基于灰色模拟的灰色机会约束规划

针对不确定规划中存在灰色变量的情况，传统灰色规划方法将其转化为确定型规划后再求解，忽视了不确定因素的影响。本文提出了灰色模拟的概念、方法，给出灰色机会约束规划模型，并进一步给出基于灰色模拟和遗传算法的模型优化求解方法，较好地处理了不确定规划问题中的灰量。实验表明，优化方法适用有效。     

随机灰色提前期条件下制造/再制造混合系统库存优化

基于PUSH库存控制策略提出了在不确定生产提前期、恒定顾客需求率和产品回收率条件下的制造/再制造混合生产系统库存控制模型,可用品仓库库存由新产品制造过程和回收产品的再制造过程共同补充。不确定的生产提前期可描述为随机灰色变量,提出的随机灰色模拟技术可为不确定函数产生输入-输出数据,利用该输入-输出数据训练后的神经网络可加速不确定函数的模拟过程,由随机灰色模拟、神经网络和遗传算法集成的混合智能优化算法可求解该库存模型。数值分析结果表明:平均生产成本随给定的顾客服务水平和生产提前期的增加而增加,该不确定模型符合实际库存系统的实际情况,提出的智能优化算法可优化复杂的不确定规划问题。     

混合遗传算法在随机规划问题中的应用

以含有机会约束的生产管理动态规划问题为例,基于随机模拟技术的混合遗传算法实现最优化决策,构造了数学模型。采用ＶＢ编辑,计算机模拟结果显示该模型能很好解决生产过程中的最优化决策问题,它是简单的基于二进制编码的遗传算法所不能解决的。该算法具有很高的鲁棒性,避免了在局部最优解附近徘徊,且因为随机规划问题要求许多数学知识,而算法本身并不要求对优化问题的性质作一些深入的数学分析,从而对那些不太熟悉数学理论和     

混合遗传算法在随机规划问题中的应用研究

以含有机会约束的生产管理动态规划问题为例 ,基于随机模拟技术的混合遗传算法来实现其最优化决策 ,构造了该问题的数学模型 ,最后采用 VB编程 ,计算机模拟结果显示该模型能很好解决生产过程中的最优化决策问题 ,它是简单的基于二进制编码的遗传算法所不能解决的。并且该算法具有很高的鲁棒性 ,避免了在局部最优解附近徘徊 ,且因为随机规划问题要求许多数学知识 ,而该算法本身并不要求对优化问题的性质作一些深入的数学分析 ,从而对那些不太熟悉数学理论和算法的使用者来说 ,无疑是最方便的。     

一种改进的非顺序型多目的工厂间歇调度模型

提出了一种考虑原料库存约束的非顺序型多目的工厂间歇调度的混合整数线性规划（MILP）模型。该模型主要包括两个部分：工厂原料库存的MILP模型和采用无限中间储罐（UIS）生产方式的非顺序型多目的工厂间歇调度的MILP模型。将这两个数学模型进行综合求解,从而得到原料库存约束条件下非顺序型多目的工厂的调度方案。最后通过算例研究证明了用该方法得到的调度方案更符合工厂实际生产的要求。     

油品应急调度的混合整数线性规划模型

针对油品应急调度突发性、弱经济性、强时间性、广地域性等特点,提出以油品短缺对社会造成的影响最小和运输总费用最低为优化目标,以物质守恒、生产能力、运输时间限制等为约束的油品应急调度的混合整数线性规划（MILP）模型。该模型求解简便快捷,能够协助决策人员根据调度优化结果迅速制定出最优方案,以满足应急调度的需要.     

淀山湖水质模型和水质保护规划研究

模型系统由二维稳态和动态水质模拟、氮磷循环模拟、环境容量计算和规划优化程序组成,具有适用面宽和通用性强的特点。通过三组水质变量对淀山湖水质保护进行综合研究,包括淀山湖模型参数的标定,灵敏度分析和验证,淀山湖水质变化趋势和不同水质目标约束下主要污染物允许排放量的多方案比较,据此提出优化控制方案。     

