采用实时生产信息的单元制造任务动态调度方法

运用无线射频技术来实现对制造单元加工现场实时生产信息的动态获取,并针对制造单元生产过程中常发生的新任务加入、设备损坏和交货期更改的不确定性事件,以制造任务最短完工时间为调度目标,建立了单元制造任务的动态调度模型,通过引入爬山搜索方法构建了混合遗传算法,实现了对该模型的有效解算.混合遗传算法的进化操作由选择、交叉、变异与爬山进化算子组成,可有效地提高算法的收敛速度,在开发的采用实时生产信息的单元制造任务动态调度系统上进行了调度案例验证,结果表明,所提出的方法可以有效地解决不确定性事件的单元制造任务的动态调度问题,从而提高了调度方案与制造单元实际生产需求的一致性.     

改进的NSGA-Ⅱ算法的柔性物料搬运策略

针对传统的装配车间拉动式物料配送存在拣货效率低和配送成本高的问题,提出了以搬运机器人为中心的柔性物料配送策略.建立了以完工时间、延期时间、负载和能耗等目标最小化的多目标多机器人协作配送调度模型;并结合模型特点提出了一种改进的非支配排序遗传算法(non-dominated sorting genetic algorithm-II,NSGA-Ⅱ),对算法的流程、编码方法和遗传算子进行了设计和改进.最后以某汽车部件装配车间为例,运用改进的NSGA-Ⅱ算法对所建模型进行求解,并与经典的NSGA-Ⅱ算法进行了对比分析,验证了算法的可行性和有效性.结果表明,改进的NSGA-Ⅱ算法在求解柔性物料配送问题时具有更优的性能.     

考虑火电机组调度计划交付能力的风火电联合优化与调度

为了规模化开发利用风电,应对高不确定性风电资源的大规模接入,针对我国贫油、少气、富煤的能源结构布局,主要从火电机组调度计划交付能力的角度来研究风火电联合优化与调度,探索充分发挥风火发电的互补机制与理论方法.通过引入机会约束规划来处理风电的随机性,并建立了含概率约束的不确定模型.针对离散时间调度模型中存在的能量不可交付和备用容量上下限不可达的问题,提出含积分约束的连续时间调度模型,将风火电联合优化与调度这一实际问题建模为一个含连续时间约束与概率约束的不确定非线性规划问题,并给出将该问题转化为确定性问题的方法.对所提出的连续时间调度模型进行实验仿真表明了该模型的合理性和有效性.     

不确定环境下再制造加工车间多目标调度优化方法

针对再制造生产过程中工件的加工时间和成本不确定性调度问题,文章提出了一种不确定环境下再制造加工车间多目标调度优化方法。该方法采用模糊变量表示其不确定性参数,以最小化加工时间和成本为目标,在满足模糊交货期等约束条件下,构建了不确定环境下多目标决策的模糊机会约束规划模型,并提出了求解该模型的混合智能算法;应用模糊模拟技术产生样本数据,用于训练神经网络以逼近不确定函数;针对神经网络中存在收敛速度慢、容易陷入局部最优的缺点,应用改进的粒子群算法优化神经网路,将训练好的神经网路嵌入改进的遗传算法中求解调度模型。最后,通过仿真实例,验证该模型和算法的可行性。     

基于遗传算法的航空装备备件送修调度优化

针对航空部队备件配送效率低的实际,构建了带时间窗的双向多目标备件送修调度优化模型。该模型放松了对时间窗的约束,通过优化车辆路径方案,在一定行车总时间和单车车载容量的条件下,能以最少的车辆投入满足各作战部队的需求,有效降低了部队的运输服务成本。为解决模型求解中车辆数量的不确定性和行车路径的多选择性等问题,改进了遗传算法的染色体编码和进化算子,提高了算法的效率。理论分析和仿真试验表明,该算法能有效解决多目标规划情形下航空作战部队备件送修任务。     

