考虑再制造的多级受限批量问题

文章针对单一最终产品的多级生产系统,建立了混合制造与再制造的一般批量模型;考虑了制造和再制造的多资源限制,并假设经过再制造出来的产品性能与新制造出来的产品相同,共同满足外部需求;构造了一个惩罚因子随着迭代过程变化而变化的自适应罚函数,把有能力约束的批量问题转换成无能力约束的批量问题后,采用遗传算法对模型进行求解;最后通过具体的算例来验证模型的可行性与算法的有效性,为相关企业进行生产决策提供参考.     

有能力约束的单机经济批量计划问题优化模型

有能力约束的单机经济批量计划问题是企业管理中的一重要问题,在企业信息化软件开发中具有重要的实际应用意义.在国内外研究的基础上,建立了求解有能力约束的单机经济批量计划问题的数学模型.由于上述问题为NP难问题,根据模型解的特征,采用遗传算法的原理,设计了求解上述模型的遗传算子和流程,利用dephi编程得出了计算结果.结果表明,算法效果优于唐立新(1999)的结果;且在有能力约束的情况下,算法得出的结果接近无能力约束的情形,充分说明了该算法的有效性.     

多资源约束的GTLS问题的遗传算法

成组单元环境下的生产批量计划问题成组批量计划问题（ＧＴＬＳ）对带有多能力约束的ＧＴＬＳ构造了遗传算法和线性规划混合算法进行求解，能够获得问题的近优解，仿真和计算结果表明了算法的有效性。     

基于改进遗传算法的拆卸序列优化研究

针对复杂机械装配关键系统的拆卸序列优化问题,建立了拆卸序列规划模型,提出了一种改进的双种群遗传算法.通过拆卸混合图的表达拆卸序列信息,在改进的遗传算法中利用优先约束矩阵生成TOP序列种群,以拆卸时间最少为优化目标对拆卸序列进行优化.某企业生产的装载机变速箱的再制造拆卸序列优化,进一步验证了该算法的有效性和可行性.     

基于遗传算法的多阶段动态批量生产问题研究

在生产系统的供应链中,有已有制造线和再制造线两个阶段,合理安排两个阶段的生产计划是实现成本最小化的关键。考虑库存费用、制造全新产品数量和再制造产品数量的因素下,建立面向再制造线和已有制造线两阶段的动态批量生产成本优化模型,针对这一模型设计了自适应遗传算法并结合实际案例对问题求解,给出了合理的生产计划,实验表明:该遗传算法对解决多产品的动态批量问题有良好效果。     

单级有资源约束的生产批量计划问题的元算法

为了解决生产计划系统中单级多资源约束的生产批量计划问题,采用将遗传算法广度搜索能力和局部深度搜索能力相结合的元算法(memetic algorithm,MA),对资源约束型生产批量计划模型进行了求解,并采用能力调整法和罚函数法处理不可行解.在能力调整法的实施阶段,采用"先顺序,再逆序"的处理方式进行资源能力调整.给出了元算法的运行流程图,对元算法的计算性能进行了测试,并与现有文献中的若干实例进行了比较,验证了所提算法的可行性和适用性.     

无资源约束MLLS问题的三种求解算法效果比较

用于求解无资源约束多级生产批量计划(UMLLS)问题的算法包括混合粒子群(HPSO)算法、混合分散搜索算法(HSS)和带排斥算子的遗传算法(RGA).为了研究各算法对问题的适用性,对于上述三种算法的求解效果采用标准测试集进行了较全面的测试和比较,给出了针对不同规模无资源约束生产批量计划问题的算法选择方案.测试结果显示:对于小规模和中规模问题,HSS算法的效果更好;对于大规模问题,HPSO算法的性能更优越.     

基于小生境遗传算法的矩形件优化排样

将小生境遗传算法应用于计算机辅助排样领域,提出了一种改进的解码算法--高度调整法,将高度调整法和小生境遗传算法相结合,用于求解矩形件排样问题.该方法首先将矩形件的排样问题转化为便于优化求解的排列问题,然后应用小生境遗传算法的全局优化概率搜索能力进行优化求解,优化计算过程中应用高度调整法将排样序列转化为排样图.用该算法对文献中的两个算例进行了求解,结果表明该算法是行之有效的.     

动态无功优化的混合智能算法

针对存在离散控制设备动作次数约束的动态无功优化问题,提出免疫遗传算法和非线性内点法的混合算法.首先忽略控制设备的离散性和动作次数约束,采用非线性内点法求解初始优化解;然后按照控制变量的性质将原问题分解为连续优化与离散优化2个子问题迭代求解.在离散优化问题中,保持连续变量不变,采用免疫遗传算法优化离散变量,通过特别的编码方式使抗体自动满足动作次数约束;在连续优化问题中,保持离散变量不变,采用非线性内点法优化连续变量.混合算法充分结合了免疫遗传算法和非线性内点法的优点,能较快求解动态无功优化的近似最优解.IEEE14节点系统的仿真结果验证了混合算法的有效性.     