涡轮桨搅拌槽内混合过程的大涡模拟

在FLUENT 6.1软件平台和网络并行计算硬件平台上,采用大涡模拟(LES)的方法对涡轮桨搅拌槽内的混合过程进行了数值模拟。利用滤波函数对N av ier-Stokes方程进行空间滤波,对大尺寸的涡直接进行求解,而被滤掉的比网格小的旋涡通过Sam agorinsky-L illy亚格子模型求解,对搅拌桨区域采用滑移网格技术。结果表明:大涡模拟对尾涡的预报优于雷诺平均(RAN S)方法,混合时间以及示踪剂响应曲线模拟结果和实验结果吻合较好,且优于RAN S方法。大涡模拟方法为准确预测搅拌槽内湍流流动的非稳态及周期性脉动特性提供了一种有效的工具。     

双层涡轮桨搅拌槽内混合过程的数值模拟

采用FLUENT软件对双层六直叶涡轮桨搅拌槽内的混合过程进行了数值模拟,选用RNG标准κ-ε模型及多重参考系法(MRF),通过改变网格策略,增加网格数量,并降低浓度收敛残差的方法,将速度场与浓度场方程分开求解,预测了不同的加料点、监测点位置及操作条件对混合时间的影响规律。模拟结果表明:搅拌功率的模拟值与实验值吻合良好,但由于模型基于各向同性的假设,且双层六直叶涡轮桨两桨之间子域的存在,混合时间的模拟结果与实验值有较大的误差。     

基于改进分布估计算法的带并行机模糊混合Flow Shop调度

针对处理时间不确定情况下带并行机的混合Flow Shop调度问题,基于模糊规划理论,采用一种模糊数排序的方法建立了调度模型;以最小化加权模糊最大完工时间的平均值和不确定度作为调度目标,提出一种改进分布估计算法(IEDA)求解上述问题。 IEDA算法采用基于NEH(Nawaz Enscore Ham)和破坏重建策略的初始化方法,对较优个体进行变邻域局部搜索以提高算法的局部搜索能力,同时采用破坏重建策略增加种群多样性,在最优解连续若干代没有改进时对其进行基于破坏重建策略的变邻域局部搜索,增强算法跳出局部最优的能力,并用正交设计的方法调节算法参数。仿真实验结果验证了本文算法的优越性。     

不确定条件下的零等待F1ow shop生产调度问题

研究了处理时间不确定条件下,含零等待模块的模糊Flowshop生产调度问题;采用三角模糊数描述处理时间的不确定性,用零等待策略对加工过程进行约束,建立了基于模糊规划理论的零等待Flowshop调度模型,通过中间值最大隶属度的方法,将原有的模糊调度模型转化为清晰的调度模型;最后应用改进的模拟退火算法对模型进行仿真优化,制定了适用于实际排产过程中的GANTT图,仿真结果说明了调度模型的正确性和改进算法的有效性。     

基于混沌量子粒子群算法的置换流水车间调度

流水车间调度问题广泛存在于企业生产过程中,优化的调度方案可以提高企业生产效率,降低生产成本。提出了基于混沌量子粒子群优化算法并应用于求解置换流水车间调度问题,该算法在量子粒子群算法(QPSO)的基础上,引入了混沌机制,在保持QPSO算法收敛速度快的同时,利用混沌机制的遍历性,克服了QPSO易陷入局部极小值的缺点。同时提出了一种新的混沌变量到工件排序的编码方案,能够完整保留混沌的遍历性。仿真结果验证了所提出的新的调度算法能更好地探索更优解,同时不失去量子粒子群算法的收敛速度。     

基于DICA的存储受限流水车间调度

针对缓冲区空间和时间同时受限的流水车间调度问题,以最小化完工时间为优化目标建立了数学模型,并提出了求解方法。由于中间存储策略的限制,相对于普通流水车间调度问题,约束条件更加苛刻,且随着调度问题规模的增大,求解难度成倍增长,但却更加具有实用性和研究意义。帝国竞争算法具有求解精度高、收敛速度快的特点,在帝国竞争算法的基本框架上,提出了一种改进的离散帝国竞争算法。针对存储受限的流水车间调度问题,采用随机键编码的方式初始化种群;同化过程采取交叉替换的方式,并控制一定的同化概率,削弱帝国的势力,防止算法过早收敛;引入历史最优解机制,记录殖民的历史最优位置;革命过程中引入变异算子,以增强搜索能力;采用正交试验方法确定算法参数。在经典算例的基础上加入缓冲区约束并进行仿真实验,实验结果表明,离散帝国竞争算法求解质量高,收敛速度快。     

