一、集成规则作业排序方法（论文文献综述）
和莉[1]（2021）在《基于DES-GEP的柔性流水车间组批调度方法研究》文中研究指明随着社会经济水平的提高,市场需求越来越趋向于产品多样化和个性化定制,现代制造模式从原来的大批量生产不断向灵活机动的多品种小批量生产模式演进。柔性流水生产能够灵活适应市场变化,实现多种产品混线作业,是离散型制造企业应对多品种小批量生产的主流方式。考虑批处理的柔性流水生产作为其一类典型的应用场景广泛应用于半导体封装等多个领域,该场景下的调度过程不仅要实现设备选择与作业排序,还要对工件进行组批,生产运营管理复杂度更高;同时实际生产过程中常出现工件随机到达、工时波动等动态事件,调度决策只能依据实时信息进行。如何针对柔性流水车间组批调度问题提出有效的基于实时生产数据的调度方法,在提高生产效率的同时及时响应生产过程的动态因素是企业亟待解决的问题。本文引入在动态调度领域应用广泛的调度规则方法,并针对该方法求解本文问题的局限性,从基于组合调度规则的模型构建及算法设计、调度规则性能评价以及调度规则自动生成三个方面展开研究,具体工作如下:（1）基于组合调度规则的柔性流水车间组批调度模型构建及算法设计。在柔性流水车间调度问题基础之上考虑不兼容工件族的批处理作业阶段,同时考虑多个产品类型混线生产,基于此问题特征构建多目标数学模型。针对调度规则考虑维度单一难以直接求解的不足,提出了基于子问题的组合调度规则构造方法,并综合考虑组合调度规则的性能评价以及组合调度规则的自动生成两部分,提出了基于DES-GEP的调度框架。（2）基于DES的FFSP-BPM组合调度规则性能评价。针对调度规则评价需要基于实时工况数据,评价模型难以构建的问题,采用离散事件仿真方法进行参数化建模,构建可复用的调度仿真模型;对嵌入时间窗策略的HFSP-BPM调度决策过程进行分析;最后通过不同规模的算例验证所提时间窗策略的有效性,得出调度规则之间具有强耦合性的结论,同时对算例参数进行显着性分析验证了所提算例设置方法的有效性。（3）基于改进GEP的组合调度规则自动生成。针对同一调度规则不能适用于任何场景的不足,提出基于改进GEP的组合调度规则自动生成算法。将经典调度规则作为端点集元素;提出基于有效长度的遗传操作;针对多目标优化问题引入NSGA-Ⅱ非支配排序方法;针对算法过早收敛,容易陷入局部最优,容易出现重复个体的不足,提出重复个体剔除算法、变邻域搜索算法以及自适应遗传算子改进策略;最后通过算例分析验证了所提改进GEP算法的有效性。
胡金昌[2]（2021）在《基于学习效应的生产作业系统调度算法研究》文中研究说明在生产作业过程中,工人不断熟悉设备或工序操作,加工相同单位产品的时间逐渐减少,这种现象被称为“学习效应”。在产品升级换代加快、客户个性化需求增多的社会发展趋势下,新产品、新工艺、新设备所产生的学习效应对生产的影响变得越来越突出。研究表明在不同位置加工相同产品的加工时间存在明显差异,为了增加调度的准确性,生产作业系统调度必须考虑学习效应这一影响因素。近年来,考虑学习效应的调度问题也已逐渐成为学术研究的热点方向。本文针对基于学习效应的生产作业系统调度问题进行研究。根据工人和机器的对应关系和数量将该系统分为以下四类:“一对一”单机作业系统、“一对一”多机作业系统、“一对多”单人多机作业系统和“一对多”多人多机作业系统。其中,针对“一对一”作业系统,对订单成分和学习效应的传递过程进行了必要性改进;针对“一对多”作业系统,在前人研究的基础上考虑了工人数量和机器之间距离对调度的影响。本文重点研究了各个系统在学习效应作用下如何实现高效调度,致力于对这些源于实际的复杂调度问题进行深入的分析,并抽象出高效可用的调度模型,设计出有效的精确算法、启发式调度规则或智能调度算法。本文主要研究成果和创新点如下:（1）研究了基于学习效应的“一对一”单机订单调度问题。将非线性的订单调度模型转换为工件分配至订单的混合整数规划模型;讨论了最小化总延误时间和最小化总加权延误时间两种目标函数的问题,分别提出了精确算法。针对最小化总延误时间的单机订单调度问题,提出并证明了 Split规则、Decomposition规则、Elimination规则;利用这三种规则设计了基于考虑学习效应的SDE规则的分支定界算法（BB-SDELE）。实验表明:BB-SDELE可以在一个小时内解决问题的最大规模是140个订单,明显提高了精确算法解决类似问题的能力;学习效应较强或者较弱、平均工期较长或者较短时,BB-SDELE计算能力较强。针对最小化总加权延误时间的单机订单调度问题,分析了问题的性质,设计了动态规划算法;提出了模拟退火算法解决大规模问题。实验结果表明:在订单数量小于等于13时,动态规划算法执行时间较短且求解精确,适合解决该问题;模拟退火算法对解决大规模问题具有有效性。（2）研究了基于学习效应的“一对一”多机订单调度问题,建立了数学模型,将订单分为可拆分和不可拆分两类分别讨论。针对可拆分的订单调度问题,提出并证明了拆分定理,根据定理将该问题转换为“一对一”单机订单调度问题,设计了基于分支定界算法的多机调度启发式规则求解问题精确解。针对不可拆分的订单调度问题,提出了四种启发式规则;设计了融合分支定界算法的帝国主义竞争算法（ICABB）,其中改进了国家编码、竞争机制和同化机制。实验表明:融合分支定界的帝国主义竞争算法相对于其他算法更加有效;多机器MDD规则解决该问题速度快,效果较优。（3）研究了基于学习效应的“一对多”单人多机调度问题,建立了数学模型,根据目标数量的不同分为单目标和多目标问题分别解决。针对最小化最大完工时间问题,考虑依赖工件位置的学习效应的影响,建立了混合整数规划模型,设计了基于学习效应的贪婪算子,提出了随机插入和间隔插入贪婪算法;并基于贪婪算法和贪婪算子设计了融合迭代贪婪的模拟退火算法（SAIG）,其中改进了初始解、设计了多工件和全工件变更顺序两种产生新解的方式。实验表明:间隔插入贪婪算法求解速度快且效果较优;相对于其他算法,SAIG的优化效果更好;所提出的产生新解的方式对提高SAIG的优化效果起到了较大作用。针对最小化最大完工时间和工人行走时间多目标调度问题,考虑依赖加工时间和的学习效应的影响,使用变贪婪偏向的多目标贪婪算法（MOG-VGB）构建初始解集,融合了基于贪婪的邻域搜索和带精英策略的非支配排序遗传算法,设计了融合迭代贪婪的多目标遗传算法（MOGA-IG）。实验表明:相对初始解集的多样性,极端解的质量更能提高MOGA-IG的求解能力;相对于其他算法,MOGA-IG可以更有效地解决该问题。（4）研究了基于学习效应的“一对多”多人多机调度问题,建立了混合整数规划模型。定义了关键机器和关键工件,并构造了工件关键性指数的计算方法;提出了多人作业NEH规则、多人作业邻域搜索算法、多人作业随机扰动算法;设计了基于关键工件的多人作业迭代贪婪算法（KMIG）。通过不同规模的实验衡量了混合整数规划模型和KMIG的性能。实验表明:相对于其他算法,KMIG的优化效果更好。工人数量较少时和两台机器之间距离差别较大时,问题的优化空间更大,KMIG可以节约加工时间的效果更明显。
梁青艳[3]（2021）在《基于流程网络仿真的钢铁企业炼钢调度和能源优化》文中指出绿色化和智能化是钢铁行业智能制造转型升级的两大基本要素,研究生产系统以及能源系统的优化问题具有非常重要的现实意义。近几年随着企业自动化、信息化水平的普遍提高,智能制造提升工程也逐渐着手实施,急需利用智能模型去解决复杂生产流程中的生产优化调度问题以及钢铁企业能源多介质优化调配问题。本文针对当前炼钢调度以及能源优化问题研究中的不足和局限性,提出基于流程网络仿真进行优化建模的新的解决方案,进行了关键技术研究和应用验证,主要研究内容如下:（1）充分考虑钢铁企业炼钢调度的特点及难点,提出了基于多智能体技术的炼钢智能化动态调度方案,构建了通用性的多智能体流程网络仿真优化基础模型,并分别结合普钢和特钢不同实际生产场景进行了应用验证。应用结果表明该技术可以大大减少无效作业时间,提高作业效率,并且能适应多变的现场环境,有效解决了炼钢生产流程中具有强耦合、多路径、多目标、多约束、多干扰特性的计划调度较为困难的难题。（2）充分考虑钢铁企业能源和生产耦合紧密的特点,从能量流的角度出发,构建了能量流网络基本描述模型包括主工序能量流模型、分介质能量流网络模型、能量流网络集成模型,对物质流、能量流之间相互影响、相互耦合的关系进行了信息表征;提出了从钢铁流程生产工艺出发,基于静态因素、动态因素及能源本身波动规律建立主工序能量流节点模型的建模方案,并分别以煤气和电力介质为例进行了主工序能量流具体分析、模型描述及预测验证。预测过程中充分考虑到实时工艺节奏和动态工况信息,使模型具有更好的适应性。煤气预测模型,模型误差基本在10%以内;电力96点负荷预测模型,模型误差在5%以内的达到96%,均获得了较好的预测效果。（3）以能量流网络模型为基础,针对以满足需求,放散最小为目标的能源计划的智能生成问题构建了基于规则的能源仿真调配模型,针对以放散和成本最小为目标的能源动态调度问题构建了基于优化算法的能源优化调配模型,并分别通过仿真分析,验证了模型的适用性和有效性。这两部分的研究分别针对不同的具体应用问题,不同优化目标进行了建模,而且和能量流网络模型结合,形成了完整的模型体系,为能源的多工况场景计划制订、优化协调提供了新方法。