考虑需求响应的多目标模糊机会约束动态经济调度

风电和需求响应参与电网调度带来了显著的经济效益并降低了负荷波动,但是风机出力的不确定性给电网动态经济调度带来挑战。针对上述问题,建立考虑需求响应的多目标模糊机会约束动态经济调度。首先,分析风电预测误差在不同功率的模糊特性,并拟合出模糊参数,进而获得风电的模糊隶属度函数。其次,根据模糊理论对系统约束形成可信性测度的模糊机会约束,建立考虑经济和负荷方差的多目标优化模型。在模型求解上,采用清晰等价类将机会约束清晰化,采用基于分解的多目标进化算法求解,然后采用模糊聚类的Pareto最优解集筛选最优解。算例结果表明,所提出的模型,能够有效权衡风电并网风险、系统利润和系统负荷波动。     

基于遗传算法的大型Flow-shop生产调度

Flow-shop调度问题具有建模复杂性、计算复杂性、动态多约束、多目标性等特点。近几年,各种演化计算方法逐渐被引入到生产调度中,特别是遗传算法的应用。为此,应用Matlab开发生产调度程序,并利用实际生产数据进行了仿真;通过相关仿真实验,验证了不同交叉算子和变异算子组合获得的最优解存在差异,获得并验证了一种较好的交叉算子和变异算子组合,其仿真调度数据验证了遗传算法用于求解大型流水车间调度的可行性和有效性。     

炼钢车间多天车动态调度仿真方案

针对炼钢车间多天车动态调度问题，提出了一种滚动调度策略下的仿真调度方案.模型目标函数考虑了最小化天车调度与工序调度在时间节奏上的偏离度，同时考虑了最小化天车工作量及其差异；约束条件在遵守天车避碰约束的同时，考虑了工位容量约束和重调度各种初始条件对天车调度的约束.模型以基于仿真的启发式方法求解.以某炼钢车间双天车调度为实例进行了仿真实验.实验结果表明，该天车调度方案能够维护工序调度稳定，减少和均匀天车工作量.滚动调度策略下，提出的启发式方法所得解的优化性能最高能达到最优解的96.3%.提出的滚动调度策略下的启发式方法相比于现场采用的实时规则调度方法，调度优化性能提高26.4%.     

求解具有时空约束的板坯库天车调度问题Memetic算法

研究了钢铁企业板坯库天车调度问题,考虑了时间和空间以及热轧计划等实际限制,建立了一个板坯出库天车调度模型.针对天车调度问题具有实时性和不可交叉性的特点,设计了基于优先关系的天车分配编码方式、离散事件动态仿真解码、自适应交叉算子以及在交叉和变异后进行模拟退火局域搜索的Memetic算法.通过某钢厂板坯出库过程中天车调度的实际数据对模型和算法进行仿真测试,实验结果表明:该算法具有很高的收敛性和稳定性,满足实际生产需要.     

一种基于混合Petri网的批过程动态调度算法

针对批处理过程动态调度问题的特点，以赋色时间限制混合Petri网为工具，建立了批过程动态调度的混合Petri网模型，将批过程的调度问题映射技术为求Petri网中变迁的最优激发序列问题。在此模型基础上，根据动态规划基本原理，以资源的终极利用即最短生产周期作为调度目标，提出了一种基于赋色时间限制混合网模型求取变迁的最优激发序列的方法，并针对实际情况中出现的复杂的中间产品存贮策略，讨论了在各存贮策略约束下该模型中时间限制区间的确定方法，最后以炼钢－连铸生产系统的过程调度为例，对该算法进行仿真。多次仿真结果表明，当任务和设备的初始时刻或者过程的动态过程发生改变时，调度结果各不相同，从而验证了该算法的有效性。     

基于Petri网和PSO算法的动态分类车间调度

以带有约束条件的Petri网为动态车间调度问题建模,同时提出一种针对动态车间调度问题的编码粒子群算法,对调度序列进行优化．对算法进行了仿真研究,研究结果表明该算法是可行、有效的．     

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.     

