柔性机器加工排序问题中的遗传算法

现代制造系统中，计算机辅助加工计划(CAPP)起着非常重要的作用，它是从计算机辅助设计(CAD)到计算机辅助制造(CAM)不可缺少的中间环节。在允许作业柔性加工的基础上，本文提出一种新的两目标机器加工排序问题。由于该加工排序是一个NP-完全问题，进而构造了一个新的遗传算法求解该问题的非劣解解集。数值计算表明，该方法对两目标的柔性加工排序问题是有效的。     

一类加工时间依赖资源的排序问题

讨论一类工件的加工时间受资源约束的单机排序问题1|pj=bj-ajuj,∑uj≤U|∑ωjCj，给出它的最优解的两个性质，证明该类问题是NP-难的。     

一种新的求解Flow Shop问题的启发式算法

同顺序 Flow Shop问题是一个著名的 NP难题 ,至今尚未找到有效算法 .总体来讲 ,求解该问题的启发式算法主要可分为规则式算法和迭代式算法两种 .对该问题有很多求解目标 ,如最小加工周期 ( min makespan) ,工件的最小平均在系统的停留时间 ( min mean flow tim e)等 .本文以求解最小加工周期为目标 ,基于目前已知的性能最好的算法 NEH算法的基本思想 ,提出了一种新的启发式算法 -组合指标算法 .大量的数据实验表明 ,新的算法具有很好的计算结果 ,而且这种算法可以说是给出了求解 Flow shop问题的一种新的思路和方向.     

线性减少加工时间的资源约束单机排序问题

讨论具有连续资源的单机排序问题。在这一模型中,工件的准备时间是所消耗资源的非负严格减少连续函数,工件的加工时间是开工时间的严格减少线性函数。考虑两类问题,第一类问题的目标函数是在满足最大完工时间限制条件下极小化资源消耗总量。第二类问题的目标函数是在满足资源消耗总量限制条件下极小化最大完工时间。对两类问题讨论了最优排序的某些特征。基于对问题的分析,分别给出了求解最优资源分配的方法。结果表明,加工时间为常数情况的结论对于加工时间是开工时间线性函数的情况仍然成立。     

极小化加权总完工时间的同时加工排序问题

讨论了平行机串联工件同时加工排序问题。目标函数是极小化加权总完工时间,并假设满足每批均含有k个工件,并且每批的加工时间为该批中所有工件的加工时间之和。对平行机的情况,该问题是强NP难的。本文主要针对该问题的两种特殊情况:(1)所有工件的权相等;(2)所有工件的加工时间相等,分别给出了最优算法,分析了算法的时间复杂性,同时用数值例子作了说明。     

基于模糊灰色分析的方案排序及应用

本文应用系统分析方法，将设计方案的评选、产品性能的评估等问题，看成方案排序问题，并归结为模糊评估和灰色关联分析的两个过程，建立了方案排序的模糊加权关联度模型。实例计算表明本方法是可行的。     

有重叠两抓钩周期性排序问题的搜索求解方法

提出了一种搜索求解方法以求解有重叠两抓钩周期性排序问题 ,该方法把问题分解成相应序列的子问题 ,通过序列空间中好的序列的搜索以得到比较好的排序。示例表明该方法是有效的。     

关于带有传输时间的F2|perm|Cmax排序问题的一个新算法

考虑传输时间的同顺序排序问题是在机器人设计及柔性制造系统中有着广泛应用的一类排序问题。     

求解含调整时间并行机排序问题的遗传算法

车间作业排序问题是生产管理和组合优化领域研究的重要课题,由于其内在的复杂性(NP-Hard),很难用经典方法求出其最优解.本文针对含非常数调整时间的并行机的作业排序问题(n|m|P,Sij|C max),设计了一种遗传算法的实现形式.算例计算分析表明,该算法具有良好的收敛特性和运算效率.     

基于仿真的车间作业计划优化设计

车间作业排序是一个NP-Hard问题,针对其复杂性和难以求解的特点,提出了采用仿真与优化算法相结合的求解方法。首先,建立了车间作业计划仿真优化系统的框架,采用UML对系统进行建模分析,并在仿真软件eM-Plant中映射实现,应用遗传算法优化模型关键参数,实现最优排序,最后示例说明该系统。该方法简单可行,为解决这类复杂问题提供了一条捷径。     

