-
公开(公告)号：CN104268722A
公开(公告)日：2015-01-07
申请号：CN201410558669.2
申请日：2014-10-20
Applicant: 南京信息工程大学
IPC: G06Q10/06
CPC classification number: G06Q10/0631
Abstract: 本发明公开了一种基于多目标进化算法的动态柔性作业车间调度方法,主要解决现有方法对动态变化的环境自适应能力差且搜索效率低的问题。其实现步骤是：（1）初始化。读取作业和机器属性等信息，定义优化目标,设定约束条件；（2）在初始时刻，基于静态多目标进化算法，同时优化完工时间、拖期和最大机器负载；（3）在车间生产过程中，采用由紧急动态事件驱动的重调度方式，基于动态多目标进化算法在新环境中快速产生一个新的调度方案，以同时优化待调度工件的完工时间、拖期、最大机器负载和稳定性。与传统调度方法相比，本发明能够及时响应紧急动态事件的发生，根据动态环境自适应地调整搜索策略，生成的调度方案具有效率高、稳定性优的特点。
-
公开(公告)号：CN118551983A
公开(公告)日：2024-08-27
申请号：CN202410707888.6
申请日：2024-06-03
Applicant: 南京信息工程大学
IPC: G06Q10/0631 , G06Q10/04 , G06Q50/04 , G06N3/006 , G06F30/27 , G06F111/04
Abstract: 本发明公开了一种考虑学习效应的多目标双资源约束柔性作业车间调度方法，采用基于混合种群的改进文化基因算法求解调度模型，以最大完工时间、机器能耗和工人成本为目标，研究了考虑学习效应的双资源约束柔性作业车间调度，建立相关调度模型，并提出了一种基于混合种群的改进文化基因算法求解。为提高算法求解复杂模型的效率，设计了融合Jaya算子与遗传算子的混合式个体更新策略，扩大种群的搜索范围，同时提出了一种基于负载平衡的多规则随机再分配策略，提高个体的收敛质量，针对算法后期易陷入局部最优的不足，采用了一种知识驱动的变邻域搜索策略，增强局部搜索能力。最后，通过生产实例仿真，验证了所提算法的有效性。
-
公开(公告)号：CN116880410A
公开(公告)日：2023-10-13
申请号：CN202310997485.5
申请日：2023-08-08
Applicant: 南京信息工程大学
IPC: G05B19/418
Abstract: 本发明公开了一种基于子批次划分的柔性作业车间调度方法、装置，包括：迭代循环步骤：根据适应度对起始种群进行个体排序，按照排序从中挑选引导狼个体，并挑选个体建立外部档案；通过灰狼优化算法，利用引导狼个体对种群中的附属狼个体引导优化；对起始种群中个体的编码进行基于子批划分的随机调整，扩大搜索范围；对起始种群中个体的编码进行局部结构的优化调整；输出由种群中挑选的个体建立的外部档案，从外部档案中选择调度方案。采用上述技术方案，通过合理的子批划分，可以减少生产调度的计算量，降低不必要的时间消耗；设计多种引导机制加快种群进化，加快收敛速度，对于决策狼个体，设计基于关键任务的局部搜索，寻找更优解。
-
公开(公告)号：CN116859869A
公开(公告)日：2023-10-10
申请号：CN202310998588.3
申请日：2023-08-08
Applicant: 南京信息工程大学
IPC: G05B19/418
Abstract: 本发明公开了一种基于双种群混合遗传算法的柔性作业车间调度方法、装置，所述方法包括：进行初始化得到起始种群；根据起始种群中每条染色体对应的调度完工时间，将起始种群划分为优秀体种群和劣质体种群；对于优秀体种群通过交叉算子进行种群更新；劣质体种群和外部精英体库之间交叉替换进行种群更新；对于劣质体种群，通过更改工件的加工机器进行负载平衡，从而进行种群更新。采用上述技术方案，根据两个种群的特征进行不同的种群优化方案，提高了算法局部搜索效率的同时，克服了算法容易陷入局部最优的缺陷，保留优秀个体的同时保持多样性，平衡全局搜索和局部开发，提升柔性作业车间调度的生产制造效率。
-
公开(公告)号：CN116822897A
公开(公告)日：2023-09-29
申请号：CN202310858887.7
申请日：2023-07-13
Applicant: 南京信息工程大学
IPC: G06Q10/0631 , G06N3/126 , G06N3/006
Abstract: 本发明公开了一种基于关键工厂的航天构件分布式柔性车间调度方法及系统，该方法考虑工厂选择、工序排序、机器选择及员工选择4个子问题设计了4层编码，通过对附属狼基于4种算子进行贪婪搜索，根据关键工厂对所有决策狼个体基于4种邻域结构进行局部搜索，求解航天构件分布式柔性车间调度的最优解；本发明结合模型的工厂约束和员工约束特点提出的狼群捕猎和猎物搜索机制，保证种群多样性的同时提高算法全局探索能力，针对编码特性设计基于关键工厂的局部搜索策略，提高了算法的局部搜索能力，避免机器员工使用冲突，具备良好的工程应用前景。
-
Patent Agency Ranking
公开(公告)号：CN113673937B
公开(公告)日：2023-08-29
