一、单机排序中带可分配工期的总误工问题的应急管理（论文文献综述）
朱国海[1]（2020）在《基于两阶段模式的海上搜救资源方案生成方法与应用研究》文中研究表明海上搜救应急处置能力是海上生命与财产安全的重要保障,同时也是建设“海洋”强国的重要工作内容,开展海上搜救应急处置资源方案生成方法的研究有助于提高我们国家的海上搜救应急处置能力,同时对提高中国的海洋“软实力”也具有积极作用。目前,我国海上搜救应急处置过程中存在搜救效率较低,搜救决策科学性不足以及搜救资源不能合理利用等问题,针对上述问题,本文对海上搜救资源方案生成问题进行了研究,设计了基于“初始优化+实时优化”的两阶段优化模式的海上搜救资源方案生成框架。在初始优化阶段,以最大化搜救成功率和最大化搜救资源方案的鲁棒性为目标,同时考虑海况、时间以及搜救资源数量等多种约束条件,构建了初始搜救资源方案生成多目标模型;在实时优化阶段,对初始方案在执行过程中出现的干扰事件进行分类和扰动识别,并从失事人员、搜救人员以及搜救应急指挥中心三个视角对扰动进行度量,构建了实时搜救资源方案生成干扰管理模型。本文所提的搜救资源方案生成框架贴合搜救应急处置实际,能够辅助搜救指挥人员开展搜救决策。论文主要完成的研究工作如下:1.对海上搜救资源方案生成问题进行描述和分析,并构建了基于“初始优化+实时优化”两阶段优化模式的搜救资源方案生成框架。本文首先明确海上搜救资源方案生成问题的边界,对所涉及到的相关核心概念进行解释和分析,包括搜救、搜救应急处置流程、扫海宽度以及搜救资源方案等概念的定义。然后对然后本文对海上搜救应急处置过程中的动态影响因素进行分析,并对海上搜救资源方案生成问题进行形式化描述。最后构建了基于“初始优化+实施优化”两阶段优化模式的搜救资源方案生成框架,并明确每个阶段具体的内容、方法和流程等。2.初始海上搜救资源方案生成方法研究。在初始优化阶段,本文针对初始海上搜救资源方案生成问题,首先对该问题进行定量化描述,将其抽象为运筹规划问题,然后梳理模型的输入、输出以及决策变量,为模型的构建奠定基础。接着基于搜寻规划理论,考虑搜寻成功率、扫海宽度以及搜救资源方案的鲁棒性等因素构建初始海上搜救资源方案生成模型,明确模型中所涉及到的目标函数以及约束条件等一系列关系,最后使用智能优化算法对模型进行求解。3.实时海上搜救资源方案生成方法研究。在实时优化阶段,本文针对实时海上搜救资源方案生成问题,首先对海上搜救应急处置过程中所涉及到的动态影响因素进行识别分析,然后分别从失事人员、搜救人员以及搜救应急指挥人员等角度对干扰事件产生的扰动大小进行度量,并进一步构建干扰管理模型,最后使用相应的智能优化算法对模型进行求解。4.应用案例研究。应用本文提出的模型和算法,对青岛某搜救案例开展应用研究。
马州[2]（2019）在《生产车间调度干扰管理模型研究》文中研究表明在市场竞争日益激烈的今天,如何将可利用资源进行最合理的分配是每个生产管理者都需要思考的问题,可见生产调度在生产管理中具有重要的地位。然而现实的生产环境并不稳定,实际的生产过程处于一种动态变化之中。初始的生产调度方案由于突发事件的影响不再最优或者不可行,影响整个生产计划的后续执行。生产管理者必须及时地处理,避免与原生产计划产生较大的偏离。这个偏离会严重影响系统的正常运行,甚至影响企业的效益和核心竞争力。需要对原有方案进行更改,采用新的方案来降低干扰事件所带来的负面影响,以尽量小的代价使系统恢复正常。但是这种改变并不是完全的推翻原有计划,而是一种局部调整,新目标函数需要兼顾原有的目标,考虑节省费用,但往往不是费用最省方案。干扰管理的对象主要是在一段时间内发生概率较大的干扰事件。机器故障扰动作为典型的干扰事件之一,普遍存在于各个生产车间中,研究其干扰管理模型具有重大的意义。本文主要考虑生产车间中两种最为典型的调度问题,即Flow Shop调度问题和Job Shop调度问题,分别进行干扰管理建模和求解。量化干扰事件的影响,根据企业的实际需求制定度量函数。干扰事件选择机器故障扰动作为研究对象,设计算例进行分析研究。在算法方面,采用改进的混合算法,在编码和操作上进行创新,确保种群具有多样性不至于过早收敛的同时能在较短时间内求解。目前扰动度量的方式过于单一,在流水车间模型中使用最小化待加工工件的加权滞后时间和作为扰动目标。而作业车间干扰模型的多个目标之间是具有优先级关系,考虑初始目标为最小最大完工时间和,以虚拟滞后工件偏差数作为扰动目标。两种模型分别设计不同的调度算例进行检验。Job shop调度问题在解空间容量上更大,求解更加复杂,工艺约束条件更多,比Flow shop调度问题更加贴近实际情况。两者同为最常见的车间调度问题,在干扰管理中对比研究意义重大,可以为加工制造企业面对突发干扰事件时提供参考和借鉴。