加工时间线性递减的平行机排序问题

主要讨论了具有两台处理机的平行机排序问题和每批恰为k个工件的串行工件同时加工排序的平行机排序问题。在这两个问题中,工件加工时间均为开工时间的线性递减函数,目标函数为极小化总完工时间。对于第一个问题,证明了其最优排序可由工件按基本加工时间不减排列得到,由此得出其最优算法,并指出了该结论对于加工时间随开工时间线性递增的情况并不成立。对于第二个问题,根据其与第一个问题在某些性质上的相似性,给出了其最优算法。最后指出所讨论的两个问题的结论均可推广到m台处理机的情况。     

用单亲遗传算法解具有窗口式交货期的多机加工排序问题

具有窗口式交货期的加工排序问题是一个强NP困难问题,传统方法的计算效果往往不能令人满意.采用基于整数编码的单亲遗传算法较成功地解决了这类窗口式交货期的单机和多机加工排序问题,并讨论了该算法的计算复杂性是属可计算的.文中的算例表明,该算法是实际有效的.     

混合装配流水线上最小makespan的协同优化

混合装配流水线是实现快速响应的一种多品种小批量的生产组织方式,流水线平衡和产品排序是紧密相关而且对目标值存在交互影响作用的两个NP-hard问题.文章分析了流水线平衡与产品排序对流水线的makespan目标的交互影响,建立了优化模型;基于两个问题的交互影响,采用协同进化算法,并行协同地优化混合装配流水线上的makespan.通过对经典流水线问题的计算实验,并与串行独立优化方法对比,结果表明:并行协同优化是一种全局优化方法,能够克服后者的局限性,改善优化的结果,进一步地,文中对混合装配流水线上makespan的协同优化方法可以推广到Flowshop的优化中去.     

具有学习效应的平行机排序问题

针对具有学习效应的平行机排序模型,讨论了两类问题。在这一模型中,工件的实际加工时间不仅与其所在排序中的位置有关并且与其本身的学习率有关,对于在同一台机器上加工的工件,工件随位置的靠后其实际的加工时间减少。第1类问题的目标函数是极小化提前与延误的加权和;第2类问题的目标函数是极小化提前与误工工件数的加权和。对这两类问题分别给出了多项式算法。     

加工时间带恶化和指数学习效应的成组排序

本文研究了成组技术下带依靠时间的线性恶化效应和依靠位置的指数学习效应的排序问题.模型中,组安装时间是开始安装时间的线性函数,工件的加工时间带线性恶化和指数学习效应,对最小化时间表长问题和最小化总完工时间问题分别给出了多项式算法.     

排序问题Pm，ai|on-line|Cmax的LPT算法

讨论了任务实时到达的平行机在线排序问题。Chen和Vestjens证明了LPT算法的界为3／2。将这一结论推广到了处理机具有准备时间的情况。     

单抓钩动态排序的启发式算法

计算机控制的抓钩被广泛地用于先进制造系统中的材料搬运.由于抓钩排序问题直接影响这些系统的生产率和安全性,因此,有必要对此进行研究.研究了单抓钩动态排序的问题,提出一个启发式算法,该算法是通过解一系列静态问题来解动态问题的.静态问题的解是使用顺序搜索和线性规划结合的方法,而线性规划模型对给定的顺序求最优解.量化的示例表明所使用的方法是有效的.     

求解作业排序问题的通用混合遗传算法研究

车间作业排序理论是生产管理与组合优化领域的重要研究方向 ,由于其固有的计算复杂性( NP-Hard) ,一般无法利用经典方法求出最优解。本文针对一般作业排序问题 ,将遗传算法与启发式方法相结合 ,建立了一种混合算法框架 ,利用遗传算法改进启发式方法的求解性能 ,同时利用启发式方法引导遗传搜索过程 ,以提高其搜索效率。通过对完工时间与平均延误时间等不同优化目标的计算分析与比较表明 ,该方法对不同类型的排序问题均具有相当满意的求解效果.     

排序问题Pm，ai|on-line|Cmax的LPT算法

讨论了任务实时到达的平行机在线排序问题。Chen和Vestjens证明了LPT算法的界为3／2。将这一结论推广到了处理机具有准备时间的情况。     

突发事件应急管理中的中断-继续随机排序模型

给出一个突发事件应急管理中的中断-继续随机排序模型,其中突发事件的开始时间和持续时间都是随机的.极小化的目标函数是期望加权完工时间和、期望加权误工时间和及期望加权误工工件数.对目标函数是期望加权完工时间和的问题,证明了在相融条件下,问题是多项式可解的;如果突发事件的开始时间是均匀分布,WSPT规则是问题的最优策略;对突发事件的开始时间是确定的特殊情况,给出一个动态规划算法.对目标函数是期望加权误工时间和及期望加权误工任务数的问题,证明了在相融条件下,它们都是多项式可解的.