基于离散天牛群算法的高桩码头传感器优化布置

天牛须搜索(BAS)及其优化算法天牛群(BSO)算法是近两年新兴的一种生物启发式算法,具有易实现、收敛速度快等特点,但其仅适用于连续函数优化问题。目前高桩码头结构健康监测系统中传感器优化布置研究较少、布置方法存在盲目性。针对高桩码头传感器优化布置这一具体的离散问题,采用"0-1"编码的方法,引入位置变换概率的思想和离散化天牛群算法,基于模态置信度准则,提出了一种基于离散天牛群(BBSO)算法的高桩码头传感器优化布置方法。以某高桩码头为例,研究了该方法的应用,并与传统的离散粒子群(BPSO)算法进行了比较。结果表明,该方法比传统的BPSO算法更适合和有效。     

考虑任务排序策略的舰船建造车间虚拟制造单元动态调度

为提高舰船制造系统作业调度的柔性和效率,从车间层的作业计划角度出发,研究周期驱动条件下的虚拟制造单元多阶段动态调度问题并构建了动态调度数学模型。模型中考虑了加工任务动态需求、设备加工能力、负荷平衡、同类设备有多台的情况且提出共享资源协调排序策略,以实现最大完工时间和总物料运输距离之和最小化的目标。运用改进蚁群算法与启发式规则的混合算法进行求解。通过某船厂的实际生产数据验证了虚拟单元动态调度方法的可行性和有效性。     

基于蚁群算法的港口船舶调度优化问题研究

港口船舶调度优化问题是当前一个公开的难题,传统方法无法获得理想的港口船舶调度优化方案,为了加快港口船舶调度速度,降低港口船舶调度成本,建立了基于蚁群算法的港口船舶调度优化模型。首先分析当前港口船舶调度优化研究现状,指出各种方法出现不足的原因,然后构建港口船舶调度优化问题的多约束优化目标函数,并引入蚁群算法对多约束优化目标函数进行寻优,求得港口船舶调度优化问题的最优解,最后进行港口船舶调度优化仿真模拟实验。相对于其他港口船舶调度优化模型,蚁群算法改善了港口船舶调度优化问题求解的效率,港口船舶调度优化问题的解质量更高,可以满足港口船舶调度管理的实际应用要求。     

挖掘机动臂焊接生产线物料配送方案设计仿真优化

以规划设计阶段的某型号挖掘机动臂焊接生产线为例，研究离散事件仿真平台Plant Simulation在挖掘机动臂焊接生产线物料配送方案设计中的应用。挖掘机动臂焊接生产线采用有轨制导车（Rail Guided Vehicle，RGV）作为输送单元。分析生产线的调度控制策略，按随机作业、行驶距离最短和等待时间最短设计3种RGV物料配送方案，并对方案进行建模仿真。分别以产量最大化和工位负荷均衡为目标，分析不同优化目标下的最优物料配送方案，优化后的年产量提高475个且各工位负荷均衡，可为企业智能化生产线物料配送方案的选择和建设提供理论依据和科学指导。     

双资源约束下的船舶管件柔性生产车间调度优化

针对船舶管件柔性车间的复杂制造环境，建立以完工时间为主要优化目标、以设备资源和辅助资源为约束条件的双资源约束柔性生产车间调度问题模型，设计一种改进布谷鸟算法对其进行求解。针对问题特征及复杂性，在布谷鸟算法核心框架不变的基础上，提出一种莱维飞行自适应步长因子；同时，设计基于2种局部搜索的巢寄生策略，并引入模拟退火算法，以解决工序维、设备维和资源维的调度优化问题。将该算法应用于企业实际生产模型，结果表明：改进算法能有效避免设备资源冲突，具备较好的综合调度特性。     

基于大数据分析的船用通信网络优化调度算法

为了提高船用通信网络优化调度效果,设计了基于大数据分析的船用通信网络优化调度算法。首先分析了船用通信网络优化调度原理,指出了影响船用通信网络优化调度结果的因素,然后收集船用通信网络优化调度的数据,采用大数据分析方法中的相关向量机和时间分析算法对船用通信网络优化调度问题进行建模,最后进行了船用通信网络优化调度算法性能的测试实验。结果表明,大数据分析算法解决了当前船用通信网络优化调度中存在的一些难题,提高了船用通信网络优化调度精度,船用通信网络优化调度时间得以减少,提升了船用通信网络优化调度效率,具有一定的实际应用价值。     