李新华,刘勤明,王建强,张非凡[3]（2018）在《基于医疗设备故障的病人诊疗应急调度研究》文中指出文中研究了一台医疗设备环境下,同时考虑医疗设备故障的事前和事后病人诊疗应急调度,目标函数为最小化提前和延误造成的惩罚值。构建了相应数学模型,并在此基础上提出了有效的启发式算法。最后,通过算例分析证明了该模型和算法的有效性。
孟琪琪,郑琼婷[4]（2016）在《中小型制造企业面向不确定事件下的生产调度——以佳木斯防爆电机有限公司为例》文中研究指明在中小型制造企业中,实际的生产过程中存在不可预测的突发情况等不确定事件,都会影响企业预先设定好的调度方案。佳木斯防爆电机有限公司作为具有特色的中小型制造企业,存在着订单数目多但量小、生产环境不稳定等生产特点。针对这一特点,采用干扰管理方法对不确定事件进行度量,并建立合适的调度模型,使之能够快速响应。代入佳木斯防爆电机有限公司实际案例中,在实际的企业生产特点下,符合企业的生产目标,且最大程度地降低企业的亏损程度。
姜洋,孙伟,丁秋雷,张旭[5]（2013）在《基于客户不满意度的单机干扰管理模型研究》文中认为针对干扰事件导致单机调度难以顺利实施这一难题,运用干扰管理思想,建立了字典序的多目标干扰管理模型.模型从客户不满意度的角度对单机调度系统承受的扰动进行了度量,并采用改进的蚁群算法对该模型求解.实例证明,该模型与已有的解决干扰事件的重调度模型相比,得到的调整方案可以使调度系统承受的扰动更小.
姜洋[6]（2013）在《面向不确定事件的生产调度干扰管理方法研究》文中研究指明在加工企业的生产过程中,初始生产调度（Production Scheduling）方案由于不确定事件的突然发生导致该方案不再最优,甚至不再可行,以致影响整个生产调度过程的后续执行。如何生成不确定事件结束后的调度恢复方案,降低不确定事件对生产调度系统造成的影响已经成为生产调度问题的核心内容。在企业的生产实际中,制定调整方案时应考虑多种因素,如恢复时间、恢复成本等,但是目前解决该类问题的方法往往在考虑成本因素的前提下制定调整方案,使得产生的新方案无法真正满足企业的实际需求。针对此种情况,本文利用干扰管理方法对不确定事件进行有效度量,在考虑多种因素的前提下分别对受客观不确定事件影响和受主客观不确定事件影响的生产调度受扰问题的模型和求解方法进行了研究和探讨,其主要内容如下：（1）提出了一种不确定事件度量的新方法。针对现有干扰管理方法的扰动度量手段单一且难以全面度量生产调度系统扰动这一情况,本文通过对企业的实际需求进行分析,从企业客户、企业管理者和车间工人三个行为主体角度对不确定事件进行分析,将前景理论与模糊理论有机结合,在行为主体的价值函数基础上构建模糊处理后的不满意隶属函数,从而形成了一种从行为主体角度度量不确定事件的新度量方法,丰富和完善了现有的干扰管理度量手段。（2）建立了受不确定事件影响的生产调度干扰管理模型。针对车间中机器间的耦合度不同,将生产调度受扰问题简化为多个单机调度问题或作业车间调度问题,并根据不确定事件的性质不同,采用不同的度量方法,分别建立了客观不确定事件和主客观混合不确定事件影响的生产调度干扰管理模型,为获得受扰动影响最小的调整方案奠定必要的理论基础。（3）针对生产调度干扰管理模型求解的需求特点,提出了一种改进的多目标粒子群优化算法对模型进行求解。为了应对生产调度干扰管理实时求解的需要,采用惯性权重调整策略加快算法的求解速度；为了提高生产调度干扰管理模型对求解精度的要求,采用最优解更新策略、最优个体变异策略等方法来保持种群的多样性,从而获得分布范围较广的最优解,避免搜索早熟。实验表明,本文算法可以较好的满足生产调度干扰管理模型的求解需求。
