基于赋时Petri网和GA的柔性制造系统调度

Petri网理论已成为柔性制造系统中建模与分析的主流技术之一,基于Petri网的调度优化问题已被广泛研究。本文为解决柔性制造系统的调度问题,提出了一种基于Petri网和遗传算法相结合的调度方法。首先用赋时Petri网对柔性制造系统进行建模,然后应用遗传算法对该模型进行调度并获取近似最优解。在该算法中,采用新的编码/解码机制,用Petri网模型的变迁激发序列作为染色体编码,且对群体中每个染色体对应的变迁序列不再要求其满足Petri网的可达性条件,而是通过解码部分将其转换为一个满足可达性条件的序列,从而大大简化初始化种群,以及交叉和变异操作。该方法融合了Petri网和遗传算法各自的优点,既可以处理典型的Job-Shop问题,也可以较好地解决柔性制造系统的调度问题。文中通过仿真实验证明了该方法的有效性。     

一类Petri网调度问题的符号求解技术

讨论了Petri网分析的符号有序二叉决策图(Ordered Binary Decision Disgram--OBDD)技术.对于一类赋时Petri网模型的生产调度问题,通过实施赋时位置(迁移)结构等价替换,建立了调度问题求解的符号算法.该算法可以在makespan步得到结果,从而有效改善了求解的效率,适合于复杂大规模Petri网模型调度问题的求解.     

基于Petri网模型的柔性制造系统优化调度

柔性制造系统（flexible manufacturing system, FMS）调度问题属于NP难题, 针对该问题利用赋时库所Petri网（timed place Petri net, TPPN）对FMS进行建模, 在此基础上, 提出了利用改进的嵌套分区（nested partitions, NP）算法对建立的TPPN模型进行优化调度. 采用来自半导体制造的末端测试系统 数据做数值试验, 结果表明, 基于TPPN模型的改进嵌套分区优化调度算法较其它常用算法具有更 好的平衡指数, 可有效降低最大完工时间.     

半导体制造系统改进Petri网模型的建立及优化调度

为了更有效优化半导体制造系统生产资源调度,提出了基于分层着色时间Petri网模型的分时段优化调度方案.通过增强基本Petri网的描述能力和引入分层Petri网的思想,根据半导体制造系统的结构建立其改进Petri网模型-分层着色时间Petri网模型,并在模型中引入调度库所将调度算法嵌入到模型中,该模型能有效地克服基本Petri网模型规模膨胀的缺陷;同时将每一生产周期分成若干时间段,利用遗传算法来寻找各时间段内调度规则组合来优化半导体制造系统的动态性能,实现分时段优化调度,编码时, 根据机器组的利用率来选择部分机器组为瓶颈机器组,重点调度瓶颈机器组, 提高算法的搜索效率;仿真实验结果验证了该调度方案的优越性.     

复杂FMS系统的启发式调度策略

用Petri网对柔性制造系统进行建模的基础上,提出了一种针对较大规模柔性制造系统的启发式调度优化算法.采用了改进的子节点处理方法、与派遣规则相结合的启发函数以及移动窗口等策略,弥补了算法在节点质量评价和节点搜索方面的不足,有效减小算法在可述图中寻路时对节点的搜索范围,加快了算法的收敛速度.仿真结果表明:相对于其他调度算法,该文算法可以快速、高效的编制系统调度计划.     

时间Petri网与遗传-蚁群算法相结合的并行测试研究

自动测试系统中并行测试任务调度方案一直是尚未解决的难题.在基于Petri网理论的基础上,建立了并行测试的时间Petrl网模型,并且首次将遗传-蚁群算法引入到时间Petri网的变迁序列的寻找过程中,快速地求得了最优调度方案.仿真结果表明,该算法能够以较大的收敛概率快速地收敛,最终得到最优变迁序列.     

主从任务调度的T-时间Petri网

任务调度是一个NP-hard问题,并且是并行与分布式计算必不可少的组成部分.本文首先提出了适合描述异构环境下独立、等尺寸的大规模任务调度问题的T-时间Petri网模型,然后给出了刻画该模型运行的并发可达图的构造算法,最后,在并发可达图中得到了最优调度策略,该策略实现了稳定状态的最优调度,有效地缩短了调度的初始化及清除阶段的时间.     

