改进型蚁群算法在Job Shop问题中的应用

应用改进型蚁群算法解决车间作业调度问题。在原有标准蚁群算法的基础上采用了新的状态转移规则,讨论了各种不同的轨迹更新规则对仿真结果的影响,并通过统计数据验证了改进型蚁群算法优于标准的蚁群优化算法。由于算法中的参数对算法的求解效率和求解结果都有一定的影响,所以对此也进行了初步的研究,得到了运行较好的参数取值范围。     

光突发交换网络中最长队列优先调度组装机制

提出了光突发交换网络中的最长队列优先调度（LQF-SA）机制,将边缘节点的突发组装和突发调度两种技术紧密结合在一起.在现实网络中,业务通常是非均匀分布的,即在某些源宿对之间存在更大的业务流量.仿真结果表明,LQF-SA机制可以很好地完成非均匀分布业务流的组装.即使在均匀分布业务流输入下,LQF-SA机制在突发大小分布、组装效率和突发丢失率等方面也优于已提出的轮询调度组装（RR-SA）机制.     

冷卷热处理生产调度模型的启发式算法

针对某钢铁公司冷轧厂热处理车间冷卷热处理生产调度中车间大、炉区小的实际状况,建立了以热罩和冷罩为机器,冷卷为工件的一类不允许等待的混合流水车间排序模型．利用参数排序策略,实现炉区之间冷卷的重新分配;利用值排序策略,确定新的热处理顺序,使得所有冷卷最长热处理时间最短．在此基础上开发的冷卷热处理生产调度系统正在冷轧厂试运行,目前系统运行稳定、速度较快、功能较强,预计每年可创直接经济效益5000多万元．     

时变时延网络化控制系统的鲁棒稳定性

针对一类存在噪声干扰的时变时延网络化控制系统,基于信息调度与控制协同设计的思想,建立了具有信息调度和噪声干扰的时变时延网络化控制系统模型．引入增广状态矩阵分析方法,研究了存在时变时延和噪声干扰情形下闭环网络化控制系统的鲁棒稳定性问题．给出了使闭环系统渐近稳定的控制器参数化表达式．仿真分析表明该策略在满足闭环系统稳定性的同时,降低了系统信道的数据信息流量,充分地利用了网络带宽资源。     

基于混沌粒子群算法的高速旅客列车优化调度

列车优化调度是一个大规模、复杂的、具有非线性离散变量和多约束的多目标数学优化问题.在优化过程中,考虑了特快旅客列车中途离开时间和整个运行时间等因素.首次将粒子群优化(particle swarmoptimization,PSO)技术引入列车优化调度,克服了传统优化方法易陷入局部最优和维数灾难等弊端.通过一个工程实例验证了该算法的可行性和有效性.同时,与现存的列车优化调度方法相比,粒子群优化方法的搜索时间短而且优化结果更接近最优解.     

基于马尔可夫决策过程的MES系统动态调度方法

针对以事件为驱动的网络化制造环境下生产系统的特征,扩展马尔可夫决策过程,根据生产制造的特点进行动态生产调度方法的研究.以面向用户标准为基础,用制造系统响应时间来评价调度算法在不同规则下具有的性能特点;根据分析结果分别确定各种调度规则在预期时间内能够达到生产优化调度或满意调度的可能程度.将调度规则与实际生产相结合,设计网络化制造环境下动态调度指令单管理系统,实现制造管理的信息化.本系统可以按照用户需求实时反映生产制造信息;根据企业情况确定调度规则,生成调度决策方案,最大程度保证企业利益.     

基于遗传算法的有向铁路空车调度的仿真研究

采用有向图来表示空车调度问题的行车方向约束,根据提出的方向函数建立了该问题的数学模型,并采用 基于精英选择模型的遗传算法解决该问题,使得空车分配在尽量满足流向约束时达到最优或近优。仿真实例验证 了该方法的有效性。     

基于光突发控制包缓存的批调度算法

在光突发交换（OBS）网络中,数据信道调度算法是提高网络性能的重要措施之一。提出了一种基于光突 发控制包（BCP）缓存的批调度算法M其主要思想是：对到达的突发控制包进行缓存M当设定的最大缓冲时间到了, 首先按照业务的优先级,再按照突发到达顺序对缓冲区中的BCP进行批调度处理,并采用LAUC-VF来调度数据 突发（DB）该算法通过缓冲较多的BCP,获得更多的突发信息,有利于优化调度DB,从而降低了突发丢失率。仿 真结果表明：该算法具有比LAUC-VF还要低的DB丢失率,并能有效支持QoS。     

基于Vague集的本科生科技创新工程项目的评优方法

本科生科技创新工程可以激发大学生参与科研活动的热情. 提出了基于Vague集的科技创新工程项目的评优方法,该方法可以克服加权平均方法的一些缺陷. 通过实例说明了该方法的有效性.     

“仓店一体化”模式下订单拣选与配送集成调度优化

针对“仓店一体化”模式下提供限时送达服务的新零售仓店,研究多拣货员、多客户、配送方式为带限时送达约束的路径优化分批配送情形下的订单拣选与配送集成调度问题。以最小化订单最大履行时间和配送成本为目标,构建了混合整数非线性规划模型,并设计两阶段启发式算法(H-2)进行求解,最后通过数值实验对算法进行验证与分析。数值实验结果表明,H-2具有较高的求解质量;相较于传统调度算法(TS)在效率提升、资源节约以及客户满意度提高方面具有更优的表现,进而为新零售仓店管理者提供决策支持。