鲁平[7]（2013）在《基于实时工况信息的Job Shop车间重调度方法研究》文中指出调度问题是一类重要而又困难的组合优化问题,其求解具有相当难度。有效的生产调度方法,可以大大提高生产效益和生产资源的利用率。生产调度的核心问题是模型和算法,其中有效的调度算法是生产调度问题的重要研究内容。车间调度问题具有高度的复杂性和不确定性,经常受到实时工况信息变化的干扰如机器故障,工件的突然插入,工件突然取消,交货期突然提前等。本文主要针对系统中断后,对未加工的工件进行重调度。通过调研某厂的生产流程,针对某厂的生产调度中的单机,flowshop,jobshop进行调度及重调度。首先,经过调研分析某厂的生产订单的流程,针对该厂单机环境下,三种实时工况信息的变化实例进行重调度,应用相应的策略与方法。接着介绍了可以求解NP-hard的遗传算法,为求解flowshop、jobshop这样的NP-hard问题打下理论基础。针对flowshop,分别采用CDS启发式算法、遗传算法对系统进行静态调度,经过比较确实遗传算法为最优调度,然后采用遗传算法对中断后的系统进行重调度,实验证明,优化后系统得到良好结果。对于jobshop,采用遗传算法及基于机床属性的间接编码方式对目标函数进行求解,得到了较好的结果。通过实验比较,本文的方法要优于文献55中的方法。当jobshop系统发生动态干扰时,依然采用本文算法对系统进行重调度,经实验检验,优化后的排序产生的费用要明显少于原排序产生的费用。因此算例表明,本文算法不仅可行,且具有简洁、高效的优点。
姜洋,孙伟,丁秋雷,张旭[8]（2012）在《受扰机器单机干扰管理模型》文中研究表明运用干扰管理思想,从客户不满意度、运作成本以及工件加工顺序三方面度量单机调度系统的扰动,构建字典序的、多目标的单机调度干扰管理模型,并采用改进的蚁群算法进行求解,通过算例验证模型的有效性。结果表明:该方法比已有的全局重调度方法更实用,能够均衡各方的利益,得到多方满意的调整方案,使得系统的扰动更小。
张新功[9]（2010）在《加工时间非常数的排序与调度模型研究》文中研究说明排序与调度问题是一类重要的组合最优化问题。在经典排序与调度问题中，通常假设工件的加工时间为常数。但在许多实际问题中，工件的加工时间可能与其开工时间或所排位置有着某种联系，由此产生一些新型排序与调度问题。这些加工时间非常数的新型排序与调度问题比经典调度问题更为复杂，绝大多数都是NP-难问题。考虑实际应用的需要，研究这些新型排序与调度问题存在多项式算法的情况很有必要。这些问题的多项式算法一方面可以对某些问题给出求解方法，另一方面还可以为解决其它问题提供近似算法。本文结合现代排序与调度问题研究具有加工时间非常数的几类排序问题。研究的基本思路都是先根据考虑问题构建模型，然后考虑问题的计算复杂性，因为这些问题大多都是NP-难的，因此从一些特殊情况入手，给出问题在可解情况下的多项式时间最优算法，然后再对一般情况给出启发式算法并分析最坏情形下界或者给出动态规划算法。本文研究以下几方面问题：⑴与已经加工过工件之和有关的排序与调度问题考虑了五种排序与调度问题模型，分别是：一般学习效应的模型、已经加工过的工件加工时间的指数函数的学习效应模型、对数效应模型、成组技术下的学习效应模型。对于具有学习效应下单台机器问题，最大完工时间问题利用经典的SPT序的性质均可以得到最优解。总完工时间问题在不考虑成组技术时也可以利用SPT性质得到最优解。具有成组技术的学习效应下，每组中的工件个数相等，利用分组个数和安装时间满足一致关系可以得到问题的最优解。具有学习效应的流水机排序与调度问题更为复杂，考虑机器具有某些优势关系和给定工件在所有机器上的加工时间相同两种情形。对于目标函数为最大完工时间和总完工时间问题分别给出多项式时间算法。对于具有老化效应时，考虑了最大完工时间最小化和总完工时间最小化问题，讨论了0＜a1≤1，1＜a1＜M，a1≥M三种情形，当老化因子1＜a1≤M时，该问题的最优解仍然没有得到解决。⑵时间相关和学习效应下的排序与调度问题工件的到达时间依赖资源分配问题，对于最大完工时间问题和资源消耗量总和问题进行分析。给出了资源消耗量限制下最小化最大完工时间问题的最优解。对于给定的工件序列，提出最大完工时间限制下最小化资源消耗量的最优分配方案。时间相关和指数学习效应的问题，证明最大完工时间问题和总完工时间问题具有多项式时间算法。而总权完工时间问题、最大延迟问题、总折扣完工时间问题和总误工个数问题不存在多项式时间算法。经典的算法作为问题的启发式算法，得出问题的最坏情况的误差界。并证明在某些特殊情况下这些问题具有多项式时间算法。对于RW问题给出了动态规划算法，当批工件的完工时间和批的规模满足一致关系，给出了多项时间算法。最后研究了成组技术下的退化和学习效应问题。⑶与工期相关的排序与调度问题具有位置退化的共同交货期问题，分析了工件的退化率不相同和相同两种情形，并把这两个问题转化为指派问题进行求解。机器具有多次维修的问题，共同交货期分为包括维修区间和不包括维修区间两种情形讨论，并给出相应的算法和时间复杂性。