基于改进差分进化算法的船舶曲面分段车间调度

为有效提升船舶曲面分段车间的加工效率,解决已有算法存在的易陷入局部最优解和初始解质量低的问题,提出一种改进的差分进化算法,对曲面分段调度问题进行求解。以最小化完工时间和最小化班组间负荷差距为目标,建立该曲面分段调度问题的双目标数学模型,并采用改进的差分进化算法对该问题进行求解。该改进差分进化算法将全局搜索策略与局部搜索策略相结合,能提升初始解的质量,并加快收敛速度。使用某船厂的实际数据对该算法进行有效性验证,结果表明,该算法能有效求解船舶曲面分段调度问题,能更好地提升船舶曲面分段制造调度作业效率。     

网络优化调度算法在船舶大数据通信中的应用

针对船舶大数据通信存在的通信障碍问题,提出一种基于网络优化调度算法的船舶大数据通信方案。结合网络优化调度算法对船舶大数据通信特征信息进行采集,并划分通信数据的特征类别,以保证在复杂还有环境下船舶通信的有效性。利用网络优化调度技术,对船舶通信数据进行有效调度,进行数据类别划分和去噪清洗处理。为了保证数据处理效果,对数据处理步骤进行优化,并按照网络数据结构及链路进行数据分组传输,保证船舶数据通信的有效性。最后通过实验证实,相对于传统船舶通信方法而言,网络优化调度算法在船舶大数据通信中的应用效果明显更优,能显著提高船舶通信数据调度任务的执行和传输效率,有效解决现有通信障碍问题。     

基于可变机器约束作业车间调度方法研究

机器固定约束作业车间规定加工某道工序的机器仅有一台,不符合车间实际生产情况.针对其局限性,考虑某工序有多台机器可供选择的可变机器约束,建立综合机器使用成本和延期惩罚费用两方面因素的单目标优化模型,提出改进反转变异法、双交叉以及指数衰减法的遗传退火算法,求解可变机器约束作业车间调度问题(variable machine constraints job-shop scheduling problems, VMCJSSP).仿真发现,与传统遗传算法相比,该算法使生产成本节约45%,最小加工等待时间缩短37%;最后,基于该算法对VMCJSSP、机器固定约束问题进行调度仿真.结果表明,相对于机器固定约束,该算法模拟的生产成本降低58%、最小加工等待时间缩短11%,具有求解大计算量车间调度问题的高效性.     

基于虚拟流水的多重约束环境下船体分段车间动态调度

文章提出固定位置分段生产和流水式作业模式结合的分段虚拟流水式建造模式,分析分段作业-人员-工具-物料-场地多关联约束下的资源调配机制,考虑时间-空间-资源等多重约束,给出了一种基于虚拟流水线生产模式的人员调度算法和场地调度算法。以某船厂的实际场地布局和生产建造数据为案例进行分析讨论,结果表明,提出的算法能够较好地适应分段调度过程的特点,较显著提高分段建造资源的利用效率。     

基于虚拟流水的多重约束环境下船体分段车间动态调度

提出了固定位置分段生产和流水式的作业模式结合的分段虚拟流水式建造模式,分析了分段作业-人员-工具-物料-场地多关联约束下的资源调配机制。考虑时间-空间-资源等多重约束,给出了一种基于虚拟流水线生产模式的人员调度算法和场地调度算法,同时以某船厂的实际场地布局和生产建造数据为案例进行了分析讨论。结果表明,提出的算法能够较好的适应分段调度过程的多重约束、动态调整等特点,较大幅度提高分段建造资源的利用效率。     

受限资源的项目调度问题的分枝定界算法

项目实施过程中往往受到不同作业之间的资源共享与冲突以及它们之间的先后调度关系的约束,因此在资源受限的情况下如何调度作业以满足该项目的资源要求并缩短整个项目工期是一个重要的问题.在对该问题进行分析的基础上,建立了资源约束下的项目调度问题的数学模型.本文描述的算法基于分支定界法,并进行了优化,在保证各个作业紧前关系与资源约束的条件下,能够合理调度,从而有效地缩短多项目的总工期.通过具体实例的应用和与其他算法的比较,说明了该算法可以得到较好的项目进度计划,并有较高的效率.     