袁继革[4]（2021）在《基于供应链的煤炭港口合作模式和调度优化研究》文中认为煤炭是我国国民经济运行的基础能源,煤炭资源地与煤炭需求地的逆向分布特点,形成了北煤南运的煤炭铁海联运模式,其运输的规模性和经济性在煤炭运输体系中占据着重要地位,港口作为陆路运输与海路运输转换的枢纽和节点,在煤炭港口供应链中发挥着突出的作用。本文以煤炭港口为研究对象,从供应链视角研究其合作伙伴选择、合作模式以及泊位-堆场联合调度优化问题。论文的主要研究内容如下:（1）煤炭港口供应链优化的关键问题。应用供应链管理理论,针对专业化煤炭港口供应链,充分考虑港口作业服务性、连续性特征,通过实践调研和梳理已有相关研究成果,对煤炭港口供应链优化的关键要素进行了研究,明确了合作伙伴选择是优化的基础,利益协调是优化的内在动力,调度管理是优化的保障,三者之间存在相互影响的关系。（2）煤炭港口合作伙伴的选择与评价。煤炭港口合作伙伴及其货源对港口效率有直接影响,在分析影响港口效率相关因素的基础上,建立合作伙伴选择的初选指标体系,运用因子分析法对初选指标进行识别和分类,确定合作伙伴评价的指标体系。运用组合赋权和逼近理想解法相结合的方法,提出合作伙伴的综合评价法,对合作伙伴进行评价和排序,为港口建立战略合作伙伴关系提供决策依据。（3）煤炭港口与合作伙伴的合作模式。用博弈论对港口企业与合作伙伴之间不同博弈情形的收益进行研究,建立了港口企业与合作伙伴博弈模型,提出了港口企业与合作伙伴的业务合作模式,实现港口与合作伙伴的之间的利益协调,促进双方的顺利合作;针对港口供应链竞争的需要,研究了港口企业与合作伙伴共同努力提高港口吞吐量时各自努力程度的关系,并对双方分别作为博弈领导者的收益进行了分析。（4）港口泊位与堆场联合调度优化。为确保合作伙伴的利益目标,针对港口码头泊位与堆场调度对港口通过能力的影响,并考虑港口与合作伙伴双方利益,构建了考虑总成本、泊位均衡和堆场利用率的多目标整数规划模型,设计了相应的遗传算法求解,并以港口实例对模型进行算例分析。（5）煤炭港口合作伙伴选择、合作模式和调度优化的保障措施。综合考虑煤炭港口供应链运行的影响因素,提出了注重合作伙伴选择、关注合作伙伴动态、完善运营管理模式、为合作伙伴创造收益、不断创新合作模式、推动煤炭品种标准化、建立联合调度机制、提升调度管理水平、提高系统保障能力、提高创新能力、密切港铁联动机制等九个方面的保障实施。综上,本文基于供应链提出了煤炭港口运行优化的关键问题,并对合作伙伴评价及选择、合作模式和策略以及联合调度优化进行了深入研究,提出了相应的对策措施,对于提高煤炭港口管理水平、提升煤炭港口供应链运行效率、增强煤炭港口供应链运行稳定性和提高合作伙伴的满意度具有很强的参考和借鉴意义。
马铭阳[5]（2021）在《柔性作业车间加工机器与配送AGV双资源集成调度问题》文中指出随着制造业向自动化、智能化的转型发展,配送AGV被广泛应用于柔性作业车间场景,以实现物料按需供应的精益性和上线配送的高效率。为此,含有配送AGV的柔性作业车间调度问题更代表了智能车间、数字化工厂的真实情景,柔性作业车间的加工机器与配送AGV双资源集成调度问题,对于揭示和发现数字化工厂背景下柔性作业车间调度的新模型和新方法,具有显然的研究价值和现实意义。含有配送AGV的柔性作业车间调度问题,首先,需要解决经典柔性作业车间的加工零件及加工机器的协调调度问题,还需考虑AGV的分派策略及AGV路径规划等对柔性作业车间调度的影响;其次,经典的柔性作业车间调度模型求解属于NP难,配送AGV相关主要决策增加了更多的约束条件,二者加剧了含有配送AGV的柔性作业车间调度问题建模复杂性和求解难度。论文在同类研究文献综述的基础上,梳理了含有配送AGV的柔性作业车间调度理论基础,研究了区别于经典的柔性作业车间调度问题,配送AGV在柔性作业车间场景的主要决策包括:AGV的驻留模式选择、AGV的分派策略选择、AGV的冲突调节策略选择以及AGV路径规划决策。论文考虑了AGV无冲突路径规划和AGV分派策略差异,以最大完工时间最小化为目标函数,分别建立了AGV随行分派策略和分布共享分派策略下的柔性作业车间加工机器及配送AGV双资源集成调度模型,使建模过程更贴近智能化柔性作业车间的实际情况。进而,基于直角坐标系的栅格地图,构建了含有配送AGV的柔性作业车间工作场景;提出了融合A*算法的自适应遗传算法,求解所构建的集成调度模型,即首先给出了工序、加工机器、配送AGV的三层编码图,构建了融合A*算法的自适应遗传算法的逻辑框架;进而,应用A*算法获得多AGV无冲突路径方案,最终给出不同分派策略下的调度甘特图。模型参数敏感性分析表明,不同的配送规模、不同AGV分派策略下,所建立的模型均有效。算法性能分析表明,改进的融合A*算法的自适应遗传算法在解的质量、收敛性和均匀性方面,均比遗传算法和差分进化算法表现良好。
朱阳飞[6]（2021）在《考虑装船效率的出口集装箱箱位自动分配方法研究》文中进行了进一步梳理集装箱的标准化和相应物流体系的构建使得集装箱运输成为国际贸易最重要的运输方式。船舶的装卸效率是港口竞争力的重要体现,采取合理的堆场堆存策略可以有效提升装船作业效率,对码头运营具有重要的经济价值。本文以国内某大型集装箱码头出口箱堆存过程为研究背景,综合考虑分析出口箱装船作业效率,设计了考虑水平运输距离的箱区分配策略和考虑装船效率的出口箱箱位自动分配方法,并通过对出口箱堆存和装船的仿真实验验证了方法的有效性。本文首先提出了一种考虑堆存时间和堆场使用率的动态箱区分配策略,通过实验发现该策略提高了靠近泊位箱区的周转率,在降低水平运输距离上具有良好的表现;接着,本文结合两种常用的考虑装船效率的出口箱箱位自动分配方法:封闭式堆存区方法和允许混堆的开放式全场箱位打分方法,提出了开放式堆存区箱位分配方法,实验表明第三种方法在考虑装船效率的多个评价指标上都具有良好的表现;最后建立了箱位分配方法参数调优的多目标优化数学模型,并采用NSGA-Ⅲ算法进行求解,实验表明NSGA-Ⅲ求解得到的帕累托解集不仅使各个目标函数有了更好的表现,而且还提供了多组适用于不同场景的参数设置。
仇永涛[7]（2020）在《离散智能车间扰动预测与高效运行管控方法研究》文中指出随着工业4.0、物联网、数据挖掘等概念的提出,计算机技术与先进制造业的理念和方法正不断深入融合,基于信息物理系统的智能制造也应运而生,形成以服务为导向、以数据为依托、以人工智能为决策方法的人机协同制造新模式。在智能制造环境下,车间集成各类传感器（测力计、温度器、RFID等）实现车间数据采集,物联网等基础设施实现车间系统互联互通。但由于实际加工环境中的各类扰动,会直接或间接导致生产进程异常,尤其是以多品种、小批量为生产特征的离散车间,其不确定性扰动更为复杂,实时工况的多变更是增加了以调度为关键的车间管控难度,降低了车间生产效率,增加了车间管控成本和不确定性。因此,需要贴近现实车间实际,划分车间扰动异常,定量计算扰动影响程度,并预测可能会发生的扰动,进而基于扰动预警,实现车间扰动发生前的主动调度,避免扰动影响车间作业。同时,需提高扰动事后的车间重调度能力,结合企业生产需求,降低已发生扰动对车间正常运行带来的危害。本文针对这些关键问题,从构建扰动预测模型和设计有效调度方法两方面进行展开,以提高车间运行管控能力。具体内容如下:（1）针对车间扰动,分别从临时性变化、通常环境和显着或不显着改变三个角度阐述车间扰动概念。构建以服务、质量和价格为评价指标,以人、设备、物料和调度为扰动资源要素的层次树多元扰动划分框架,对车间宏观扰动进行了系统分类。基于改进的故障失效模式和影响分析,提出一种新的扰动分析模型—扰动风险向量。定义了平面偏向向量的风险向量优先级,有效降低扰动风险数值重复率,实现了不同扰动的差异化。并以此为基础,设计车间扰动风险向量及扰动评估方法。提出以三角函数和梯形函数为隶属度函数的模糊层次分析法以克服主观权重问题。应用差异性指数划分扰动数值,发现关键扰动,为车间管理员高效定位车间扰动和预防控制扰动提供依据。