面向半导体车间多目标可重入调度研究

针对半导体制造车间产品重入机台时存在机台状态不一致,使得传统可重入调度方法难以适用的问题,根据半导体车间生产特性,提出了半导体车间多目标可重入混合流水车间调度问题,以最小化最大完工时间为基础,考虑以降低产品不合格率、减少机台工序切换次数为目标,建立此问题的多目标数学模型．提出基于实质不确定因子的最优觅食算法,采用灰色关联分析与MYCIN不确定因子的勾股模糊集的多目标处理策略,将帕累托(Pareto)解的实质不确定因子作为最优觅食算法的适应度值．编码采用基于工件号编码方案,解码通过三段式方法生成可行的调度解．通过仿真实验和半导体车间案例与其他三种算法对比,验证了所提出的模型,算法性能分析结果表明所提出的模型合理,算法具有明显优势．     

柔性作业车间多目标调度优化研究

研究了多目标柔性作业车间调度问题(FJSP),提出了一种基于Pareto的混合遗传算法,并建立了包括生产周期、总拖期时间和机床负载在内的多目标优化模型.该算法采用基于工序的编码方式和活动化解码方法,将Pareto排序策略与Pareto竞争方法结合起来.为了保证解的多样性,采用小生境技术并同时使用多种交叉方法,用Pareto解集过滤器保存进化过程中的最优个体,防止最优解的遗失.算法最后给出问题的Pareto最优解集.仿真试验证明,提出的混合遗传算法可以有效解决多目标FJSP.     

面向大型工业仓库的多AGV综合优化调度方法

针对大型工业仓库中自动引导车(AGV)集群执行大规模任务时效率低的问题,提出一种基于分层规划的综合优化调度方法,将调度问题分解为聚合的上层任务定序分配问题和下层路径规划问题。在上层问题中生成精英解集,将下层路径规划生成的禁忌列表作为碰撞冲突约束条件融入上层问题迭代寻优过程,并在迭代搜索中,将路径规划结果反馈给上层问题并更新约束条件,通过上下两层问题的综合计算得到整体性能最优的方案。进一步将路径搜索和禁忌列表融合,实现AGV调度中相互关联的多个问题的同步优化。通过大型工业仓库实例验证该方法的有效性。研究结果表明：相较于依次优化调度方法,基于分层规划的综合优化调度方法的平均任务完成时间减少10.56%,碰撞冲突造成的延迟时间减少74.53%;相较于混合自适应大邻域搜索算法和预先规划算法,基于混合离散状态转移算法的分层规划综合调度方法对于大规模问题任务完成时间分别减少9.73%和5.54%,计算时间分别减少84.19%和86.68%。     

AGV系统的调度优化模型

传统AGV调度问题考虑单机或单请求的情形,分析了柔性制造系统(FMS)中 AGV 的作业特征,从一般的多机多请求情形出发,以最小化车辆总数、最大化平均满意度、最小化总运行距离为目标,以优先紧急请求、一般请求先进先出(FIFO)为基本原则,提出了多台 AGV 处理多项请求的数学模型,并给出一种解决它的混合遗传算法,确定了请求与 AGV 的一一对应.     

基于遗传算法的多目标生产车间调度研究

针对生产调度多目标动态复杂性,提出了一种基于AOE图寻找关键路径的改进遗传算法。采用基于工件和机器相结合的编码方法,根据多目标要求,设计了相应的交叉遗传算子。实验结果表明,改进的遗传算法符合车间实际应用情况,对解决多目标动态车间调度问题有实际的应用意义。     

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。     

一种面向绿色制造的多目标车间调度方法

提出了一种新的面向绿色制造的多目标车间调度方法,通过将调度目标分解为竞争性指标和可持续性指标,分别建立了竞争性指标的调度模型和可持续性指标的评价模型,并基于改进的遗传算法求解出多组满足竞争性指标的Pareto最优解;然后从这些解中模糊优选出可持续性指标值最好的协调解,即为所求的绿色调度方案。实例研究表明,该方法在保证生产效益的前提下,能够使制造过程的资源消耗和环境影响最小,有效地解决了绿色制造中的多目标调度优化问题。     

基于粒子群优化的多目标作业车间调度

为了利用粒子群优化算法解决作业车间调度问题，提出了将调度问题转化为连续优化问题的有效策略；设计了Pareto档案粒子群算法（PAPSO），该算法将档案维护和全局最好位置选取结合在一起，在档案维护过程中为每个粒子选取全局最好位置；给出了变异与PAPSO的结合新策略；最后将PAPSO和带变异的PAPSO应用于15个调度实例，以最小化总拖后时间和最大完成时间，与强度Pareto进化算法2等算法进行比较，结果验证了PAP—SO在作业车间调度方面的良好性能．     

基于粒子群优化的多目标作业车间调度

为了利用粒子群优化算法解决作业车间调度问题,提出了将调度问题转化为连续优化问题的有效策略;设计了Pareto档案粒子群算法(PAPSO),该算法将档案维护和全局最好位置选取结合在一起,在档案维护过程中为每个粒子选取全局最好位置;给出了变异与PAPSO的结合新策略.将PAPSO和带变异的PAPSO应用于15个调度实例,以最小化总拖后时间和最大完成时间,与强度Pareto进化算法2等进行比较,结果验证了PAPSO在作业车间调度方面的良好性能.     