基于改进多目标遗传算法的船闸调度方法

针对目前我国内河航运船闸调度采用手工编制调度计划方式速度慢、调度水平低、缺乏科学性的现状,通过对单闸多目标调度问题进行建模,并基于改进的SPEA设计了模型求解算法,对船闸调度系统进行优化,为提高船闸通航能力提供了技术支持。     

大数据分析下双向通航港口船只调度方法

针对传统方法因缺少自适应蚁群调度优化算法,导致调度资源分析不足的问题。在大数据分析的技术支持下,为更好地提升双向通航港口船只调度的合理性与科学性,提出大数据分析下双向通航港口船只调度方法研究。通过大数据分析技术,对双向通航港口船舶调度数据进行分析计算。接着对港口调度能力进行模型建立,根据获得的数据引入自适应蚁群调度优化算法,完成数据科学调度计算。通过实验对比方式,对提出设计方法的合理性进行证明,对双向通航港口船只调度有科学意义。     

云环境下舰船周期性任务容错调度算法

任务容错调度算法是保证舰船周期性任务完成的基础,针对舰船周期性任务容错调度算法存在效率低等问题,设计了一种云环境下舰船周期性任务容错调度算法。首先对舰船周期性任务容错调度算法的研究现状和云环境的工作模式进行分析,然后建立舰船周期性任务容错调度的数学模型,并采用组合的群智能优化算法对舰船周期性任务容错调度数学模型进行求解,找到舰船周期性任务容错调度方案。仿真测试结果表明,本文算法不但加快了舰船周期性任务容错调度方案的搜索速度,而且得到的舰船周期性任务容错调度方案要优于对比算法。     

基于MOHSSA的组立装焊线混流低碳调度研究

以最小化完工时间、最小化碳排放为目标，建立船舶组立混流生产线低碳调度模型，并提出一种多目标混合麻雀搜索算法进行求解。基于离散问题设计一种二维向量编码方式，利用排序值规则实现连续位置与离散调度之间的转换；采用基于混沌映射和反向学习策略的种群初始化来改善初始解的质量；在保留麻雀搜索算法框架的基础上融合粒子群算法和鸡群算法，同时采取多种混合策略来提高算法的寻优能力；通过算例试验测试和某船厂的生产实例仿真验证了模型和多目标算法的有效性。     

船舶分段涂装并行施工调度优化

以国内某大型造船厂为背景,对船舶分段涂装施工调度问题进行优化,达到缩短分段涂装施工周期的目的。通过对分段计划管理模式的应用研究,分析船舶分段涂装的网络计划模型,制订船舶分段涂装生产分级网络计划模型,明确船舶分段涂装并行施工调度的优化方向,即引用基于遗传算法的模拟退火分层遗传算法(Simulated Annealing Hierarchical Genetic Algorithm,SAHGA),通过在算法中引入模拟退火的思路,改善算法对问题最优解的求解效率,对低层网络计划进行优化,使船舶分段涂装生产周期满足建造计划的需求。     

漏斗破拱措施分析

漏斗是散装物料转运过程中易发生起拱堵料的关键部位.鉴于多种散装物料的物理特性难以准确测定,在漏斗设计时,除了要满足漏斗壁倾角和排料孔尺寸的理论要求,还须采取一定的破拱措施.通过对机械搅拌法、气动法、机械震动法、优化漏斗结构和漏斗内壁加衬板等方法的分析,结合散装物料的物理特性和漏斗的功能要求,选择合理的破拱措施,使漏斗排料通畅,以保证散装物料的输送和转运过程中的连续性和可靠性.     

群智能优化算法的船舶信息管理任务批量流水调度研究

针对传统的船舶信息管理任务调度模型的调度平均等待时间长的问题,研究群智能优化算法的船舶信息管理任务批量流水调度模型。根据群智能优化算法理论,将调度过程中的船舶看作粒子,根据实际调度需求设定调度模型的参数。为缩短船舶调度平均等待时间,规划船舶调度的目标函数以及约束条件。计算粒子适应度,将粒子与任务分配一一映射,根据船舶可信度计算得到局部粒子最优解,更新粒子位置直至出现最优调度解,完成船舶信息管理任务批量流水调度模型的构建。通过与传统调度模型的对比仿真实验,验证构建的基于群智能优化算法的船舶调度模型能够缩短传统调度模型2/3的平均调度等待时间,提高了调度效率。     

基于多种群混合遗传算法的车间实时调度系统

针对某船厂管子加工车间的实际情况,采用动态柔性调度技术,构建实时反馈调度模型,建立基于多种群混合遗传算法的车间实时调度系统,把动态连续的调度问题变成分块的静态调度问题,使动态问题静态化.针对调度问题的求解特点,提出基于多种群粒子群的混合遗传算法的任务调度算法.运用上述理论和算法,通过仿真和实际应用,结果表明该实时调度系...