此外,三维矢量的平面拟合为分析不同指标扰动的分布和差异提供了方法。（2）针对数据背后的潜在扰动,依据实体物流操作过程的等待加工时间、机床准备时间、加工时间、等待转移时间和转移时间分别建立理想作业时间流和实际作业时间流数学模型,并以此为基础提出潜在扰动时间概念,反映了扰动对离散车间作业的影响。从车间系统功能出发,解析离散车间数据源,并对其进行统一分类。建立离散车间数据流框架,提出基于数据挖掘的离散车间潜在扰动预测方法,完成了由扰动预测到车间生产的闭环控制。考虑到噪声冗余数据,提出混合贝叶斯的决策树算法用于离散车间扰动预测。实验结果验证了所提方法能有效发掘潜在扰动并指导车间生产,同时所提算法相较其它算法具有更优的预测精度。（3）针对扰动预测下的高效车间作业静态调度问题,提出了以最大完工时间和总延迟为优化目标,建立了混合进化算法和种群知识的离散作业车间多目标调度求解模型。由优化目标和属性归纳确定工件工序属性（工序特征、加工时间、剩余加工时间、交货期和优先级）,通过NSGA-Ⅱ混合模拟退火算法获取优秀种群个体,应用优先级类权重实现种群的知识挖掘。提出增添排序法ADSM,重新局部调整工序,获取基于知识的初始种群个体,避免了知识挖掘下工序不足或过饱和问题。实验比较了其它种群个体在不同迭代次数和不同种群大小下优化目标和帕累托性能指标,结果表明在有限的迭代次数下,本文所提方法能够获得更优的帕累托解。（4）针对已发生扰动对车间作业的影响,深入研究了扰动下车间重调度问题,给出离散车间扰动下重调度理论框架和关键技术。提出原计划接受度和重调度触发度概念和数学模型,建立以交货期和扰动时间变化率为基准的重调度驱动机制。应用指标加权法提出以最大完工时间、质量损失指数和工序加工成本为一体的优化目标函数。设计并改进模拟退火遗传算法,以基准案例对优化目标函数值和收敛性进行算法性能测试,以某电梯零部件智能制造车间调度实例进行重调度验证,结果表明所提算法和重调度策略优越且有效。开发了离散车间调度平台,并介绍了系统主要功能模块。
黄佩钰[8]（2020）在《考虑预防性维修与工件到达时间的并行机调度问题研究》文中认为随着中国制造2025战略的实施和推进,企业逐渐向数字化、智能化制造转型升级,生产模式从传统的大规模生产转变为大规模定制生产。为了在动态的市场需求下保持企业绩效的稳定,提升生产调度的管理水平尤为重要。由于影响企业效益的直接因素是企业关键工序的机器利用率,而这些工序呈现并行机生产形式,因此并行机调度问题（Parallel Machine Scheduling Problem,PMSP）成为企业生产调度的重点。同时,由于机器停机造成的生产中断影响企业的产出和效益。因此,考虑预防性维修的PMSP研究具有重要的现实意义。PMSP因为多约束与多目标的特征,已被证明是NP-Hard问题,文献中缺乏求解集成考虑预防性维修与工件到达时间的PMSP的有效智能算法,因此本文的研究也具有重要的理论意义。本文以等效PMSP为研究对象,集成考虑了预防性维修与工件到达时间等约束,设计了问题的混合整数规划（Mixed Integer Programming,MIP）模型、启发式算法以及改进NSGA-Ⅱ算法,比较了算法的运行效率和质量,为企业改善生产调度水平,提高效益提供了依据,为企业的数字化、智能化转型奠定了基础。主要研究内容如下:首先,综述了集成预防性维修的PMSP的基本概念以及常用的PMSP求解方法,为本文研究问题的求解方法选择提供依据。其次,研究了集成考虑弹性维修与工件不可中断等约束,以最小化完工时间为目标的P2/nr,FPM/Cmax问题。构建了该问题的两种MIP模型,设计了三种启发式算法以及基于插入与交换操作的改善算法。通过实验比较表明MIP Ⅱ的运行效率与质量均优于MIPⅠ,启发式算法SWA（Sorting While Allocating）及其改善方法优于其他方法,且具有最好的鲁棒性。最后,研究了以P2/nr,FPM/Cmax问题为基础,考虑工件到达时间约束以及最小化拖期工件数目标的Pm/rj,nr,FPM/（Cmax,NT）问题。构建了该问题的MIP模型,设计了求解该问题的NSGA-Ⅱ与NSGA-Ⅱ改进算法（Modified NSGA-Ⅱ,M-NSGA-Ⅱ）。实验结果表明,对于小规模问题（工件数n ≤12）,MIP的运行质量优于M-NSGA-Ⅱ与NSGA-Ⅱ算法,但是运行效率偏低;对于中-大规模问题（工件数n>12）,虽然NSGA-Ⅱ算法的解多样性优于M-NSGA-Ⅱ算法,但运行效率和质量均劣于M-NSGA-Ⅱ算法。
雷斌[9]（2020）在《基于货物混合装箱的双载具跨层穿梭车仓储系统优化研究》文中认为仓储是现代物流中的重要环节,对物流服务的质量、成本和效率都有重要影响。近年来,随着电子商务、智能制造、航空运输等行业的快速发展,客户需求个性化的特征越来越明显,多品种、小批量的仓储需求逐渐成为仓储服务的主流需求。穿梭车仓储系统就是为了适应上述仓储需求而出现的一种新型自动化仓储系统。在多品种、小批量为特征的仓储需求下,采用货物混合装箱存储模式能够有效提高自动化仓储系统的出库效率,但这将使货位分配和作业调度比较复杂。本文基于多品种、小批量的仓储需求和作者多年来在自动化仓储领域的技术开发实践,面向双载具跨层穿梭车仓储系统,运用整数规划等运筹学方法和遗传算法、布谷鸟搜索算法、禁忌搜索等智能优化算法,以及集成优化思想,在货物混合装箱、货位分配、作业调度等方面进行了比较深入的研究。具体工作包括:针对多品种、小批量的仓储需求特点,分析了自动化仓储系统中货物混合装箱问题,将该问题划分为两种情况进行研究。一种情况是同种货物（数量较少,未存满一箱）只存储在一个货箱,另一种情况是同种货物存储在多个货箱。对于以上两种情况,以使用货箱数量最小化为优化目标,以货箱的最大存储体积和最大存储重量为约束,建立了货物混合装箱优化模型。基于左下（Bottom-Left,BL）装箱布局,采用分层装箱策略和递归思想,分别设计了货物同构装箱优化和异构装箱优化的启发式算法。仿真实验结果表明,至少95%被测试货箱的底面积利用率在90%以上。在对作业类型、作业调度和设备运动特性等问题深入分析的基础上,推导了不同出库货位分布下的系统作业时间计算公式,以作业时间最短为优化目标,建立了双载具跨层穿梭车仓储系统的作业调度优化模型,并设计了遗传-布谷鸟搜索混合算法对模型进行求解。算法中运用了动态步长控制因子,并将遗传算法（Genetic Algorithm,GA）的选择和交叉思想引入布谷鸟搜索（Cuckoo Search,CS）过程。通过计算机仿真分析比较了GACS混合算法与CS算法和GA算法的性能,以及不同作业规模、不同货架层列比、不同穿梭车配置数量下仿真实例的优化效果。针对货物混合装箱存储模式下,货物混合装箱和货位分配具有密切的相关性,运用集成优化思想,以某一历史时段出库作业时间最短为优化目标,建立了双载具跨层穿梭车仓储系统的货物混合装箱和入库货位分配集成优化模型,并设计了基于群体编码方式的改进遗传算法对模型进行求解。选择某航空配餐企业2018年的出库数据对模型进行仿真验证,以该库较高频次出库的100种货物作为货物混合装箱和货位分配的测试对象。对比了订单体积指数（Cube-Per-Order Index,COI）规则优化、分别优化和集成优化三种优化方法的优化效果;分析了某一时段单个出库单作业时间的优化情况,以及订单变化对优化结果的影响;验证了本文提出的集成优化方法能够得到较优的货物混合装箱和入库货位分配方案。在同种货物存放在多个巷道的多个货位情况下,针对多品种、小批量拣选出库作业特点,运用集成优化思想,以多巷道出库作业时间最短为优化目标,建立了双载具跨层穿梭车仓储系统的出库货位选择和作业调度集成优化模型,并设计了禁忌-遗传-布谷鸟搜索混合算法对模型进行求解。以某航空配餐企业2019年8月出库数据为测试用例,分别采用小规模、不同出库货物规模、不同待选货位规模下的测试用例进行了仿真实验。仿真实验结果表明,本文提出的出库货位选择和作业调度集成优化策略比分别优化策略可提高作业效率10%20%。基于货物混合装箱的双载具跨层穿梭车仓储系统优化问题的研究结果,可为自动化仓储系统的设计和优化提供参考。