车间多载自动导引车绿色物流调度

随着现代制造业的飞速发展,企业在生产效率和生产能耗方面有越来越高的要求,智能生产车间的自动化程度逐渐提高。主要研究作业车间自动导引车(automated guided vehicle,AGV)的智能绿色物流调度问题。首先,建立以降低AGV能耗和最优AGV路径为目标的AGV物流调度优化模型;然后,提出一种以任务排序为约束的改进遗传粒子群算法;最后,以某针织车间的实际物流调度为例对文中方法进行验证。计算结果表明,文中提出的AGV物流调度模型能够较好地模拟AGV绿色调度耗能问题,提出的改进遗传粒子群算法具有较快的收敛速度和较好的寻优能力。     

改进人工蜂群算法求解置换流水车间调度问题

针对置换流水车间调度问题（PFSP），以最小化最大完工时间为优化目标建立数学模型，设计了一种改进人工蜂群算法。该算法采用反向学习方法和混沌映射来生成初始种群，为使算法能够求解离散的调度问题，采用LRV规则将位置数值映射成工件排列顺序；在雇佣蜂阶段，融入差分进化算法的思想，加入高斯变异算子，使收敛速度加快；在跟随蜂阶段，加入自适应策略，将算法的勘探和开发能力进行平衡；在侦察蜂阶段，加入柯西变异算子，避免陷入局部极值。最后通过比较几种不同的算法，对Car算例以及部分Rec标准算例集进行仿真测试，验证该算法的有效性和优越性。     

面向作业车间调度问题的遗传算法改进

为了获得遗传算法在作业车间调度问题上的最优化解,提高算法的迭代速度,研究了遗传算法的改进方法,以工件的加工时间最短为目标建立调度模型。在算法上提出了基于概率改进的具有自适应能力的交叉与变异算子,以求作业车间调度问题的最优解。在遗传算法上采用精英保留策略方法,并结合改进的自适应算子对问题进行求解。以基准案例LA01和FT06作为实验仿真对象,获得了相应的甘特图以及搜索过程曲线。仿真结果表明,与未改进的算法相比,该算法能够更加快速地获得最优解。改进后的算法在搜索上更加快速有效,在求解作业车间调度问题上具有一定的可行性,更加适合工业加工生产。     

移动供应链实时调度模型及协同进化遗传算法

运用精确控制库存检查和车辆调度,实现了动态的供应链配送系统。整合供应链库存控制策略与车辆调度规划,建立移动供应链实时调度模型。该模型针对随机需求下的零售商最优订货,实现在途库存动态配送。在决策模型的基础上,设计协同进化遗传算法,解决模型组合优化过程中的约束满足问题。计算机仿真结果表明,实时调度模型可以有效降低整体供应链运行费用。     

不确定性条件下存储时间有限型Flow Shop问题的提前/拖期调度研究

研究了具有不同交货期窗口的Flowshop提前／拖期调度问题,并考虑处理时间的不确定性以及存储时间的有限性,在模糊规划理论基础上,建立了带有提前／拖期的存储时间有限型Flowshop的调度模型,通过中间值最大隶属度算法,将原有的模糊调度模型转化为清晰的调度模型,并应用了遗传算法进行优化求解。仿真实验验证了算法的有效性。     

基于改进蚁群算法的炼铁原料混匀过程调度优化

通过将炼铁原料混匀过程转化为一种带有顺序相关准备时间、有限中间存储和组装过程的流水车间问题,建立了以最小完成时间为目标的离散调度模型,并针对炼铁原料混匀过程提出了一种改进蚁群算法.该算法通过为单个蚂蚁设置禁忌定时器,将中间存储的状态变化用于修正蚁群路径选择的可行集,减少了调度过程中阻塞造成的时间浪费,构造出质量更好的可行解.数值仿真实验表明,该算法比遗传算法和一般蚁群算法具有更高的计算效率和更好的求解效果.     

车间生产调度中动态小生境协同进化算法

车间生产调度是企业生产的重要环节。为避免遗传算法在求解多车间协同调度时早期成熟和陷入局部最优解,以及收敛速度慢的问题,特引入一种基于动态小生境集的多种群协同进化模型。在基于工序的染色体编码方法的基础上,利用交叉算子和变异算子调整加工顺序和多工艺路线选择。融合动态小生境集技术和多种群协同进化方法,实现多工艺路线下多车间协同生产调度的优化求解。实验表明,该方法具有良好的优越性。