不确定性条件下存储时间有限型Flow Shop问题的提前/拖期调度研究

研究了具有不同交货期窗口的Flowshop提前／拖期调度问题，并考虑处理时间的不确定性以及存储时间的有限性，在模糊规划理论基础上，建立了带有提前／拖期的存储时间有限型Flowshop的调度模型，通过中间值最大隶属度算法，将原有的模糊调度模型转化为清晰的调度模型，并应用了遗传算法进行优化求解。仿真实验验证了算法的有效性。     

量子进化算法在柔性作业车间调度问题中的应用

针对柔性作业车间调度完工时间最小化问题,提出了一种基于量子计算的量子进化算法。根据柔性作业车间调度问题的特点,设计出基于工序编码和基于机器编码的量子编码及解码方法。引入动态旋转角策略和跳跃基因算子,并通过实例验证了算法的有效性。     

用混合算法求解Flow shop调度问题

研究了流程工业中的Flow shop调度问题，针对免疫算法的随机性和不确定性，结合分枝定界方法的特点，提出了一种基于免疫算法和分枝定界方法的混合调度算法，仿真结果表明该算法不仅能有效解决调度问题，而且提高了搜索效率。     

用改进的蛙跳算法求解一类模糊Flow Shop调度问题

对加工时间不确定的Flow Shop调度问题进行研究,提出了一种改进的蛙跳算法(New Shuffled Frog Leaping Algorithm, NSFLA)。蛙跳算法(Shuffled Frog Leaping Algorithm, SFLA)的局部搜索采用类似粒子群算法的搜索机制,全局搜索采用洗牌策略 即种群间定期进行信息交换。为了解决SFLA的局部搜索易出现不合法调度的问题,在交换子和交换序概念的基础上,提出了交换序 构造的初始位置随机机制和交换子的随机插入机制这两种追踪策略。仿真实验结果验证了NSFLA解决模糊Flow Shop问题的有效性。     

量子寄生遗传算法求解Flow Shop及两阶段配送的集成调度问题

针对Flow Shop及两阶段配送的集成调度问题,考虑各种约束条件,以交货时间最短为目标构建混合整数规划模型。该模型中,第1阶段配送是工件原材料从仓库由吊车搬运到生产车间的加工机器上,第2阶段配送是工件完工后由一辆卡车运送至顾客。根据该集成调度问题特点,提出了基于量子理论和寄生理论的量子寄生遗传算法（Quantum Bio parasitic Genetic Algorithm,QBGA）。该算法设计了能够同时带有工件的运输批次和生产排序信息的编码,该编码保证了每个个体都是充分协调生产能力和运输能力的可行解,同时构建了两个种群——宿主群和寄生群,执行寄生机制与反寄生机制从而增加基因多样性和加快算法收敛速度,最后通过仿真实验验证了QBGA算法的有效性。     

基于离散布谷鸟搜索算法的带阻塞有差速混合流水车间调度

基于以最小完工时间为目标的带阻塞有差速混合流水车间调度问题,提出了一种改进的离散布谷鸟搜索算法。在基本布谷鸟搜索算法的莱维飞行和巢寄生性的基础结构上,提出了一种基于交叉策略的莱维飞行机制,以便算法能够解决离散问题;同时,通过非余弦递减策略的动态发现概率去发现劣质鸟巢,并利用排列差分进化算法的变异思想将劣质鸟巢重建;在搜索过程中设定全局最优极值保持代数为阈值去重新发现劣质鸟巢,以防止算法陷入局部最优;最后利用邻域搜索方法进一步提高算法的搜索精度。通过仿真实验验证了该算法在求解混合流水车间调度类离散问题上的有效性与优越性。     

用AGLA算法求解一类以TFT为目标的模糊Flow Shop调度问题

针对一类加工时间不确定的以总流经时间(TFT)为目标的置换Flow Shop调度问题,应用模糊数学的方法表示加工时间的不确定性,提出了一种改进的智能算法——异步遗传局部搜索算法(AGLA)。该算法初始种群的一个解由构造型启发式算法产生,其他解随机产生;通过引入一个加强的变邻域搜索机制和一个简单的交叉算子,对种群执行异步进化操作(AE);算法最后加入重启机制防止陷入局部极小。仿真实验结果验证了AGLA解决模糊Flow Shop问题的有效性。