龚桂良[10]（2019）在《面向节能的生产车间调度模型及其智能优化算法研究》文中研究说明自1954年Johnson教授提出并优化了两阶段和三阶段流水车间调度问题以来,国内外学者提出了一系列作业车间调度模型及其求解方法。比如置换流水车间调度问题,混合流水车间调度问题,柔性流水车间调度问题,作业车间调度问题,柔性作业车间调度问题,开放车间调度问题,并行机调度问题等等。这些问题的提出和求解,可以为生产调度者提供有效的理论支撑和实践指导。近年来,随着经济全球化和制造业的迅速发展,能源枯竭、环境污染、全球气候变暖和制造成本上升等一系列严峻的问题亟待解决。世界各国先后推出了一系列旨在节能、降耗和减排的政策、法律和法规。绿色制造作为一种资源节约型和环境友好型的新型制造模式,近年来得到了广泛的研究和应用。现有关于绿色制造的研究主要集中在设备层级（研发更加节能的生产设备）和产品工艺层级（研发更加节能的产品制造工艺）两个方面,而作为更有节能潜力和需要更少投资的系统层级（比如研发更加节能的生产调度方法）的研究却相对较少。因此,本文围绕系统层级的节能生产调度问题展开了一系列研究,旨在构建更加符合生产实际的节能生产调度模型和提出解决这些模型的智能优化算法,为生产调度者提供理论支撑和方法指导。本文的主要研究内容和创新之处概括如下:1.针对传统求解节能作业车间调度问题方法中常遇到的两大难题:1)机器重启会产生相当大的附加能耗;2)频繁的启动会对机器造成损伤,本文首先提出了一个面向节能的作业车间调度模型。然后,提出了3个规则求解所提出的模型,其中,规则1-3分别用于设定机器开关准则、移动工序和移动工序块;对所提规则的有效性进行了数学证明。最后,对现有文献中的82个作业车间调度问题标准算例进行了求解;通过实验对比分析验证了所提规则的高效性。2.针对现有节能柔性作业车间中因机器重启而导致附加能耗增加和机器受损的问题,本文首先提出了一个面向节能的柔性作业车间调度模型。然后,设计了一种有效的两阶段混合算法求解该模型;算法中采用了一个旨在提升算法寻优能力的变邻域算子,采用了一个旨在不影响最大完工时间的前提下,进一步减少能耗和机器重启次数的工序块移动算子。其次,构建了85个节能柔性作业车间调度问题标准算例;利用田口实验设计方法得到了算法关键参数的最佳组合。最后,通过实验对比分析验证了所提算法的高效性。3.针对传统的柔性作业车间调度问题中未考虑工人柔性和未同时考虑加工时间、工人成本和绿色指标等因素,本文首先提出了一个面向节能的双柔性作业车间调度模型。然后,设计了一种新的混合遗传算法求解所提出的模型;该算法采用三层整数编码机制对染色体进行编码,采用活动解码方法对染色体进行解码,采用基于工件的交叉算子对工序向量进行交叉,采用基于随机概率的交叉算子对机器和工人向量进行交叉,采用三种有效的变异算子分别对工序、机器和工人向量进行变异。其次,构建了10个双柔性作业车间调度问题标准算例;利用田口实验设计方法得到了算法关键参数的最佳组合。最后,通过实验对比分析验证了所提算法的高效性。4.提出了一个面向节能的同时考虑机器柔性和工人柔性的柔性流水车间调度模型和求解该模型的方法。首先,针对传统的柔性流水车间调度问题未考虑工人柔性和未同时考虑加工时间、工人成本和绿色指标等因素,构建了一个面向节能的考虑工人柔性的柔性流水车间调度模型。然后,提出了一种新的混合进化算法求解了所提出的模型;该算法采用了基于模型特征的编码、解码、交叉和变异算子,采用了一个旨在提升算法寻优能力的变邻域算子。其次,构建了54个节能柔性作业车间调度问题标准算例;利用田口实验设计方法得到了算法关键参数的最佳组合。最后,利用CPLEX对8个小规模算例进行了求解,验证了所提模型的准确性;利用所提算法和其他几个知名算法对54个算例进行了求解,验证了所提算法的高效性。5.构建了一个面向节能的包含不同类型工厂和车间的分布式生产调度模型和求解该模型的方法。首先,针对传统分布式生产调度中假设所有工厂相同和忽略车间层级这两个与实际生产不相符的现象,提出了一种面向节能的包含不同类型工厂和车间的分布式生产调度模型。然后,提出了一种新的模因算法求解所提出的模型;该算法采用基于模型特征的编码、解码、交叉和变异算子,采用一个旨在提高收敛速度和充分探索解空间的局部搜索算子。其次,构建了40个包含不同类型工厂和车间的分布式生产调度问题标准算例;利用田口实验设计方法得到了算法关键参数的最佳组合。最后,通过实验对比分析验证了所提算法的高效性。6.通过充分考虑机器开/关机和机器维护的内在联系,本文首先提出了一种面向节能的带机器维护的生产调度模型。然后,提出了4个一般性规则和3个启发式规则求解所提出的模型;其中,4个一般性规则用于设置机器开/关机准则和插入维护时间窗等操作,3个启发式规则用于插入维护活动和移动维护-工序块等操作,旨在达到降低机器能耗和机器重启次数等目的。最后,利用所提出的规则对现有文献中的82个作业车间调度问题标准算例进行了求解;通过实验对比分析验证了所提规则的高效性。
二、集成规则作业排序方法（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、集成规则作业排序方法（论文提纲范文）
（1）基于DES-GEP的柔性流水车间组批调度方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景、问题与意义 |
| 1.1.1 研究背景 |
| 1.1.2 问题提出 |
| 1.1.3 研究意义 |
| 1.2 研究内容与研究方法 |
| 1.2.1 研究内容 |
| 1.2.2 研究方法 |
| 1.3 技术路线与文章架构 |
| 1.3.1 技术路线 |
| 1.3.2 文章架构 |
| 1.4 创新点 |
| 2 相关理论及国内外研究现状 |
| 2.1 相关理论 |
| 2.1.1 柔性流水车间组批调度问题 |
| 2.1.2 基于调度规则的调度方法 |
| 2.1.3 基因表达式编程算法 |
| 2.2 国内外研究现状 |
| 2.2.1 动态环境下的柔性流水车间组批调度 |
| 2.2.2 动态环境下的组批调度求解算法 |
| 2.2.3 基于智能优化算法的调度规则选择方法 |
| 2.3 研究评述 |
| 3 基于组合调度规则的FFSP-BPM调度模型构建与算法设计 |
| 3.1 FFSP-BPM问题描述与分析 |
| 3.1.1 问题描述与假设 |
| 3.1.2 问题结构化分解 |
| 3.1.3 组合调度规则构造 |
| 3.2 FFSP-BPM数学模型构建 |
| 3.2.1 决策变量 |
| 3.2.2 参数定义 |
| 3.2.3 模型建立 |
| 3.3 基于DES-GEP的 FFSP-BPM调度框架构建 |
| 3.3.1 调度规则的表示方式 |
| 3.3.2 基于DES-GEP的 FFSP-BPM算法设计 |
| 3.4 本章小结 |
| 4 基于DES的 FFSP-BPM组合调度规则性能评价 |
| 4.1 组合调度规则性能评价框架构建 |
| 4.2 车间静态仿真模型构建 |
| 4.2.1 车间静态布局建模 |
| 4.2.2 工件属性建模 |
| 4.3 基于组合调度规则的FFSP-BPM动态决策 |
| 4.3.1 设备选择过程 |
| 4.3.2 作业排序过程 |
| 4.3.3 嵌入时间窗策略的批处理过程 |
| 4.3.4 基于组合调度规则的FFSP-BPM动态决策过程 |
| 4.4 实验设计及结果分析 |
| 4.4.1 算例参数设计 |
| 4.4.2 规则性能分析 |
| 4.4.3 参数影响分析 |
| 4.5 本章小结 |
| 5 基于改进GEP的 FFSP-BPM调度规则生成 |
| 5.1 种群进化过程 |
| 5.1.1 基于经典调度规则的端点集和函数集 |
| 5.1.2 基于组合调度规则的编码与解码 |
| 5.1.3 基于调度规则评价仿真模型的适应度计算 |
| 5.1.4 基于有效长度的遗传操作 |
| 5.2 算法改进策略 |
| 5.2.1 重复个体剔除算法 |
| 5.2.2 变邻域搜索 |
| 5.2.3 自适应遗传算子 |
| 5.3 实验设计及结果分析 |
| 5.3.1 算例设计与算法参数设计 |
| 5.3.2 算法性能评价指标 |
| 5.3.3 实验结果分析 |
| 5.4 本章小结 |
| 6 结论与展望 |
| 6.1 研究结论 |
| 6.2 研究展望 |
| 参考文献 |
| 附录 A plant simulation仿真模型构建相关符号说明 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
（2）基于学习效应的生产作业系统调度算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 缩略词注释 |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 调度问题及研究方法综述 |
| 1.2.1 调度问题的研究概况 |
| 1.2.2 调度问题的研究方法 |
| 1.2.3 调度问题中的学习效应概述 |