允许延期交货的制造/再制造受限批量模型研究

文章研究了制造/再制造混合生产场景下的经济批量问题,建立了一个生产能力受限的制造/再制造混合批量模型,并根据问题模型的特性设计了一种启发式蚁群优化求解算法;该算法根据前一轮选择的路径调整可行解的信息素,再按转移概率选择保留路径,或启动相应的局部启发式过程来调整路径,最后编程实现了算例,验证了所提算法的有效性和效率。     

积分控制粒子群算法在再制造生产调度问题中的应用研究

针对不确定条件下再制造模糊加工时间的车间调度问题,建立了模糊工时调度模型,并提出了一种积分控制微粒群算法。考虑到基本粒子群算法易于早熟的缺点,通过增加控制器对粒子轨迹进行控制,在算法中引入加速度项,增强了种群多样性,提高了算法全局寻优能力。通过仿真实例验证表明,该算法在解决不确定条件下再制造生产车间调度问题方面是行之有效的。     

基于云遗传算法的不确定性环境下平台资源调度适应性优化方法

针对战场环境中不确定因素对平台资源调度方案的影响,提出了一种面向不确定事件的平台资源调度适应性优化方法。考虑平台损耗和任务处理时间2个方面的不确定性,建立以最大任务执行效率为目标函数的平台资源调度的适应性优化问题的数学模型,根据不确定事件对平台资源能力或任务属性的影响来判断是否触发调度方案的适应性优化,并基于云遗传算法设计了平台资源调度适应性优化问题数学模型的求解方法,最后通过算例进行了验证。仿真结果表明,使用云遗传算法对平台资源调度方案进行适应性优化调整,能得到更加优化的平台任务匹配关系,并从整体上缩短使命完成时间。     

单无人搬运车/单缓冲区约束的柔性生产系统调度研究

阐述了无人搬运车( AGV)在柔性生产系统中的调度规则,并在此基础上建立了实现工件调度和AGV调度集成问题的数学模型.改进了普通的遗传算法,设计了二次解码算法,优化了基因序列,实现对遗传算法的优化.调度结果不仅给出了各加工站的优化作业顺序,而且给出了AGV的行走优化路径.实验结果表明,改进的遗传算法的计算效率比普通的遗传算法高,同等计算条件下设备利用率也明显提高.     

基于遗传算法的离散型并行生产的调度排优

在分析了CIM体系结构中离散型并行生产调度问题的基础上,基于遗传算法,针对调度排优问题,建立了以总加工完成时间最短为优化目标的数学模型,并设计了遗传算法的编码、交叉、变异算子,详细描述了遗传算法的各个组成部分·利用数据库技术,开发了实现该算法的可视化软件,并在实际应用中实现了调度系统与CIMS其他模块之间的集成·理论分析与实践表明,遗传算法简明、有效并且实用,所求解得到的优化作业排序对于并行生产的车间作业调度具有很好的指导意义·     

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.     

离散变量桁架结构拓扑优化的遗传禁忌搜索算法

采用遗传禁忌搜索算法求解多工况多约束的桁架结构拓扑优化问题.在遗传算法中采用直接比较-比例方法(DCPM)处理约束,避免了确定罚因子的选择问题.为了提高遗传算法的局部搜索能力,在每一代遗传操作之后选择一定比例的解进行禁忌搜索,形成遗传禁忌搜索算法,以提高算法的全局搜索能力和收敛速度.数值算例表明,该方法用于求解多工况多约束的离散变量桁架结构拓扑优化问题是方便、快速和有效的.     

基于多Agent与遗传算法的柔性车间调度系统研究

为解决柔性车间调度自动化及优化问题,建立了基于多Agent及遗传算法的柔性车间调度系统。系统是一个由管理Agent,调度Agent及多个加工单元Agent组成,系统中通过遗传算法实现静态优化调度,而通过Agent之间的协作现实动态调度。加工任务到来时,先经管理Agent评估,接受后打包相应信息传递给调度Agent;调度Agent调用其面向对象遗传算法对任务进行优化分解并传递给各加工单元Agent;加工单元Agent根据调度Agent下达的任务进行加工,同时通过相互协调动态调整加工任务,以消除加工过程中出现的不确定性。示例运行表明所建立的系统可行,并兼有实用性,先进性和有效性。     

基于交替迭代遗传算法的多级车间生产计划与调度的集成优化

为了提高多级生产系统的运作效率,研究了一类多周期的多级车间生产计划与调度的集成优化问题,该生产系统由一级混批Job-shop车间和一级混流装配车间串联而成.首先建立了该类集成优化问题的混合整数规划模型,该模型从上下游生产车间的需求关系出发,综合考虑上下游车间的物料平衡、设备负荷以及开工位置等约束条件,同时满足优化上下游生产线的费用目标.然后提出了一种交替式混合遗传协调优化算法求解该集成优化问题,其主要思想是给定计划用一种混合遗传算法求调度,反过来给定已求调度用另一种混合遗传算法求取新计划,如此不断交替使用2种混合遗传算法实现计划与调度的同时优化.仿真结果证明了该方法的可行性和有效性.     

基于改进粒子群算法的云计算任务调度策略

云计算环境下的任务调度方法是实现其高效计算的关键步骤,文章针对目前其时间效率低下的问题提出了一种基于改进的粒子群算法的任务调度方法,利用迭代选择算子引入粒子群来完成任务调度的优化。改进的粒子群算法(Improved particle swarm optimization,IPSO),提高了算法的优化能力,尽量避免陷入局部最优,收敛的效果更好从而减少任务调度时间开销。选择CloudSim仿真平台进行模拟,实验结果表明,该改进算法具有寻优能力强、时间耗时少的优点,可用于云计算问题中复杂调度优化的研究与应用。     

一种求解制造／再制造混合系统车间调度的启发式算法

针对传统方法在求解制造／再制造混合系统车间调度时存在的问题,根据制造／再制造混合系统车间调度的特点,提出了最早交货期一最长加工时间（earliest deliverydate-longest processing time fist,EDD-LPT）的启发式算法。首先,将全部工件按照交货期的时间非减排列,对于交货期相同的工件,则按照再制造修复时间非增排列。然后,依次将工件安排在修复费用最小的设备上。对于再制造修复费用和延迟交货费用之和大于新品制造费用的工件,则采用新品制造替换。最后,给出了EDD-LPT启发式算法的最坏误差界。实例研究表明,EDD-LPT启发式算法较传统方法在计算时长方面具有更好的性能。