申请号：CN202111015009.6
申请日：2021-08-31
Applicant: 南京信息工程大学
IPC: G06Q10/0835 , G06Q10/047 , G06N5/01
Abstract: 本发明公开了一种基于多目标烟花算法的物流车辆低碳路线规划方法，(1)问题信息读取，包括配送中心坐标、各个客户点坐标和问题规模；(2)初始化算法参数；(3)生成初始烟花种群，计算目标值，并建立外部档案；(4)采用部分映射爆炸算子生成爆炸火花；(5)采用调整子回路任务的混合变异算子对烟花种群进行变异操作；(6)采用目标驱动的启发式扩展搜索队爆炸火花和变异火花中的非支配个体实施操作；(7)更新烟花种群和外部档案；(8)选择策略选择烟花种群。(9)判断是否达到终止条件，若达到，则终止迭代，输出可行解集。本发明具有搜索速度快，搜索能力强，规划路线碳排放量少的优点。
-
公开(公告)号：CN113673937A
公开(公告)日：2021-11-19
申请号：CN202111015009.6
申请日：2021-08-31
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于多目标烟花算法的物流车辆低碳路线规划方法，(1)问题信息读取，包括配送中心坐标、各个客户点坐标和问题规模；(2)初始化算法参数；(3)生成初始烟花种群，计算目标值，并建立外部档案；(4)采用部分映射爆炸算子生成爆炸火花；(5)采用调整子回路任务的混合变异算子对烟花种群进行变异操作；(6)采用目标驱动的启发式扩展搜索队爆炸火花和变异火花中的非支配个体实施操作；(7)更新烟花种群和外部档案；(8)选择策略选择烟花种群。(9)判断是否达到终止条件，若达到，则终止迭代，输出可行解集。本发明具有搜索速度快，搜索能力强，规划路线碳排放量少的优点。
-
公开(公告)号：CN113610233A
公开(公告)日：2021-11-05
申请号：CN202110037735.1
申请日：2021-01-12
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于改进遗传算法的柔性作业车间调度的方法，涉及柔性作业车间调度优化技术领域；建立柔性作业车间调度的数学模型；然后确定模型的约束条件；根据柔性作业车间调度的两个子问题：机器选择和工序排列，进行种群初始化；通过锦标赛选择法选择出要进行后续操作的种群；对机器选择编码层采用多点交叉法；对机器选择编码层进行多重变异操作；对新一代的种群根据适应度进行排序，判断是否满足终止条件，终止条件为是否达到最大迭代次数gen，若满足进行下一个步骤，否则，重新进行使用最优插入法对每个个体进行适应度计算，通过锦标赛选择法选择出要进行后续操作的种群及后续步骤；最后，输出最优结果，并给出相关的收敛曲线和调度甘特图。
-
公开(公告)号：CN113569483A
公开(公告)日：2021-10-29
申请号：CN202110868720.X
申请日：2021-07-30
Applicant: 南京信息工程大学
IPC: G06F30/27 , G06N3/00 , G06Q10/06 , G06Q50/04 , G06F111/04 , G06F111/06
Abstract: 本发明公开了一种基于人工蜂群算法求解多目标柔性作业车间调度的方法，建立柔性作业车间调度模型，将最大完成时间最小、瓶颈机器负荷时间最小和机器总负荷时间最小作为模型的目标函数；确定调度模型的约束条件；基于改进NSGA‑II算法进行全局搜索：初始化种群，采用两段式编码的方式表示染色体信息，第一段为工序编码串OS，用来确定工件的加工顺序；第二段为机器编码串MS，表示工序分配到的机器；基于人工蜂群算法进行局部搜索，初始化种群，设置人工蜂群算法参数，通过领域搜索、交叉与多重变异操作更新种群，采用贪婪策略保留新种群。本发明解决了多目标柔性作业车间调度问题中解数量不足，收敛性不高的缺点。
-
公开(公告)号：CN108415954A
公开(公告)日：2018-08-17
申请号：CN201810116077.3
申请日：2018-02-06
Applicant: 南京信息工程大学
IPC: G06F17/30
Abstract: 本发明提供了一种不确定单色相互最近邻查询处理方法，并包括步骤：初始化最小堆Hrfn，令集合Sstemp、Ocand、Opru等为空；遍历R树，得到查询对象q的最近邻候选集nnq，并将此过程中被剪枝的结点和对象保存在最小堆Hrfn内；依次将nnq中的对象o插入Hrfn中，同时在集合Ocand上使用GP规则对对象o进行判断，如果o符合条件则将o插入集合Opru，否则将o插入集合Ocand；将Hrfn中的元素插入集合Sstemp；在集合Opru上使用GP规则，找出集合Ocand中一定不是q的反向最近邻的对象，并做标记；对Ocand中未做标记的每个对象o，遍历集合Sstemp查询得到o的最近邻候选集nno；求出nno与nnq的并集得到o的概率计算列表；计算Ocand中未做标记的每个对象的概率值；将概率值大于阈值的对象作为结果返回。
-
-
-
-
-
-
-
-
-
Search Results
46
records
(took 0.042 seconds)