| 1.3 生产作业系统研究综述 |
| 1.3.1 “一对一”生产作业系统 |
| 1.3.2 “一对多”生产作业系统 |
| 1.4 本文的主要工作和结构 |
| 第二章 基于学习效应的“一对一”单机订单调度 |
| 2.1 问题描述与模型建立 |
| 2.1.1 订单调度数学模型 |
| 2.1.2 工件分配混合整数规划模型 |
| 2.2 最小化总延误时间的订单调度算法 |
| 2.2.1 Split规则 |
| 2.2.2 Decomposition规则 |
| 2.2.3 Elimination规则 |
| 2.2.4 上界与下界 |
| 2.2.5 基于考虑学习效应的SDE规则的分支定界算法 |
| 2.2.6 仿真实验与分析 |
| 2.3 最小化总加权延误时间的订单调度算法 |
| 2.3.1 改进动态规划算法 |
| 2.3.2 模拟退火算法 |
| 2.3.3 仿真实验与分析 |
| 2.4 本章小结 |
| 第三章 基于学习效应的“一对一”多机订单调度 |
| 3.1 问题描述与模型建立 |
| 3.1.1 可拆分订单的“一对一”多机订单调度模型 |
| 3.1.2 不可拆分订单的“一对一”多机订单调度模型 |
| 3.2 可拆分订单的“一对一”多机订单调度算法 |
| 3.3 不可拆分订单的“一对一”多机订单调度算法 |
| 3.3.1 四种启发式规则 |
| 3.3.2 融合分支定界的帝国主义竞争算法 |
| 3.3.3 传统元启发式算法的改进 |
| 3.4 仿真实验与分析 |
| 3.4.1 多种启发式规则的比较 |
| 3.4.2 参数确定 |
| 3.4.3 ICABB与不同算法的比较 |
| 3.4.4 车间环境对算法的影响 |
| 3.5 本章小结 |
| 第四章 基于学习效应的“一对多”单人多机调度 |
| 4.1 问题描述及模型建立 |
| 4.2 最小化最大完工时间的调度算法 |
| 4.2.1 贪婪算子与贪婪算法 |
| 4.2.2 融合迭代贪婪的模拟退火算法 |
| 4.2.3 仿真实验与分析 |
| 4.3 最小化最大完工时间和行走时间的多目标调度算法 |
| 4.3.1 变贪婪偏向的多目标贪婪算法 |
| 4.3.2 融合迭代贪婪的多目标遗传算法 |
| 4.3.3 仿真实验与分析 |
| 4.4 本章小结 |
| 第五章 基于学习效应的“一对多”多人多机调度 |
| 5.1 问题描述及建立模型 |
| 5.2 基于关键工件的多人作业迭代贪婪算法 |
| 5.2.1 工件与机器的关键性指数 |
| 5.2.2 多人作业NEH规则 |
| 5.2.3 多人作业邻域搜索方法 |
| 5.2.4 多人作业随机扰动方法 |
| 5.2.5 基于关键工件的多人作业迭代贪婪算法 |
| 5.3 仿真实验与分析 |
| 5.3.1 混合整数规划模型实验 |
| 5.3.2 KMIG参数和成分确定 |
| 5.3.3 KMIG与不同启发式算法的比较 |
| 5.3.4 车间环境对KMIG优化效果的影响 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 工作展望 |
| 参考文献 |
| 致谢 |
| 攻读傅士学位期间完成的学术论文及成果 |
| 学位论文评阅及答辩情况表 |
（3）基于流程网络仿真的钢铁企业炼钢调度和能源优化（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 1.2 炼钢生产优化调度问题研究现状 |
| 1.2.1 炼钢生产调度的特点及难点 |
| 1.2.2 炼钢生产调度问题的研究方向 |
| 1.2.3 生产调度问题主要研究方法 |
| 1.2.4 当前研究中的不足和局限性 |
| 1.3 能源优化调配问题研究现状 |
| 1.3.1 能源产耗模型的研究 |
| 1.3.2 单一能源介质的优化模型的研究 |
| 1.3.3 多能源介质的优化模型的研究 |
| 1.3.4 当前研究中的不足和局限性 |
| 1.4 研究思路及技术路线 |
| 1.5 本论文主要研究内容和创新点 |
| 1.5.1 研究内容 |
| 1.5.2 创新点 |
| 2 基于多智能体技术的炼钢流程仿真优化模型 |
| 2.1 建模方案 |
| 2.2 基于多智能体的仿真优化模型 |
| 2.2.1 多智能体基本概念 |
| 2.2.2 智能体体系结构 |
| 2.2.3 智能体基本结构 |
| 2.2.4 智能体状态划分 |
| 2.2.5 物料智能体 |
| 2.2.6 设备管理智能体 |
| 2.2.7 设备智能体 |
| 2.2.8 天车管理智能体 |
| 2.2.9 天车智能体 |
| 2.2.10 智能体任务协调流程 |
| 2.3 本章总结 |
| 3 炼钢-连铸流程仿真优化模型实现及仿真分析 |
| 3.1 炼钢-连铸生产工艺流程及阶段 |
| 3.2 生产工艺流程特点 |
| 3.3 技术方案 |
| 3.3.1 仿真优化流程 |
| 3.3.2 多智能体模型实例化 |
| 3.3.3 作业时间波动分析 |
| 3.4 案例分析 |
| 3.4.1 仿真优化分析 |
| 3.4.2 多场景下的生产调度 |
| 3.5 本章总结 |
| 4 高速工具钢炼钢流程仿真优化模型实现及仿真分析 |
| 4.1 高速工具钢生产工艺流程及阶段 |
| 4.2 生产工艺流程特点 |
| 4.3 技术方案 |
| 4.3.1 仿真优化流程 |
| 4.3.2 多智能体模型实例化 |
| 4.4 案例分析 |
| 4.4.1 案例描述 |
| 4.4.2 冶炼浇铸流程优化调整 |
| 4.4.3 电渣工序优化调整 |
| 4.4.4 设备故障调整 |
| 4.4.5 炉次优化调整 |
| 4.5 本章总结 |
| 5 能量流网络模型 |
| 5.1 能源系统分析 |
| 5.1.1 能源消耗分析 |
| 5.1.2 能源平衡分析 |
| 5.1.3 能源转换分析 |
| 5.1.4 能源系统特点总结 |
| 5.2 能量流网络模型 |
| 5.2.1 能量流网络结构描述 |
| 5.2.2 主工序能量流模型 |
| 5.2.3 分介质能量流网络模型 |
| 5.2.4 能量流网络集成模型 |
| 5.3 煤气能量流网络中主工序节点模型 |
| 5.3.1 煤气产耗波动特点 |
| 5.3.2 煤气主工序节点模型 |
| 5.3.3 模型验证 |
| 5.4 电力能量流网络中主工序节点模型 |
| 5.4.1 负荷波动特点 |
| 5.4.2 电力负荷主工序节点模型 |
| 5.4.3 模型验证 |
| 5.5 本章总结 |
| 6 基于能量流网络动态仿真的能源优化调配 |
| 6.1 基于调度规则的仿真优化模型 |
| 6.1.1 基于规则的整体调配流程 |
| 6.1.2 燃气调配计算逻辑 |
| 6.1.3 蒸汽调配计算逻辑 |
| 6.1.4 电力调配计算逻辑 |
| 6.2 基于优化算法的仿真优化模型 |
| 6.2.1 仿真优化调配流程 |
| 6.2.2 目标函数 |
| 6.2.3 约束条件 |
| 6.2.4 模型求解 |
| 6.3 能源仿真优化模型软件化 |
| 6.4 案例分析 |
| 6.4.1 案例说明 |
| 6.4.2 基于调度规则的能源仿真计算 |
| 6.4.3 基于优化算法的能源仿真分析 |
| 6.5 本章总结 |
| 7 结论和展望 |
| 7.1 结论 |
| 7.2 展望 |
| 参考文献 |
| 在学科研工作及发表论文 |
| 致谢 |
（4）基于供应链的煤炭港口合作模式和调度优化研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.2.3 国内外研究评述 |
| 1.3 研究内容与方法 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法 |
| 第2章 相关基础理论 |
| 2.1 服务供应链 |
| 2.1.1 服务供应链的概念及内涵 |
| 2.1.2 服务供应链概念模型 |
| 2.1.3 服务供应链与产品供应链的区别 |
| 2.2 合作伙伴选择 |
| 2.2.1 港口合作伙伴选择的原则 |
| 2.2.2 建立评价指标体系的原则 |
| 2.2.3 合作伙伴评价方法 |
| 2.3 Stackelberg博弈分析 |
| 2.4 多目标优化 |
| 2.4.1 多目标优化模型 |
| 2.4.2 遗传算法 |
| 2.5 本章小结 |
| 第3章 基于供应链的煤炭港口优化的关键问题 |