利用共同工期指派方法和松弛工期指派方法，研究了工期费用函数，提前工件费用和放弃加工的工件的惩罚费用之和最小化的工期指派问题。⑷重新排序与调度问题本节的主要贡献是把重新排序与调度问题引入退化效应和学习效应概念。研究了序列错位和时间错位扰动下的总误工问题，提出了多项式时间算法或者拟多项式时间算法、动态规划算法。与前人的研究相比，本文有以下几个主要的创新点：其一，根据电脑操作系统VISTA和WIN7的实际，提出机器和工人相关的学习效应同时发生的模型，该模型具有更一般性和普适性。根据当前研究学习效应相关的排序与调度学习模型中，出现当工件的数目增加比较多时，给定的工件的实际加工时间可能会突然降到0或者会突然变得更大现象；结合这样方面的实际生产需要，提出了对数相关和指数相关的学习效应模型。改进了以往模型的不足。其二，通过调研发现，在实际的生产中，客户往往是根据生产商的实际的生产能力提供订单的。客户提供加工的工件并不一定是提前到达，因此考虑到达时间和资源量有关的问题是很现实的，也是很迫切的。本文根据生产实际，初次提出加工工件的到达时间是其资源消耗量的减函数。把资源消耗量作为目标或者限制条件去分析问题。其三，在供应链管理的问题中，根据逆向物流企业实际生产情况和要求，本文开创性地提出次品工件重加工问题在退化和学习效应的排序与调度问题应用，并给出有效解的动态规划算法。其四，重新排序尽管比较热，但是由于难度比较大，成果却比较少。特别是在加工时间非常数的情形几乎没有涉及，本研究的一些工作是开创性的。
李媛[10]（2009）在《服务水平约束下的成套订单排序研究》文中研究指明面对具有不同加工要求和不同完工期限的客户定制产品，如何进行合理的生产作业计划安排和调度，以较低的生产成本最大限度地满足顾客的要求，一直是生产运作理论界关心的问题。本学位论文对并行机环境下具有服务水平约束的成套订单多目标优化问题做了一些基础性的研究。论文首先介绍了成套订单问题的定义、成套订单的排序问题，以此作为全文研究的出发点和基础。接着论文在上述问题的基础上进行拓展，对不含调整时间的并行机加工条件下的成套订单问题进行了研究。以三台并行机的加工过程为基础，以最大化加权成套率和最小化最大完工时间为双重目标,建立该问题的多目标规划模型，提出修复启发算法与遗传算法相结合的混合遗传算法来求解该模型，并通过一个算例对该类排序问题和所提出的算法进行说明，实验结果显示采用模函数或商函数的混合遗传算法均具有很强的寻优功能，但模函数法比商函数法更适合作为本算法的适应度函数。然后，论文在上述研究的基础上进一步拓展，增加考虑了加工工件具有多种类型和不同类型加工需要机器调整时间的情况，以最大化加权成套率和最小化最大完工时间为双重目标，建立了此种情况下的多目标规划模型，在修复启发算法、基于全排列的机器分配法、Pareto支配关系、精英保留机制与小生境淘汰法的基础上，设计出了针对该问题的非支配排序混合遗传算法，并通过数据模拟验证了该算法的广适应性、强有效性和快收敛性。
二、单机排序中带可分配工期的总误工问题的应急管理（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、单机排序中带可分配工期的总误工问题的应急管理（论文提纲范文）
（1）基于两阶段模式的海上搜救资源方案生成方法与应用研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景与研究意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 研究现状 |
| 1.2.1 海上搜寻理论及搜寻规划理论综述 |
| 1.2.2 海上搜救辅助决策系统综述 |
| 1.2.3 应急资源调度的研究现状 |
| 1.3 论文研究内容 |
| 1.3.1 研究内容 |
| 1.3.2 主要创新点 |
| 1.4 论文组织框架 |
| 第二章 海上搜救资源方案生成问题分析与研究框架 |
| 2.1 相关理论与概念 |
| 2.1.1 海上搜救 |
| 2.1.2 海上搜救资源方案生成 |
| 2.2 海上搜救资源方案生成问题分析 |
| 2.2.1 问题基本描述 |
| 2.2.2 多目标优化理论 |
| 2.2.3 干扰管理理论 |
| 2.3 海上搜救资源方案生成的研究框架 |
| 2.4 本章小结 |
| 第三章 基于搜寻理论的初始海上搜救资源方案生成方法研究 |
| 3.1 海上搜救资源方案生成的问题描述 |
| 3.2 海上搜救资源方案生成的多目标模型 |
