改进人工免疫算法求解柔性作业车间调度问题

柔性作业车间的合理调度是提高生产效率和效益的关键,为了解决柔性作业车间调度问题求解过程中的难题,提出一种改进人工免疫算法的柔性作业车间调度方法.首先对当前柔性作业车间调度的研究现状进行分析,然后基于总加工时间最短构建数学模型,采用人工免疫算法进行求解,并针对标准人工免疫算法存在的不足,引入粒子群算法保持种群的多样性,以避免出现局部最优解,最后采用标准算例集对算法的性能进行仿真测试.结果表明,相对于其他算法,改进人工免疫算法获得了较优的柔性作业车间调度方案,尤其在解决大规模问题时,优势更加显著.     

订单可分解多柔性作业车间协同鲁棒调度

针对企业多车间协同生产需求,对多柔性作业车间协同调度问题展开研究,提出了一种订单可分解多柔性作业车间协同鲁棒调度方法。给出多车间协同调度的求解方案,设计了两级决策树生产订单分配模型,其中,第一级决策树进行分配策略选择,第二级决策树进行生产订单拆分。在第一级决策树中设计了基于遗传算法的拖期检测方法,提高车间产能评估的准确性,同时,将新订单加入视为动态调度过程,通过染色体的层次选择增强调度的鲁棒性。在第二级决策树中基于线性规划提出了生产订单分解的上下界准则。最后,通过一个基准案例以及部分生产实例对订单可分解多柔性作业车间协同鲁棒调度方法进行测试。测试结果表明,该方法具备可行有效性,可供企业实际应用参考。     

基于Petri网和GASA的双资源JSP动态优化调度

以带有控制器的Petri网为建模工具对柔性生产调度中的离散事件建模.该模型不仅能够反映柔性生产线上待加工产品的多条工艺加工路径及其资源约束,还可以对系统的设备维护、各种优先级等特性进行描述.利用遗传算法和模拟退火算法(GASA)获得调度结果,用于解决作业车间在机床、操作工人等生产资源制约条件下的动态优化调度.该调度以生产周期为目标,通过多种交叉、变异、概率更新、再分配策略等遗传和模拟退火操作,得到目标的最优或次优解;尤其重要的是该算法能够在扰动发生后迅速提供新的调度计划.对算法进行了仿真研究,结果表明该算法是可行、有效的.     

基于随机机器故障的柔性作业车间动态调度

为了有效快速地应对生产过程中出现的随机机器故障,构建了一个故障机器可恢复的动态柔性作业车间调度模型,采用事件和周期混合驱动的方式,设计了一个组合重调度策略.在组合重调度策略中,将改进的二叉树右移重调度与完全重调度进行组合,引入序位偏差和完工时间偏差为重调度评价指标,对重调度方法进行选择,并且在精英选择遗传算法(elite selection genetic algo-rithm,ESGA)基础上,对精英选择策略进行改进,以防止陷入局部最优.试验算例仿真结果表明,动态调度算法对随机机器故障下的柔性作业车间动态调度是有效的.     

加急订单扰动的多目标柔性作业车间动态调度问题研究

为了快速应对柔性作业车间生产过程中出现的突发状况,构建了一种以全局任务最大生产完成时间、机器负载和能耗为优化目标的多目标柔性作业车间动态调度模型。针对上述模型,采用适用于动态调度的动态交互层(DIL),在此基础上设计了多目标粒子群遗传算法(MOPSGA)。采用精英基因序列化策略和基因池选拔策略增加帕累托非支配解集个数和质量,再重新评估、获取帕累托非支配解集。针对柔性作业车间加急订单的意外状况,采用DIL与MOPSGA相结合的方法求解动态调度问题。仿真实验结果验证了DIL处理紧急订单的能力和MOPSGA的有效性。     

面向柔性作业车间调度问题的改进博弈粒子群算法

对柔性作业车间调度问题的研究可以令实际生产加工过程更加贴合当今人们对商品个性化和定制化方面的需求。在对柔性作业车间调度问题中的多个性能评价指标进行研究后,巧妙利用它们间的矛盾点,在自创的问题编、解码方案的基础之上,建立了博弈解集,并对传统粒子群算法的寻优机制进行改进,提出了改进博弈粒子群算法。运用该算法对一组标准问题调度算例进行求解, 验证了该算法良好的求解性能。同时,通过与其他粒子群算法结果和耗时等的比对显示该算法可以更有效地求解以最小化最大完工时间作为唯一优化目标的柔性作业车间调度问题。     

快速路交通事件持续时间预测模型研究

针对城市快速路交通事件持续时间影响因素的复杂性和不确定性,结合贝叶斯网络和非参数回归方法,提出了一种新的快速路交通事件持续时间预测模型.采用上海市快速路监控中心数据,经过降噪处理,生成样本数据;在分析样本数据特征基础上,确定了贝叶斯网络的结构学习方法与参数学习方法;对贝叶斯网络模型的结果用非参数回归算法生成持续时间预测值.最后,对模型预测精度进行了验证,发现模型预测效果较好.     