| 3.1 煤炭港口现状 |
| 3.1.1 煤炭港口基本状况 |
| 3.1.2 煤炭港口行业发展分析 |
| 3.1.3 煤炭港口运营存在问题 |
| 3.2 煤炭港口供应链现状 |
| 3.2.1 煤炭供需特点分析 |
| 3.2.2 煤炭港口供应链结构及特征 |
| 3.2.3 煤炭港口供应链存在的问题 |
| 3.3 煤炭港口供应链管理的目标与关键问题 |
| 3.3.1 煤炭港口供应链管理的目标 |
| 3.3.2 煤炭港口供应链优化的关键问题 |
| 3.4 本章小结 |
| 第4章 煤炭港口合作伙伴选择指标体系构建及评价 |
| 4.1 煤炭港口合作伙伴选择流程 |
| 4.1.1 煤炭港口合作伙伴选择指标 |
| 4.1.2 煤炭港口合作伙伴选择流程 |
| 4.2 煤炭港口合作伙伴选择指标体系构建 |
| 4.2.1 合作伙伴选择指标体系构建目标 |
| 4.2.2 初选指标及其含义 |
| 4.2.3 合作伙伴选择指标体系确定 |
| 4.3 基于组合赋权的TOPSIS合作伙伴评价 |
| 4.3.1 基于组合赋权的指标权重确定 |
| 4.3.2 基于TOPSIS的合作伙伴评价 |
| 4.4 本章小结 |
| 第5章 基于博弈论的煤炭港口合作模式及策略 |
| 5.1 港口与合作伙伴的博弈及合作模式 |
| 5.1.1 模型假设 |
| 5.1.2 港口企业作为领导者的博弈 |
| 5.1.3 合作伙伴作为领导者的博弈 |
| 5.1.4 双方合作型博弈 |
| 5.2 博弈情形下的合作模式 |
| 5.2.1 基础型合作模式 |
| 5.2.2 战略型合作模式 |
| 5.2.3 协作型合作模式 |
| 5.3 合作伙伴结构调整与合作策略 |
| 5.3.1 基本假设及相关变量 |
| 5.3.2 港口企业作为领导者的合作策略 |
| 5.3.3 合作伙伴作为领导者的合作策略 |
| 5.4 算例与数值分析 |
| 5.4.1 问题与参数描述 |
| 5.4.2 数值分析 |
| 5.5 本章小结 |
| 第6章 煤炭港口码头泊位-堆场联合调度优化 |
| 6.1 问题描述 |
| 6.2 模型构建 |
| 6.2.1 模型假设 |
| 6.2.2 优化模型 |
| 6.3 基于遗传算法的模型求解 |
| 6.3.1 模型转化 |
| 6.3.2 编码与解码 |
| 6.3.3 初始化种群 |
| 6.3.4 适应度函数构造 |
| 6.3.5 交叉与变异 |
| 6.4 实证研究 |
| 6.4.1 秦皇岛港码头泊位堆场联合调度现状 |
| 6.4.2 实证数据 |
| 6.4.3 结果分析 |
| 6.5 本章小结 |
| 第7章 煤炭港口合作模式和调度优化的保障措施 |
| 7.1 加强合作伙伴管理 |
| 7.1.1 更加注重合作伙伴选择 |
| 7.1.2 密切关注合作伙伴动态 |
| 7.2 完善运营管理模式 |
| 7.2.1 积极为合作伙伴创造收益 |
| 7.2.2 不断创新合作模式 |
| 7.2.3 推动煤炭品种标准化 |
| 7.3 建立联合调度保障机制 |
| 7.3.1 提升调度管理水平 |
| 7.3.2 提高硬件系统保障能力 |
| 7.3.3 提高科技创新能力 |
| 7.3.4 密切港铁联动机制 |
| 7.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间承担的科研任务与主要成果 |
| 致谢 |
（5）柔性作业车间加工机器与配送AGV双资源集成调度问题（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 研究意义 |
| 1.3 研究现状及分析 |
| 1.3.1 FJSSP研究现状 |
| 1.3.2 含有配送AGV的FJSSP研究现状 |
| 1.4 研究内容及技术路线 |
| 第2章 含有AGV的柔性作业车间调度理论基础 |
| 2.1 经典柔性作业车间调度问题 |
| 2.2 含AGV的柔性作业车间调度问题 |
| 2.2.1 AGV系统的构成 |
| 2.2.2 AGV在柔性作业车间场景内的主要决策 |
| 2.2.3 AGV在柔性作业车间场景内的作业流程 |
| 2.3 柔性作业车间调度问题的求解算法 |
| 2.3.1 柔性作业车间调度问题的常用求解算法 |
| 2.3.2 自适应遗传算法 |
| 2.4 本章小结 |
| 第3章 不同分派策略下的柔性作业车间双资源集成调度模型构建 |
| 3.1 问题描述 |
| 3.2 AGV随行分派策略下的双资源调度模型 |
| 3.3 AGV分布共享分派策略下的双资源调度模型 |
| 3.4 本章小结 |
| 第4章 柔性作业车间双资源集成调度模型的算法设计 |
| 4.1 AGV实际工作环境模型建立 |
| 4.2 算法逻辑框架的设计思路 |
| 4.3 自适应遗传算法设计 |
| 4.3.1 特征系数设计 |
| 4.3.2 遗传操作概率算子设计 |
| 4.4 融合A~*算法的自适应遗传算法流程与实现 |
| 4.4.1 编码方式设计 |
| 4.4.2 种群初始化策略 |
| 4.4.3 适应度函数与选择操作设计 |
| 4.4.4 交叉操作 |
| 4.4.5 变异操作 |
| 4.4.6 解码 |
| 4.5 本章小结 |
| 第5章 模型及算法有效性分析 |
| 5.1 实验环境描述与算法参数确定 |
| 5.1.1 实验环境描述 |
| 5.1.2 基于正交实验的融合A~*算法的自适应遗传算法参数确定 |
| 5.2 集成调度模型及算法有效性验证 |
| 5.2.1 集成调度模型有效性验证 |
| 5.2.2 算法有效性验证 |
| 5.3 模型参数敏感性分析 |
| 5.4 不同AGV分派策略对调度模型的影响分析 |
| 5.5 融合A~*算法的自适应遗传算法的性能分析 |
| 5.5.1 算法求解质量对比 |
| 5.5.2 算法收敛性验证 |
| 5.5.3 算法均匀性分析 |
| 第6章 总结与展望 |
| 6.1 成果总结 |
| 6.2 研究展望 |
| 参考文献 |
| 附录 |
| 导师及作者简介 |
| 致谢 |
（6）考虑装船效率的出口集装箱箱位自动分配方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.1.1 集装箱码头总体发展背景 |
| 1.1.2 中国集装箱码头发展背景 |
| 1.2 研究意义与创新点 |
| 1.2.1 研究意义 |
| 1.2.2 研究创新点 |
| 1.3 研究现状 |
| 1.3.1 出口箱箱位分配模型研究现状 |
| 1.3.2 出口箱箱位自动分配方法研究现状 |
| 1.4 研究内容与章节安排 |
| 1.4.1 研究内容 |
| 1.4.2 章节安排 |
| 第2章 出口箱箱位分配问题分析 |
| 2.1 集装箱码头概述 |
| 2.1.1 集装箱码头的基本组成 |
| 2.1.2 集装箱码头的作业流程 |
| 2.1.3 集装箱码头的作业系统 |
| 2.2 集装箱堆场概述 |
| 2.2.1 集装箱堆场的布局 |
| 2.2.2 集装箱堆场的位置描述 |
| 2.2.3 集装箱堆场的堆存分区 |
| 2.3 考虑装船效率的出口箱箱位分配问题分析 |
| 2.3.1 出口箱箱位分配的一般堆存规则 |
| 2.3.2 出口箱箱位分配的装船效率指标 |
| 2.3.3 出口箱堆场堆存仿真流程 |
| 2.4 本章小结 |
| 第3章 考虑水平运输距离的出口箱箱区分配策略 |
| 3.1 基于堆存时间的水平运输距离最小化整数规划模型 |
| 3.1.1 模型构建 |
| 3.1.2 算例验证 |
| 3.2 基于堆存时间和堆场使用率的动态箱区分配策略 |
| 3.2.1 箱区优先级排序 |
| 3.2.2 箱位分配算法设计 |
| 3.3 策略验证与分析 |
| 3.3.1 算例设计 |
| 3.3.2 结果分析 |
| 3.4 本章小结 |
| 第4章 考虑装船效率的出口箱箱位自动分配方法 |
| 4.1 箱位分配方法 |
| 4.1.1 考虑要素 |
| 4.1.2 封闭式堆存区-箱位分配方法(M1) |
| 4.1.3 开放式全场箱位打分分配方法(M2) |
| 4.1.4 开放式堆存区-箱位分配方法(M3) |
| 4.1.5 箱位分配方法特点总结 |
| 4.2 箱位分配方法的求解速度优化策略 |
| 4.2.1 箱位分配求解分析 |
| 4.2.2 最优性剪枝搜索优化策略 |
| 4.3 实验验证与分析 |