| 3.2.1 模型输入与决策变量分析 |
| 3.2.2 目标函数分析 |
| 3.2.3 约束条件分析 |
| 3.3 海上搜救资源方案生成模型求解算法 |
| 3.4 本章小结 |
| 第四章 基于干扰管理的实时海上搜救资源方案生成方法研究 |
| 4.1 干扰事件分类及扰动识别 |
| 4.1.1 干扰事件分类 |
| 4.1.2 扰动识别 |
| 4.2 扰动度量方法的研究 |
| 4.2.1 失事人员角度的扰动度量 |
| 4.2.2 搜救人员角度的扰动度量 |
| 4.2.3 搜救应急指挥部角度的扰动度量 |
| 4.3 基于干扰管理的海上搜救资源方案生成模型构建 |
| 4.3.1 模型输入与决策变量分析 |
| 4.3.2 目标函数分析 |
| 4.3.3 约束条件分析 |
| 4.4 基于干扰管理的海上搜救资源方案生成模型求解 |
| 4.5 本章小结 |
| 第五章 应用案例研究 |
| 5.1 海上搜救事故案例描述 |
| 5.2 初始海上搜救资源方案生成模型构建与结果分析 |
| 5.2.1 模型构建 |
| 5.2.2 结果分析 |
| 5.3 实时海上搜救资源方案生成模型构建与结果分析 |
| 5.3.1 干扰事件分析 |
| 5.3.2 干扰管理模型构建 |
| 5.3.3 结果分析 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 论文主要工作与创新点 |
| 6.2 论文后续研究工作 |
| 致谢 |
| 参考文献 |
| 作者在学期间取得的学术成果 |
| 附录一 搜救资源的扫海宽度表 |
| 附录二 扫海宽度的修正系数 |
| 附录三 搜寻资源决策矩阵与归一化矩阵 |
| 附录四 海况等级划分 |
（2）生产车间调度干扰管理模型研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 问题的提出 |
| 1.2 研究意义 |
| 1.3 国内外相关研究现状 |
| 1.4 本文研究内容与篇章结构 |
| 第二章 干扰问题描述及算法求解实现 |
| 2.1 生产车间调度问题描述及度量函数选择 |
| 2.2 求解算法理论基础 |
| 2.3 生产调度干扰管理模型的求解实现 |
| 2.4 本章小结 |
| 第三章 生产车间调度干扰管理模型研究 |
| 3.1 引言 |
| 3.2 基于Flow Shop调度问题的干扰模型表示 |
| 3.3 基于Job Shop调度问题的干扰模型表示 |
| 3.4 本章小结 |
| 第四章 针对机器故障扰动的多机干扰管理研究 |
| 4.1 基于Flow Shop调度问题下的算例验证 |
| 4.2 基于Job Shop调度问题下的算例验证 |
| 4.3 本章小结 |
| 第五章 结论 |
| 参考文献 |
| 附录 |
| 发表论文和参加科研情况说明 |
| 致谢 |
（3）基于医疗设备故障的病人诊疗应急调度研究（论文提纲范文）
| 1 问题描述 |
| 2 数学模型 |
| 2.1 事后病人诊疗应急调度模型 |
| 2.2 事前病人诊疗应急调度模型 |
| 3 算例分析 |
| 4结论 |
（4）中小型制造企业面向不确定事件下的生产调度——以佳木斯防爆电机有限公司为例（论文提纲范文）
| 1 引言 |
| 2 佳木斯防爆电机公司生产调度问题及分析 |
| 2.1 佳木斯防爆电机公司概况及作业调度分析 |
| 2.1.1 佳木斯防爆电机生产管理状况 |
| 2.1.2 生产特点 |
| 2.1.3 流水线及调度分析 |
| 2.2 佳木斯防爆电机产品状况分析 |
| 2.2.1 工作流程概况 |
| 2.2.2 流程分析 |
| 2.2.3 生产过程中的不确定事件 |
| 3 面向不确定事件下的生产调度建模 |
| 3.1 生产调度相关概念 |
| 3.1.1 生产调度概念 |
| 3.1.2 生产调度初始模型 |
| 3.2 干扰管理的生产调度模型 |
| 3.2.1 干扰管理相关概念 |
| 3.2.2 不确定事件的扰动度量 |
| 3.2.2. 1 不确定事件的分类 |
| 3.2.2. 2 扰动度量 |
| 3.2.3 不确定事件的干扰管理模型 |
| 4 模型应用及公司反馈 |
| 4.1 基本数据 |
| 4.2 结果分析 |
| 4.3 公司反馈 |
| 5 结论 |
（5）基于客户不满意度的单机干扰管理模型研究（论文提纲范文）