多目标模糊柔性作业车间调度问题优化

为降低柔性作业车间调度中的能耗,针对实际制造车间中工序加工时间和交货期的不确定性,将加工时间和交货期采用模糊数表示,建立以完工时间、平均满意度和最小满意度为柔性作业车间调度问题的多目标函数。同时设计了邻域遗传算法(GANS)求解该问题,算法采用机器选择的方法产生初始种群,并采用工序插入式方法对染色体进行解码;采用动态交叉概率及改进精英保留策略来保证种群的多样性和加快算法的收敛速度;并提出一种基于移动模糊关键工序的邻域结构来加强算法的局部搜索能力。最后通过数值实验验证了模型和算法的有效性和可行性,并对4个基准问题进行测试。结果表明:该算法在求解的精度、鲁棒性和解集的分布性方面与传统算法相比具有一定的优势,是一种有效的求解模糊柔性作业车间调度问题的新方法。     

求解柔性作业车间调度问题的免疫遗传算法

通过对柔性作业车间调度问题(FJSP)进行分析,借鉴生物免疫机理提出一种求解柔性作业车间调度问题的免疫遗传算法(IGA).该算法在保留基本遗传算法(SGA)随机全局搜索能力的基础上,通过抽取疫苗和接种疫苗等免疫机制,有效改善基本遗传算法的未成熟收敛和局部搜索能力差的不足,显著提高了基本遗传算法对全局最优解的搜索能力和收敛速度.仿真实例表明,免疫遗传算法能有效解决柔性作业车间调度问题.     

应用需求时间窗的柔性作业车间调度优化模型

为解决拉动式生产模式下准时交货给生产调度带来的困难,提出了一种基于需求时间窗的柔性作业车间调度问题优化方法。首先,根据工件的需求时间窗口,构建了一种以工件完工时间平均隶属度最大为目标函数的柔性作业车间调度问题优化模型。然后,针对模型提出并设计了一种基于多阶段混合变异的禁忌搜索算法。为增强算法收敛性,利用逆序变异和基因段交换变异找到较好的初解,在此基础上利用基因交换变异继续搜索优解。最后,通过在某多品种小批量生产车间的应用验证了该方法有效性。     

基于改进遗传算法的多目标柔性作业车间节能调度问题

为降低柔性作业车间调度中的能耗,在分析柔性作业车间调度问题研究现状和不足的基础上,以完工时间、机器能耗和工人操作机器的舒适度作为柔性作业车间调度问题的多目标函数。利用改进遗传算法对其进行优化研究。算法中采用权重法对种群进行初始化处理以获得较好的解;采用快速解码获得需要的总适应度值;利用改进的交叉及变异操作,避免非法解的产生;利用精英保留策略保留优秀基因,提高求解效率和求解质量。通过对具体案例仿真验证算法的有效性。     

基于目标级联法和粒子群算法的柔性分布式车间调度

针对传统的单车间调度优化不能满足分布式车间调度优化的需求,提出一种基于目标级联法和粒子群算法的层次化柔性分布式车间调度优化模型,其中的生产计划层负责零件的分配,车间调度层负责零件加工路线的规划.以2个柔性制造车间组成的调度优化问题为例,验证该调度模型的有效性.研究结果表明:所提出的模型在将加工零件合理地分配到适当车间的同时,实现了零件加工路径的规划,从而为解决柔性分布式车间调度优化问题提供一种有效方法.     

求解FJSP的改进元胞粒子群算法

以企业的实际需求为依据,建立了柔性作业车间调度问题的数学模型;针对其特点,提出一种混合元胞粒子群优化算法,通过双层编码,将工件的加工顺序与加工机器位置信息数值化表示;引入遗传算法中的交叉、变异操作,改进了粒子位置更新方法;融入变邻域算法,改善算法局部搜索能力.通过仿真实验,结果表明:算法在求解能力方面有所提升,能够有效地求解柔性作业车间调度问题.     