| 4.3.1 算例设计 |
| 4.3.2 箱位分配方法验证与对比分析 |
| 4.3.3 最优性剪枝策略验证与对比分析 |
| 4.4 本章小结 |
| 第5章 基于NSGA-Ⅲ算法的箱位分配方法参数调优 |
| 5.1 箱位分配方法参数调优的多目标优化数学模型 |
| 5.1.1 问题分析 |
| 5.1.2 参数调优多目标优化模型 |
| 5.2 多目标优化算法 |
| 5.2.1 非支配排序遗传算法介绍 |
| 5.2.2 NSGA-Ⅲ算法应用 |
| 5.3 参数多目标优化案例分析 |
| 5.3.1 算例设计 |
| 5.3.2 参数调优模型算例求解结果 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 攻读学位期间参加的科研项目和取得的成果 |
| 致谢 |
（7）离散智能车间扰动预测与高效运行管控方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 离散智能车间主要特征 |
| 1.2.2 车间扰动及扰动预测方法研究 |
| 1.2.3 车间运行管控及调度方法研究 |
| 1.3 论文研究内容及结构 |
| 第二章 基于改进FMEA的离散车间关键扰动分析与预测 |
| 2.1 离散车间扰动分析与预测框架 |
| 2.1.1 离散车间扰动描述与定义 |
| 2.1.2 离散车间关键扰动分析与预测框架 |
| 2.2 离散车间扰动层次划分方法 |
| 2.3 基于改进FMEA的离散车间关键扰动分析与预测方法 |
| 2.3.1 FMEA方法概述 |
| 2.3.2 离散车间扰动风险向量模型 |
| 2.3.3 离散车间扰动优先级与关键扰动预测 |
| 2.4 离散车间扰动风险向量应用与实施 |
| 2.4.1 扰动风险向量 |
| 2.4.2 车间扰动风险向量 |
| 2.5 本章小结 |
| 第三章 基于数据挖掘的离散车间潜在扰动预测 |
| 3.1 离散车间潜在扰动时间 |
| 3.1.1 理想作业时间流 |
| 3.1.2 实际作业时间流 |
| 3.1.3 潜在扰动时间 |
| 3.2 基于数据挖掘的离散车间潜在扰动预测方法 |
| 3.2.1 数据挖掘方法概述 |
| 3.2.2 离散车间数据源及分类 |
| 3.2.3 离散车间数据预处理关键方法 |
| 3.2.4 离散车间数据挖掘的潜在扰动预测 |
| 3.3 基于NBTree的离散车间数据挖掘算法 |
| 3.3.1 基于朴素贝叶斯的先验分类 |
| 3.3.2 基于C4.5的扰动预测 |
| 3.3.3 结合朴素贝叶斯和C4.5的NBTree算法 |
| 3.4 实验设计与分析 |
| 3.5 本章小结 |
| 第四章 扰动预测下的离散车间多目标静态调度优化 |
| 4.1 扰动预测下的离散车间多目标静态调度问题及优化模型 |
| 4.1.1 多目标优化理论 |
| 4.1.2 扰动预测下离散车间多目标静态调度问题及模型 |
| 4.2 混合进化算法和种群知识的离散车间多目标调度方法 |
| 4.2.1 工序属性特征选择 |
| 4.2.2 训练数据准备 |
| 4.2.3 种群知识挖掘 |
| 4.2.4 规则种群初始化 |
| 4.3 实验设计与分析 |
| 4.3.1 多目标进化算法优化 |
| 4.3.2 多目标性能指标 |
| 4.3.3 实验结果和讨论 |
| 4.4 本章小结 |
| 第五章 离散车间扰动下的重调度方法研究 |
| 5.1 离散车间扰动下重调度理论体系 |
| 5.1.1 扰动下的车间重调度问题 |
| 5.1.2 离散车间扰动下重调度理论框架 |
| 5.1.3 离散车间扰动下重调度关键技术 |
| 5.2 基于原计划接受度和重调度触发度的重调度驱动机制 |
| 5.3 离散车间扰动下的重调度模型与优化算法 |
| 5.3.1 问题描述 |
| 5.3.2 数学模型 |
| 5.3.3 算法设计 |
| 5.4 实例分析与应用 |
| 5.4.1 算法性能测试 |
| 5.4.2 实例描述与重调度仿真 |
| 5.4.3 平台开发 |
| 5.5 本章小结 |
| 主要结论与展望 |
| 主要结论 |
| 展望 |
| 主要创新点 |
| 致谢 |
| 参考文献 |
| 附录1 :作者在攻读博士学位期间发表的论文 |
| 附录2 :质量和价格相关的扰动层次划分示意图 |
| 附录3 :质量和价格相关的扰动优先级矩阵 |
| 附录4 :LA18工序优先级 |
（8）考虑预防性维修与工件到达时间的并行机调度问题研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的与意义 |
| 1.3 并行机调度问题的研究现状 |
| 1.3.1 两台并行机调度问题的研究现状 |
| 1.3.2 多台并行机调度问题的研究现状 |
| 1.3.3 多阶段多台并行机调度问题的研究现状 |
| 1.4 研究内容及技术路线 |
| 第2章 集成预防性维修的并行机调度问题研究 |
| 2.1 集成预防性维修的并行机调度问题概述 |
| 2.1.1 调度问题的基本概念 |
| 2.1.2 并行机调度问题的基本概念 |
| 2.1.3 预防性维修的基本概念 |
| 2.1.4 集成预防性维修的并行机调度问题基本概念 |
| 2.2 集成预防性维修的并行机调度问题求解方法 |
| 2.2.1 数学规划法 |
| 2.2.2 启发式算法 |
| 2.2.3 智能算法 |
| 2.2.4 多目标优化算法 |
| 2.3 本章小结 |
| 第3章 考虑预防性维修的两台等效并行机单目标调度问题 |
| 3.1 问题描述与分析 |
| 3.2 混合整数规划模型 |
| 3.2.1 模型Ⅰ:工件安排在第κ个位置进行加工 |
| 3.2.2 模型Ⅱ:工件安排在第κ个批次进行加工 |
| 3.2.3 两种混合整数规划模型比较 |
| 3.3 启发式算法设计 |
| 3.3.1 EDMW(Equal Division Minimize Waste)算法 |
| 3.3.2 EDFFD(Equal Division First Fit Decreasing)算法 |
| 3.3.3 SWA(Sorting While Allocating)算法 |
| 3.4 启发式改善算法设计 |
| 3.4.1 插入与交换的基本程序 |
| 3.4.2 结合插入与交换的改善算法 |
| 3.5 实验与结果分析 |
| 3.5.1 数据产生 |
| 3.5.2 算法运行效率 |
| 3.5.3 算法运行质量 |
| 3.5.4 预防性维修参数对算法绩效的影响 |
| 3.6 本章小结 |
| 第4章 考虑预防性维修与工件到达时间的多台等效并行机双目标调度问题 |
| 4.1 问题描述与分析 |
| 4.1.1 问题描述 |
| 4.1.2 问题特征与优化性质 |
| 4.2 混合整数规划模型 |
| 4.2.1 符号及变量 |
| 4.2.2 混合整数规划模型 |
| 4.3 NSGA-Ⅱ算法设计 |
| 4.3.1 编码设计 |
| 4.3.2 初始种群生成 |
| 4.3.3 解码及计算目标函数值 |
| 4.3.4 快速非支配排序 |
| 4.3.5 拥挤度及其计算方法 |
| 4.3.6 遗传操作设计 |
| 4.4 M-NSGA-Ⅱ算法设计 |
| 4.4.1 初始种群生成 |
| 4.4.2 遗传操作设计 |
| 4.5 实验与结果分析 |
| 4.5.1 数据产生 |
| 4.5.2 算法运行效率 |
| 4.5.3 算法运行质量 |
| 4.5.4 预防性维修参数对算法绩效的影响 |
| 4.6 本章小结 |
| 第5章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间主要研究成果 |
（9）基于货物混合装箱的双载具跨层穿梭车仓储系统优化研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题背景 |
| 1.1.1 研究背景 |
| 1.1.2 课题来源 |
| 1.2 研究对象 |
| 1.2.1 双载具跨层穿梭车仓储系统概述 |
| 1.2.2 货物装箱问题概述 |
| 1.3 研究意义 |
| 1.4 国内外研究现状 |
| 1.4.1 穿梭车仓储系统 |
| 1.4.2 货物装箱 |
| 1.4.3 货位分配 |
| 1.4.4 作业调度 |
| 1.4.5 现有研究存在的不足 |
| 1.5 研究内容与论文结构 |
| 1.5.1 研究内容 |
| 1.5.2 论文结构 |