| 0 引言 |
| 1 单机干扰管理模型研究 |
| 1.1 扰动度量 |
| 1.2 初始调度方案的数学模型 |
| 1.3 单机干扰管理模型 |
| 2 干扰管理模型的求解 |
| 2.1 HACO的基本原理 |
| 2.1.1 最优个体的交叉及变异 |
| (1)交叉操作 |
| (2)变异操作 |
| 2.1.2 信息素的调整 |
| 2.1.3 其他算法的集成 |
| 2.2 HACO的求解步骤 |
| 3 案例验证 |
| 3.1 案例描述 |
| 3.2 实验结果 |
| 3.3 对比分析 |
| 4 结论 |
（6）面向不确定事件的生产调度干扰管理方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 目录 |
| 1 绪论 |
| 1.1 课题研究背景和意义 |
| 1.2 国内外相关研究概述 |
| 1.2.1 不确定生产调度问题的研究现状 |
| 1.2.2 干扰管理的研究进展 |
| 1.2.3 国内外相关研究小结 |
| 1.3 本文研究内容与篇章结构 |
| 1.3.1 研究内容 |
| 1.3.2 篇章结构 |
| 2 生产调度不确定事件界定及干扰管理决策过程分析 |
| 2.1 引言 |
| 2.2 不确定事件及研究范围的界定 |
| 2.2.1 不确定事件界定 |
| 2.2.2 研究范围界定 |
| 2.3 干扰管理决策过程分析 |
| 2.3.1 干扰管理定义及其研究框架 |
| 2.3.2 干扰管理模型表示 |
| 2.3.3 度量函数选择及构建分析 |
| 2.4 本章小结 |
| 3 面向客观不确定事件的生产调度干扰管理模型研究 |
| 3.1 引言 |
| 3.2 客观不确定事件的度量 |
| 3.3 面向客观不确定事件的SMSP研究 |
| 3.3.1 SMSP的常用性能指标 |
| 3.3.2 SMSP的初始模型 |
| 3.3.3 SMSP的干扰管理模型 |
| 3.4 面向客观不确定事件的JSP研究 |
| 3.4.1 JSP的常用性能指标 |
| 3.4.2 JSP的初始模型 |
| 3.4.3 JSP的干扰管理模型 |
| 3.5 算例 |
| 3.6 本章小结 |
| 4 面向主客观混合不确定事件的生产调度干扰管理模型研究 |
| 4.1 引言 |
| 4.2 主观不确定事件的度量 |
| 4.2.1 不同主体行为的度量 |
| 4.2.2 价值函数的建立 |
| 4.2.3 不满意隶属函数的确定 |
| 4.2.4 度量函数的构建 |
| 4.3 面向主客观混合不确定事件的生产调度问题研究 |
| 4.3.1 面向主客观混合不确定事件的SMSP干扰管理模型构建 |
| 4.3.2 面向主客观混合不确定事件的JSP干扰管理模型构建 |
| 4.4 算例 |
| 4.5 本章小结 |
| 5 基于改进粒子群优化算法的生产调度干扰管理模型求解方法研究 |
| 5.1 引言 |
| 5.2 生产调度干扰管理模型求解特点 |
| 5.3 生产调度干扰管理模型的求解实现 |
| 5.3.1 PSO算法基本原理 |
| 5.3.2 实时求解的实现 |
| 5.3.3 解多样性的实现 |
| 5.3.4 MOIPSO算法的流程及处理步骤 |
| 5.4 算法性能分析 |
| 5.5 本章小结 |
| 6 实例验证 |
| 6.1 引言 |
| 6.2 公司简介 |
| 6.3 数据提取 |
| 6.4 初始方案的生成 |
| 6.5 调整方案选择及结果分析 |
| 6.6 本章小结 |
| 结论 |
| 创新点摘要 |
| 参考文献 |
| 附录A FT类问题 |
| 附录B LA类问题 |
| 附录C ABZ类问题 |
| 附录D ORB类问题 |
| 攻读博士学位期间发表学术论文情况 |
| 致谢 |
| 作者简介 |
（7）基于实时工况信息的Job Shop车间重调度方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 绪论 |
| 第一章 调度问题概述 |
| 1.1 调度相关概念及相关理论体系 |
| 1.2 调度分类 |
| 1.3 影响调度的因素 |
| 1.4 调度性能指标 |
| 1.5 调度问题的特点 |
| 1.6 求解调度问题的算法 |
| 1.6.1 经典的最优化方法 |
| 1.6.2 启发式方法 |
| 1.6.3 邻域搜索方法 |
| 1.6.4 基于仿真的方法 |
