《表9 紧急情况下维修任务为10时，维修调度结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于遗传算法的港口设备事后维修的单机调度》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

实验表明合理地安排调度可以更好地节约维修时间、保证维修的效率。依据最小总加权完成时间的目标，当维修数量为10时，运算时间是10 s，目标函数值逐渐趋于最优，此时的调度顺序为:7→3→9→2→5→8→1→6→4→10，最小总加权完成时间为4 000左右。不优化调度顺序而顺序维修，加权完成时间为5 900，经过模型优化，节约了单位时间1 813。表8和9对比发现在紧急情况模型下可以节约单位时间为1 652.5，阴影部分表示损耗程度变化后，处于大修或小修范围内的损耗设备，在维修序列中出现了损耗程度低判定为小修的维修任务，维修权值增大使得最小加权完成时间增大。而差值不大的、最优的维修顺序也没有改变，主要原因是判定为小修的维修任务原本就在维修调度顺序末端，维修任务数量较少，权值的改变对整个维修时间改变较小；当维修任务数量为20时，遗传算法运行15 s结束，大约在120代算法收敛，此时，正常情况下的最小加权完成时间要比顺序维修节约高达16 582个单位时间；同样，由于在第7、13、16号维修任务中，出现了维修任务损耗程度为0.7的判定大修和损耗程度为0.2的判定小修，此时维修顺序发生改变。对比表10和11，维修任务13由于需要大修被提前，维修的节约时间由16 582改变为18 523，节约时间的增大，说明了维修方式的改变优化了维修调度的顺序，即适当地运用紧急维修模式可以优化维修调度。对比AGA和传统遗传算法，表7中，任务数为10时，AGA算法能更早地寻得优秀的结果，对比寻优结果，AGA得到的结果4 087优于传统遗传算法得到的4 091。随着维修任务不断地扩大，自适应遗传算法能更接近最优目标，算例也说明紧急情况的维修模式可以对正常模式优化，大约60%的状态下运用紧急情况的模式得到的结果优于正常维修模式。