扰动环境下作业车间网络多瓶颈识别方法研究

针对扰动环境下作业车间多瓶颈识别困难、瓶颈漂移后的瓶颈识别缺乏全局性和实效性这一问题,构建了基于网络特性的多瓶颈动态识别方法。首先,根据设备工装、工艺路线、物流路径以及产品配置等多层次生产数据,构造作业车间网络模型;其次,建立作业车间网络动力学方程,获取扰动因素流转的判定依据。对瓶颈内涵进行扩充,综合考虑节点自身动力学特性、节点间拓扑耦合影响机理及扰动在生产网络中的传播机制,建立基于耦合映射格子(CML)的瓶颈识别算法,实现作业车间瓶颈的量化描述和连续预测;最后,对某机电企业作业车间进行瓶颈的动态监控和预测。结果表明:在扰动环境下,CML模型能够较好地预测各工作站瓶颈度走势,其中工作站R1平均瓶颈度为1.12,瓶颈持续时间长达40h;工作站R3的平均瓶颈度为1.05,瓶颈持续时间为10h;工作站R1、R3首先成为系统的瓶颈,随着加工进度的推移,工作站R1和R24交替成为系统瓶颈。研究结果与该企业实际情况具有很好的一致性,验证了该方法的有效性和准确性。     

基于SystemC的罩式炉退火车间离散事件仿真模型

罩式炉退火车间的调度过程是一个典型的多机、多阶段、多约束、有重入的流水车间并行作业调度问题,难于解析建模.考虑SystemC解决大规模集成电路硬件建模问题的优势,分析退火工艺流程,采用平台映射的思想将罩式炉退火车间生产过程映射到SystemC上进行描述,结合离散事件仿真技术建立了基于SystemC的罩式炉退火车间离散事件仿真模型.该模型能快速有效地对退火过程任意初始状态进行模拟,实现方法容易、程序简洁、运行速度快、可读性强,为生产作业调度提供了决策支持.通过实例验证了基于SystemC的建模方法解决离散事件仿真问题的正确性和有效性.     

基于模糊综合评判的实际生产调度决策研究

为解决实际生产调度中的模糊不确定性决策问题,提出了基于优先级规则和模糊综合评判结合的生产调度决策方法.通过分析实际生产调度中的任务分派过程,得出任务分派时需要考虑的任务影响因素以及设备影响因素.利用影响因素的隶属函数表示各影响因素的优先程度,解决了调度过程中的不确定及偏好信息的表示问题.通过模糊综合评判计算,对任务优先级和设备的优先级进行综合计算,解决了调度过程中多模糊因素综合权衡问题.最后通过算例对该方法计算过程进行说明,并以实际车间调度应用为例分析了该方法的实用性.     

量子进化算法在柔性作业车间调度问题中的应用

针对柔性作业车间调度完工时间最小化问题,提出了一种基于量子计算的量子进化算法。根据柔性作业车间调度问题的特点,设计出基于工序编码和基于机器编码的量子编码及解码方法。引入动态旋转角策略和跳跃基因算子,并通过实例验证了算法的有效性。     

基于混合元胞遗传算法的柔性车间调度问题研究

针对柔性作业车间调度问题,建立了以最大完工时间最小、机器最大负荷最小、总机器负荷最小为优化目标的多目标优化模型.引入多色集合理论,建立了柔性车间调度问题的多色集合约束模型,提出了基于多色集合约束模型的元胞遗传算法(apolychromatic collection based cellular genetic algorithm,PCGA),以解决遗传算法在求解柔性车间调度问题时表现出的早熟和收敛性不足等问题.用改进的元胞遗传算法求解柔性车间调度的多目标优化算例,并与其它遗传算法进行比较,实验结果表明,基于多色集合的改进元胞遗传算法在求解此问题时更为高效.     

考虑班次约束的Job Shop等量分批调度算法

为解决产品种类多、中小批量的多目标柔性作业车间调度问题,提出了一种基于等量分批方法的多目标柔性分批启发式调度算法。考虑了实际生产中的班次作息时间等约束,采用FIFS与EDD、SPT及OSPT策略相结合的多种分派规则,使得算法在优先调度空闲机床的情况下,根据不同的分派策略得出短批次优先、短订单优先、交货时间优先的三种调度结果,决策者可根据三种调度结果的性能选择最适合的调度方案。实例计算结果表明,该算法是高效、可行的。     

考虑多种时间因素的作业车间调度优化

为了简化模型和研究的需要,在大部分作业车间调度研究中,加工时间是主要考虑对象,但是统计表明非加工过程时间在生产制造过程中的占比超过90%。车间生产过程的调整时间、运输时间和故障时间等辅助时间在调度中有着重要作用,时间因素的忽略导致很多调度结果不能在实践中得到良好的应用。针对这个问题,根据作业车间生产实际过程,从调度的应用出发,综合分析了运输时间、调整时间、等待时间、故障时间、加工时间等多种作业车间时间,研究了多种辅助时间条件下的作业车间调度问题,建立其调度模型并设计了改进遗传算法进行求解。最后验证和比较了作业车间经典调度用例,结果显示,考虑时间因素对作业车间调度优化性有较好的改进。