| 本章小结 |
| 第二章 干扰管理的理论与方法 |
| 2.1 干扰管理的定义 |
| 2.2 干扰管理与其他管理方法的区别 |
| 2.3 干扰管理的应用研究 |
| 2.3.1 机器生产调度的干扰管理 |
| 2.3.2 单机干扰管理 |
| 2.3.3 平行机干扰管理 |
| 2.3.4 Flow shop及Job shop干扰管理 |
| 2.4 干扰管理的调度策略 |
| 2.5 干扰管理在调度中评价指标 |
| 本章小结 |
| 第三章 针对某厂的生产调度研究 |
| 3.1 针对某企业订单生产流程的分析 |
| 3.2 单机调度问题 |
| 3.2.1 单机问题描述 |
| 3.2.2 单机数学模型及算法 |
| 3.2.3 算例1 |
| 3.2.4 算例2 |
| 3.2.5 算例3 |
| 3.3 遗传算法 |
| 3.3.1 遗传编码 |
| 3.3.2 适应度函数 |
| 3.3.3 参数选择 |
| 3.3.4 种群初始化 |
| 3.3.5 遗传算子 |
| 3.3.6 遗传算法终止条件 |
| 3.3.7 遗传算法的优点 |
| 3.3.8 遗传算法程序设计 |
| 本章小结 |
| 第四章 Flow Shop调度问题 |
| 4.1 问题描述 |
| 4.2 CDS启发式算法数学模型 |
| 4.3 遗传算法的数学模型 |
| 4.3.1 表达方法 |
| 4.3.2 评估函数 |
| 4.3.3 交叉与变异 |
| 4.3.4 实例验算 |
| 4.4 遗传算法求解flow shop重调度问题 |
| 本章小结 |
| 第五章 Job Shop调度 |
| 5.1 Job Shop调度问题 |
| 5.2 Job shop的描述及数学模型的建立 |
| 5.3 遗传算法的设计 |
| 5.3.1 遗传算子的设计 |
| 5.4 job shop动态重调度 |
| 本章小结 |
| 结论 |
| 参考文献 |
| 附录 |
| 攻读硕士学位期间发表的学术论文 |
| 致谢 |
（9）加工时间非常数的排序与调度模型研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| §1.1 课题的来源及意义 |
| §1.2 研究概况 |
| §1.2.1 工件的加工时间与工件所排位置有关的排序与调度问题 |
| §1.2.2 工件的加工时间与工件开工时间有关的排序与调度问题 |
| §1.2.3 工件的加工时间与工件开工时间和所排位置有关的排序与调度问题 |
| §1.2.4 本文考虑的其他类型的排序与调度问题 |
| §1.3 现有研究的不足 |
| §1.4 本文的研究内容和研究方法 |
| §1.4.1 研究内容 |
| §1.4.2 研究方法 |
| §1.5 本文的创新点 |
| §1.6 本文结构和章节安排 |
| 第二章 基本理论 |
| §2.1 SCHEDULING 的定义 |
| §2.2 排序与调度的记号与术语 |
| §2.3 算法和复杂性 |
| §2.4 排序与调度问题的求解 |
| §2.5 排序与调度问题的分类 |
| §2.6 本章小结 |
| 第三章 与已经加工过的工件之和有关的排序与调度问题 |
| §3.1 引言 |
| §3.2 一种新型学习效应的机器排序与调度问题 |
| §3.2.1 单台机器问题 |
| §3.2.2 流水机问题 |
| §3.3 指数相关的机器排序与调度问题 |
| §3.3.1 单机排序与调度问题 |
| §3.3.2 流水作业问题 |
| §3.4 对数相关单机排序与调度问题 |
| §3.4.1 学习效应模型 |
| §3.4.2 老化效应模型 |
| §3.5 成组技术下的单机排序与调度问题 |
| §3.5.1 最大完工时间问题 |
| §3.5.2 总完工时间问题 |
| §3.6 本章小结 |
| 第四章 时间相关和学习效应的排序与调度问题 |
| §4.1 到达时间依赖于资源分配的排序与调度问题 |
| §4.1.1 引言 |
| §4.1.2 极小化最大完工时间问题 |
| §4.1.3 极小资源消耗量总和 |
| §4.2 时间相关和指数学习效应的排序与调度问题 |
| §4.2.1 模型描述 |
| §4.2.2 最大完工时间和总完工时间问题 |
| §4.2.3 问题1|p_(jr)(t)=p_j(1-bt)α~(r-1)ΣW_jC_j(L_(mex)) |