基于改进蚁群算法的舰载机弹药调度

针对舰载机弹药调度供求点多、批次量大等特点,通过分析限制因素,建立了调度方案求解模型。利用蚁群算法对方案模型求解,提出了具体实现算法,每次循环对信息素进行变异调整,并通过引入遗传算法的精英保留和交叉运算操作思想,克服了基本蚁群算法搜索时间长、易陷入局部最优解等缺陷。数值仿真结果验证了调度模型的正确性,以及改进蚁群算法的有效性。     

诊断多智能体重构过程的Petri网模型

为适应故障诊断中动态变化的环境和满足求解复杂系统全部任务的要求,本文以诊断决策问题的结构及建模过程的层次性为基本思想,提出用立体分层Petri网作为可视化建模支持工具支持嵌套式建模,研究了诊断系统重构的立体分层Petri网框架,并详细分析了诊断系统资源调度的Petri网模型、多智能体诊断系统重构的Petri网模型以及功能智能体执行重构的Petri网模型,全文通过实例说明了Petri网模型的设计方法,最后给出了立体分层Petri网模型的求解方法。     

基于事件调度的随机Petri网仿真

当随机Petri网时间变迁的延迟时间分布为非指数分布时，随机Petri网就不再与马尔可夫链同构，不存在数学分析解法。数字仿真成为解算其性能指标最通用的方法。本文提出基于事件调度的随机Petri网仿真算法，该算法适用于任意时间变迁延迟时间分布随机Petri网性能的解算，实例分析证明该仿真算法的有效性。     

基于免疫遗传算法的多目标柔性作业车间调度研究

研究了多目标柔性作业车间调度问题,提出了一种改进的自适应免疫遗传算法。算法根据搜索的历史信息,自适应的调整遗传过程中的遗传参数以提高算法的稳定和效率。针对遗传算法的局部搜索能力差和全局搜索效率低的问题,结合免疫算法的免疫记忆和接种疫苗,对各近似最优解进行动态邻域搜索,提高算法的局部搜索能力和解的质量;免疫反馈和免疫选择能淘汰相似个体,维持种群的多样性,避免算法陷入早熟,改善算法的性能和稳定性。最后通过仿真实例验证了算法的有效性。     

基于微服务架构的云制造调度仿真系统设计与开发

针对当前缺乏低耦合和高扩展的云制造调度仿真系统,无法方便地对调度算法性能进行测试的问题,以成本和完工时间最小化以及服务质量最大化为调度目标,提出一个可扩展的云制造调度模型,并在此基础上设计和开发了一个基于微服务架构的云制造调度仿真系统,实现了系统管理、资源管理、任务管理和仿真管理等功能,具有灵活自治、稳定、可扩展等特征...     

Kind of deadlock-free scheduling method

Deadlock must be avoided in a manufacturing system. In this paper, an efficient algorithm for finding an optimal deadlock-free schedules in a manufacturing system with very limited buffer is presented. This algorithm is based on the effective genetic algorithm (GA) search method, and a formal Petri net structure is introduced to detect the token player assuring deadlock-free. In order to make the scheduling strategy generated by GA meet the required constraint of deadlock-free, some results of the structure analysis of Petri net are involved as a criterion to select deadlock-free schedule from the population generated by GA. The effectiveness and efficiency of the proposed approach is illustrated by using an example.     

在轨空间智能制造:分布式调度建模与优化

在轨空间制造系统是在行星大气层外的需要地面工厂、在轨空间工厂、天地运载工具协同的以进行空间设施建造为目标的一类分布式制造系统.分布式调度建模和高效优化求解技术是实现在轨空间智能制造的关键技术之一.本文针对一类具有组件地面分布式制造及运输、地空分批次运输、组件在轨装配等典型特点的在轨空间智能制造系统,将其分解为分布式同质流水线调度,考虑运输时间的同速并行机调度,考虑工件释放时间、机器可用时间、机器处理能力的单机批调度以及考虑组件释放时间、优先约束的单机调度等问题,并基于模型协调思想建立以最小化组件生产到产品装配总时长为目标的分布式多阶段调度模型.进而,将用于求解连续优化问题的易理优化算法扩展到离散调度问题,提出求解该分布式调度问题的基于易理优化的模因算法.基于中规模、大规模算例的仿真结果和算法分析比较表明:相较于粒子群算法、教学算法、水波算法等智能优化算法,所提算法是一种求解分布式多阶段调度问题的可行、有效算法.值得一提的是,这是第一篇关于在轨空间智能制造系统调度优化的研究.     

