CLSP问题的周期调度方法及其PSO求解

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (11): 229-232.

CLSP问题的周期调度方法及其PSO求解

施灿涛1，2，王文鹏3，李铁克1，2

1.北京科技大学经济管理学院，北京 100083
2.钢铁生产制造执行系统技术教育部工程研究中心，北京 100083
3.青岛科技大学经济与管理学院，山东青岛 266061

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-04-11 发布日期:2011-04-11

Cyclic approach for capacitated lot scheduling problem and its PSO-based algorithm

SHI Cantao1，2，WANG Wenpeng3，LI Tieke1，2

1.School of Economics and Management，University of Science and Technology Beijing，Beijing 100083，China
2.Engineering Research Center of MES Technology for Iron & Steel Production，Ministry of Education，Beijing 100083，China
3.College of Economy and Management，Qingdao University of Science and Technology，Qingdao，Shandong 266061，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-04-11 Published:2011-04-11

摘要/Abstract

摘要： 采用分解思想考虑多阶段CLSP问题，从多阶段生产系统抽象出单阶段生产环节，提出以周期方式对该生产环节进行生产批量调度。在对CLSP周期调度问题进行描述和界定的基础上，建立了相应的数学模型，讨论了周期调度方法中的周期上界以及周期长度与物料批量大小之间的关系等性质，采用基于三层编码的粒子群优化算法进行问题求解。源于冷轧生产实际的计算实例表明周期方法能够大大降低问题的规模且所得设备调整费用比人工方法减少约16%。

关键词: 能力受限的批量调度问题（CLSP）, 周期方法, 粒子群优化, 三层编码

Abstract: By considering multi-stage capacitated lot scheduling problem with a thought of decomposition and abstracting several single stages from a multi-stage manufacture system，this paper proposes a cyclic approach for the capacitated lot-scheduling problem on each abstracted stage.The corresponding mathematical model is built based on the problem description and statement，and some properties of the cyclic approach，such as upper bound for each cycle and the relationship between cycle length and lot sizes，are discovered.A PSO-based algorithm is employed with three-dimensional solution presentation.By computational tests with a real case from a cool rolling plant，it can be proved that the cyclic approach leads to a dramatic reduction of problem space and makes the setup costs degrade 16%.

Key words: Capacitated Lot Scheduling Problem（CLSP）, cyclic approach, Particle Swarm Optimization（PSO）, three-layer presentation

施灿涛1，2，王文鹏3，李铁克1，2. CLSP问题的周期调度方法及其PSO求解[J]. 计算机工程与应用, 2011, 47(11): 229-232.

SHI Cantao1，2，WANG Wenpeng3，LI Tieke1，2. Cyclic approach for capacitated lot scheduling problem and its PSO-based algorithm[J]. Computer Engineering and Applications, 2011, 47(11): 229-232.

[1]	孙泽宇，徐琛，苏艳超，李传锋，聂雅琳. 雾计算中跨层感知分簇路由协议[J]. 计算机工程与应用, 2021, 57(9): 109-117.
[2]	胡晓敏，王明丰，张首荣，李敏. 用于文本聚类的新型差分进化粒子群算法[J]. 计算机工程与应用, 2021, 57(4): 61-67.
[3]	陈万芬，王宇嘉，林炜星. 异构集成代理辅助多目标粒子群优化算法[J]. 计算机工程与应用, 2021, 57(23): 71-80.
[4]	杜守信，毋涛. 双种群混合遗传算法的裁剪分床应用研究[J]. 计算机工程与应用, 2021, 57(22): 182-189.
[5]	李雷孝，邓丹，李杰，王永生. 基于粒子群优化的全比较计算数据分发策略[J]. 计算机工程与应用, 2021, 57(15): 109-117.
[6]	廖玮霖，程杉，尚冬冬，魏昭彬. 多策略融合的粒子群优化算法[J]. 计算机工程与应用, 2021, 57(1): 69-76.
[7]	陈秋菊，徐建国. 优化正交匹配追踪和短时谱估计用于声音识别[J]. 计算机工程与应用, 2020, 56(7): 162-169.
[8]	张水平，李殷俊，高栋，梁文. 带有动态爆炸半径的增强型烟花算法[J]. 计算机工程与应用, 2020, 56(18): 50-57.
[9]	黄建琼，郭文龙. 混合粒子群和改进细菌觅食的不平衡数据分类[J]. 计算机工程与应用, 2020, 56(10): 171-178.
[10]	张鑫1，邹德旋1，肖鹏1，喻秋2. 自适应简化粒子群优化算法及其应用[J]. 计算机工程与应用, 2019, 55(8): 250-263.
[11]	郑朝鑫1，2，董晨1，3，贺国荣1，3，陈荣忠1，3，熊子奇1，3. 基于改进粒子群算法的动态3D实时建模技术[J]. 计算机工程与应用, 2019, 55(5): 65-71.
[12]	马炫，刘栋，胡家鑫. 求解必经点k条最优路径问题的粒子群优化算法[J]. 计算机工程与应用, 2019, 55(20): 89-94.
[13]	汤深伟，贾瑞玉. 基于改进粒子群算法的[k]均值聚类算法[J]. 计算机工程与应用, 2019, 55(18): 140-145.
[14]	王燕燕1，王宏伟1，2. 基于粒子群的后件多项式RBF神经网络算法[J]. 计算机工程与应用, 2019, 55(12): 72-76.
[15]	郭世伟，孟昱煜，陈绍立. 改进的PSOGM算法在动态关联规则挖掘中的应用[J]. 计算机工程与应用, 2018, 54(8): 160-165.