| §4.2.4 问题1|p_(jr)(t)=p_j(1-bt)α~(r-1)ΣW_j(1-e~(kC_j)) |
| §4.2.5 问题1|p_(jr)(t)=p_j(1-bt)α~(r-1)ΣU_j |
| §4.3 退化和学习效应的成组排序与调度问题 |
| §4.3.1 引言 |
| §4.3.2 问题描述 |
| §4.3.3 问题1|p_(ij)~(rk)=(P_(ij)+βt)r_a_1K_a_2,G,S_i~r=S_ir~a_1|C_(max) |
| §4.4 重加工具有退化与学习效应的单机批排序与调度问题 |
| §4.4.1 引言 |
| §4.4.2 模型描述 |
| §4.4.3 一个动态规划方法和一种特殊情形 |
| §4.5 本章小结 |
| 第五章 与工期相关的排序与调度问题 |
| §5.1 位置退化（老化）和共同交货期的窗时排序与调度问题 |
| §5.1.1 引言 |
| §5.1.2 问题的描述 |
| §5.1.3 初步分析和结果 |
| §5.1.4 问题1|P_(jr)=P_jr~a_j(?)(αE_j+βT_j+δd+γD的一个最优解 |
| §5.1.5 一个特例 |
| §5.2 机器具有维修区间的单机问题 |
| §5.2.1 引言 |
| §5.2.2 具有多次维修的单机问题 |
| §5.3 工期指派与学习效应的单机问题 |
| §5.3.1 引言 |
| §5.3.2 模型介绍和一个引理 |
| §5.3.3 CON 指派问题 |
| §5.3.4 SLK 指派问题 |
| §5.4 本章小结 |
| 第六章 重新排序与调度问题 |
| §6.1 具有退化效应的最小化总误工问题 |
| §6.1.1 引言 |
| §6.1.2 问题模型描述 |
| §6.1.3 最小化总误工问题 |
| §6.2 学习效应的最小化总完工时间问题 |
| §6.2.1 问题模型描述 |
| §6.2.2 最小化总完工时间问题 |
| §6.3 本章小结 |
| 第七章 结论与展望 |
| §7.1 论文主要工作与贡献 |
| §7.2 进一步的研究展望 |
| 参考文献 |
| 在读期间公开发表的论文和承担科研项目及取得成果 |
| 致谢 |
（10）服务水平约束下的成套订单排序研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的与意义 |
| 1.3 论文研究框架 |
| 2 国内外研究综述 |
| 2.1 并行机调度问题研究 |
| 2.2 成套订单问题研究 |
| 2.3 多目标优化研究 |
| 3 并行机成套订单的多期调度问题 |
| 3.1 问题描述及说明 |
| 3.2 模型构建 |
| 3.3 算法设计 |
| 3.4 算例分析 |
| 4 带加工调整时间的并行机成套订单多目标优化问题 |
| 4.1 问题描述及说明 |
| 4.2 模型构建 |
| 4.3 算法设计 |
| 4.4 模拟数据实验 |
| 5 研究结论与展望 |
| 5.1 论文总结 |
| 5.2 研究展望 |
| 致谢 |
| 参考文献 |
四、单机排序中带可分配工期的总误工问题的应急管理（论文参考文献）
- [1]基于两阶段模式的海上搜救资源方案生成方法与应用研究[D]. 朱国海. 国防科技大学, 2020
- [2]生产车间调度干扰管理模型研究[D]. 马州. 广西科技大学, 2019(09)
- [3]基于医疗设备故障的病人诊疗应急调度研究[J]. 李新华,刘勤明,王建强,张非凡. 物流工程与管理, 2018(02)
- [4]中小型制造企业面向不确定事件下的生产调度——以佳木斯防爆电机有限公司为例[J]. 孟琪琪,郑琼婷. 物流工程与管理, 2016(05)
- [5]基于客户不满意度的单机干扰管理模型研究[J]. 姜洋,孙伟,丁秋雷,张旭. 大连理工大学学报, 2013(05)
- [6]面向不确定事件的生产调度干扰管理方法研究[D]. 姜洋. 大连理工大学, 2013(06)
- [7]基于实时工况信息的Job Shop车间重调度方法研究[D]. 鲁平. 大连交通大学, 2013(06)
- [8]受扰机器单机干扰管理模型[J]. 姜洋,孙伟,丁秋雷,张旭. 农业机械学报, 2012(12)
- [9]加工时间非常数的排序与调度模型研究[D]. 张新功. 上海理工大学, 2010(06)
- [10]服务水平约束下的成套订单排序研究[D]. 李媛. 华中科技大学, 2009(S2)