无重叠区的两抓钩周期性排序问题的一个搜索求解法

在当今的自动化制造系统中,计算机控制的抓钩的排序直接影响系统的生产率.本文研究了产品在生产线两端装载和卸载的电镀线的周期性抓钩排序问题,目标是极小化生产周期.本文把生产线分成无重叠的两部分,并给每部分分配一个抓钩,构成一个无重叠两抓钩周期性排序问题.为了求解该问题,提出了一种基于线性规划模型和禁忌表的搜索算法.这个算法使用测试的周期长度作为控制参数以产生不同的运送顺序,对每个给定的运送顺序和抓钩分配,用线性规划模型求得子问题的最优解.在搜索中,为了避免相同序列的子问题模型的求解,采用了禁忌表.量化的示例表明所使用的方法是高效的.     

动态柔性作业车间优化调度与决策方法

针对多目标动态柔性作业车间调度问题,提出一种改进的多目标差分进化算法进行求解。在差分进化算法中引入自适应交叉变异算子,提高算法的全局搜索能力;在选择排序时引入基于免疫学原理的快速非支配排序法,提高解集的质量。提出改进的TOPSIS(Technique for Order Preference by Similarity to an Ideal Solution)—G1—熵权综合决策方法。通过Nash均衡理论计算得出G1—熵权法的综合权重;将综合权重与TOPSIS评价体系组合对各调度方案进行评价。通过实验仿真验证了优化调度算法在寻优能力上的优越性以及综合决策方法的有效性。     

柔性作业车间动态调度问题研究

为了有效求解柔性作业车间动态调度问题,提出了一个基于多目标免疫遗传算法(MOIGA)的动态调度优化算法。首先定义了柔性作业车间动态调度问题,然后采用事件驱动和周期驱动相结合的调度策略,提出了基于MOIGA的动态调度优化模型,接着设计了面向交货期性能最优的柔性作业车间调度算法,并讨论了影响算法复杂度的因素,最后通过一个实例仿真,表明了算法的可行性和优越性。     

网络化制造模式下基于改进蚁群算法的供应链调度优化研究

为制定网络化制造（networked manufacturing,NM）模式下供应链合作成员间的动态调度策略,构建了由制造商、协同设计商以及客户组成的三层动态调度模型;在生产能力约束、多目标优化约束等制约因素下,采用时间函数、成本函数和延期惩罚函数三个目标函数对调度问题进行描述;使用改进蚁群算法（improved ant colony optimization algorithm,IM-ACO）,对调度路径可行解节点添加不同的信息素,并将信息素浓度约束在τ_min和τ_max之间,使得供应链客户个性化需求服务、运作时间、成本等综合收益达到最优. 实例仿真表明本文提出的动态调度优化算法求解具有较快的搜索速度、收敛性好,算法具有较好的稳定性;同时,也表明本文构建调度模型合理,可以为实际生产调度提供优化的策略.     

基于免疫算法的多目标柔性job-shop调度研究

建立了多目标柔性job-shop调度模型;然后提出了带有保优机制免疫算法,利用免疫记忆、接种疫苗等机制,在算法中保留并充分利用每代最优抗体和局部最优基因,使算法加快收敛;针对这类调度的柔性,提出基于工序设备双层抗体编码方案和基于设备能力空间的解码方案;采用多目标分级评价方法同时对时间、设备和成本等多目标进行评价和优化.最后,用Benchm ark标准问题的仿真和西安航空发动机(集团)有限公司的调度实例验证了算法、策略和调度模型的有效性和优越性.