序、工期和资源分配量,极小化一个包含提前、延误、工期分派、总完工时间和总资源消耗的总费用函数。对于上述2种不同资源消耗函数与3种不同的工期分派方法的每一种组合,均给出了多项式时间算法。