| 2 自动化仓储系统货物混合装箱优化 |
| 2.1 问题分析 |
| 2.2 同种货物只存放在一个货箱的货物混合装箱优化 |
| 2.2.1 问题描述 |
| 2.2.2 优化模型 |
| 2.2.3 算法设计 |
| 2.2.4 算例分析 |
| 2.3 同种货物存放在多个货箱的货物混合装箱优化 |
| 2.3.1 问题描述 |
| 2.3.2 优化模型 |
| 2.3.3 算法设计 |
| 2.3.4 算例分析 |
| 2.4 本章小结 |
| 3 双载具跨层穿梭车仓储系统作业调度优化 |
| 3.1 问题描述 |
| 3.2 作业流程分析 |
| 3.3 设备作业分析 |
| 3.3.1 设备调度分析 |
| 3.3.2 运动特性分析 |
| 3.4 模型建立 |
| 3.4.1 系统假设 |
| 3.4.2 符号定义 |
| 3.4.3 模型建立 |
| 3.5 算法设计 |
| 3.5.1 算法概述 |
| 3.5.2 编码设计 |
| 3.5.3 自适应步长设计 |
| 3.5.4 算法流程 |
| 3.6 算例验证 |
| 3.7 本章小结 |
| 4 货物混合装箱和入库货位分配集成优化 |
| 4.1 问题分析与描述 |
| 4.2 模型建立 |
| 4.2.1 系统假设 |
| 4.2.2 符号定义 |
| 4.2.3 模型建立 |
| 4.3 算法设计 |
| 4.3.1 相似系数计算 |
| 4.3.2 改进遗传算法设计 |
| 4.3.3 出库货位选择算法设计 |
| 4.4 算例验证 |
| 4.4.1 数据来源 |
| 4.4.2 算例结果分析 |
| 4.5 本章小结 |
| 5 出库货位选择和作业调度集成优化 |
| 5.1 问题分析与描述 |
| 5.2 模型建立 |
| 5.2.1 系统假设 |
| 5.2.2 符号定义 |
| 5.2.3 模型建立 |
| 5.3 算法设计 |
| 5.3.1 出库货位选择阶段算法 |
| 5.3.2 作业调度阶段算法 |
| 5.4 算例验证 |
| 5.4.1 算例数据 |
| 5.4.2 计算分析 |
| 5.5 本章小结 |
| 6 总结与展望 |
| 6.1 主要研究成果 |
| 6.2 主要创新点 |
| 6.3 下一步研究工作计划与展望 |
| 致谢 |
| 参考文献 |
| 攻读学位期间的研究成果 |
（10）面向节能的生产车间调度模型及其智能优化算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 制造过程节能降耗研究现状 |
| 1.2.1 设备层级节能降耗研究 |
| 1.2.2 产品层级节能降耗研究 |
| 1.2.3 系统层级节能降耗研究 |
| 1.3 节能作业车间调度研究现状分析及问题的提出 |
| 1.4 论文的研究内容和结构安排 |
| 第2章 面向节能的作业车间调度模型及其智能优化算法研究 |
| 2.1 引言 |
| 2.2 节能作业车间调度模型 |
| 2.3 调度规则 |
| 2.3.1 规则1:机器开关机规则 |
| 2.3.2 规则2:延迟工序开始加工时间规则 |
| 2.3.3 规则3:延迟工序块开始加工时间规则 |
| 2.4 实验和结果分析 |
| 2.4.1 数值实验计算 |
| 2.4.2 与其他算法比较 |
| 2.4.3 评价指标 |
| 2.4.4 实验结果分析 |
| 2.5 本章小结 |
| 第3章 面向节能的柔性作业车间调度模型及其智能优化算法研究 |
| 3.1 引言 |
| 3.2 一个启发例子 |
| 3.3 节能柔性作业车间调度模型 |
| 3.3.1 机器开关机准则 |
| 3.3.2 问题描述 |
| 3.4 两阶段模因算法 |
| 3.4.1 编码和解码 |
| 3.4.2 交叉算子 |
| 3.4.3 变异算子 |
| 3.4.4 变邻域算子 |
| 3.4.5 工序块移动算子 |
| 3.5 算法实验和结果分析 |
| 3.5.1 EEFJSP算例构建 |
| 3.5.2 算法关键参数设计 |
| 3.5.3 评价指标 |
| 3.5.4 验证VNSA的有效性 |
| 3.5.5 验证OMO的有效性 |
| 3.5.6 与其他算法的比较 |
| 3.6 本章小结 |
| 第4章 面向节能的双柔性作业车间调度模型及其智能优化算法研究 |
| 4.1 引言 |
| 4.2 节能双柔性作业车间调度模型 |
| 4.2.1 问题描述 |
| 4.2.2 数学模型 |
| 4.3 混合遗传算法 |
| 4.3.1 算法整体框架 |
| 4.3.2 编码与解码 |
| 4.3.3 交叉算子 |
| 4.3.4 变异算子 |
| 4.3.5 自适应集成适应度排序算子 |
| 4.4 算法实验与结果分析 |
| 4.4.1 节能双柔性作业车间调度标准算例的构建 |
| 4.4.2 算法关键参数设计 |
| 4.4.3 实验一 |
| 4.4.4 实验二 |
| 4.5 本章小结 |
| 第5章 面向节能的柔性流水车间调度模型及其智能优化算法研究 |
| 5.1 引言 |
| 5.2 考虑工人柔性的节能柔性流水车间调度模型 |
| 5.3 混合进化算法 |
| 5.3.1 编码算子 |
| 5.3.2 初始化种群算子 |
| 5.3.3 解码算子 |
| 5.3.4 交叉算子 |
| 5.3.5 变异算子 |
| 5.3.6 变邻域搜索算子 |
| 5.4 实验和结果分析 |
| 5.4.1 EFFSPW算例构建 |
| 5.4.2 评价指标 |
| 5.4.3 算法关键参数设计 |
| 5.4.4 数学模型验证 |
| 5.4.5 与其他算法比较 |
| 5.5 本章小结 |
| 第6章 面向节能的分布式生产调度模型及其智能优化算法研究 |
| 6.1 引言 |
| 6.2 包含不同类型工厂和车间的节能分布式生产调度模型 |
| 6.3 求解DPFW问题的模因算法 |
| 6.3.1 编码与解码 |
| 6.3.2 种群初始化 |
| 6.3.3 交叉算子 |
| 6.3.4 变异算子 |
| 6.3.5 局部搜索算子 |
| 6.4 算法实验与结果分析 |
| 6.4.1 DPFW算例构建 |
| 6.4.2 评价指标 |
| 6.4.3 算法关键参数设计 |
| 6.4.4 验证初始化方法的有效性 |
| 6.4.5 验证局部搜索方法的有效性 |
| 6.4.6 与其他算法的比较 |
| 6.5 本章小结 |
| 第7章 面向节能的带机器维护的生产调度模型及其智能优化算法研究 |
| 7.1 引言 |
| 7.2 一个启发例子 |
| 7.3 带机器维护的节能生产调度模型 |
| 7.4 求解方法 |
| 7.4.1 机器开关机准则 |
| 7.4.2 机器维护设定 |
| 7.4.3 启发式规则 |
| 7.5 实验和结果分析 |
| 7.5.1 算例构建 |
| 7.5.2 验证启发式规则2 的有效性 |
| 7.5.3 验证启发式规则3 的有效性 |
| 7.5.4 启发式规则求解实例 |
| 7.6 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
| 附录 A 攻读博士学位期间发表或已投论文目录 |
| 附录 B 攻读博士学位期间参与的科研项目 |
四、集成规则作业排序方法（论文参考文献）
- [1]基于DES-GEP的柔性流水车间组批调度方法研究[D]. 和莉. 大连理工大学, 2021(01)
- [2]基于学习效应的生产作业系统调度算法研究[D]. 胡金昌. 山东大学, 2021(12)
- [3]基于流程网络仿真的钢铁企业炼钢调度和能源优化[D]. 梁青艳. 钢铁研究总院, 2021(01)
- [4]基于供应链的煤炭港口合作模式和调度优化研究[D]. 袁继革. 燕山大学, 2021(01)
- [5]柔性作业车间加工机器与配送AGV双资源集成调度问题[D]. 马铭阳. 吉林大学, 2021(01)
- [6]考虑装船效率的出口集装箱箱位自动分配方法研究[D]. 朱阳飞. 浙江大学, 2021(01)
- [7]离散智能车间扰动预测与高效运行管控方法研究[D]. 仇永涛. 江南大学, 2020
- [8]考虑预防性维修与工件到达时间的并行机调度问题研究[D]. 黄佩钰. 温州大学, 2020(04)
- [9]基于货物混合装箱的双载具跨层穿梭车仓储系统优化研究[D]. 雷斌. 兰州交通大学, 2020(01)
- [10]面向节能的生产车间调度模型及其智能优化算法研究[D]. 龚桂良. 湖南大学, 2019(01)