半导体晶圆制造系统的时变多目标生产调度优化

从当前半导体晶圆制造企业实际生产调度的角度出发,根据模糊控制理论和模拟退火算法,提出了解决半导体晶圆制造系统(SWFS)时变多目标生产调度复杂问题的方法.大量的仿真实验数据证明,该方法可以在求解速度和优化质量间取得平衡,并实现了全局优化效果,为实现SWFS的科学生产控制与调度提供了有效策略和方法.     

炼油厂智能优化生产调度系统研究

针对炼油厂智能优化生产调度问题,提出了包含基于规则的归纳性知识、基于实例的样本性和基于数学规划的优化过程知识的ＲＢＲ－ＣＢＲ混合智能优化模型。通过这三种不同知识的有机结合,该模型可用于对复杂的生产过程进行描述。该模型已用于石油工业生产调度问题。     

炼油厂智能优化生产调度系统研究

针对炼油厂智能优化生产调度问题 ,提出了包含基于规则的归纳性知识、基于实例的样本性知识和基于数学规划的优化过程知识的 RBR-CBR混合智能优化模型 .通过这三种不同知识的有机结合 ,该模型可用于对复杂的生产过程进行描述 .该模型已用于石油工业生产调度问题     

面向多目标柔性作业车间调度的强化学习NSGA-II算法

针对非支配排序遗传算法 (NSGA-II, non-dominated sorting genetic algorithm II)在求解柔性作业车间多目标优化调度问题中多样性不足、易于早熟与局部收敛的缺点,提出一种基于强化学习的改进NSGA-II算法(RLNSGA-II, reinforcement learning non-dominated sorting genetic algorithm II)。为避免NSGA-II陷入局部收敛问题引入双种群进化策略,利用性别判定法将种群拆分为两个种群,并在进化过程中采用不同的交叉变异算子,增加算法的局部和全局搜索能力;为解决NSGA-II精英策略造成多样性不足的问题,融合多个多样性度量指标,利用强化学习动态优化种群迭代过程中的拆分比例参数以保持多样性,改善算法收敛性能。最后通过Kacem标准算例进行了仿真实验与性能分析,验证了RLNSGA-II的有效性与优越性。     

面向智能制造的作业车间调度算法研究

为提升企业快速响应单件、小批量、个性化定制等市场需求的能力,该文提出了1种面向智能制造的作业车间调度优化的改进遗传算法。在多工件加工工艺约束条件下,对工序和机器分别进行矩阵编码。设计了与编码方式相对应的选择、交叉和变异操作,并增加保留算子,保留每一代种群中的最优个体。在求得全局近似最优解后,采用插入式贪婪解码算法对染色体进行解码。可动态优化基于加工时间最短或提前/拖期惩罚代价最小的多工件作业规划和机器分配方案。仿真结果证明了算法的有效性。     

双资源作业车间智能优化调度

用遗传算法研究了双资源作业车间的调度优化问题,提出了一种将归约法与遗传算法和分派规则相结合的调度算法,该算法将机床和工人合理地分配给加工任务(工序),使评价指标获得最优.通过与国外学者的算法进行比较,本算法在相同生产周期的情况下,能够获得平均流动时间较少的调度结果.本算法采用的遗传编码不含工人和机床设备的信息,使得染色体的交叉和变异容易操作,节省了计算时间.最后还就工人/机床设备的比率对作业车间加工性能的影响进行了分析并给出分析结果.     

基于多Agent的智能工厂生产调度优化

针对带有RFID等无线传感设备的智能工厂生产调度问题,在分析智能工厂与传统工厂区别的基础上,提出了基于数据+Agent的解决方法。利用生物群智能替代传统合同网拍卖模型,设计了基于随机扰动蚁群算法的信息素、转移系数,给出了从数据采集到信息素计算再到选择计算的过程。在信息素设计中,引入设备多特征健康指数,使调度结果更加符合实际。通过仿真验证了模型的有效性。     

混合工作日历下柔性作业车间多目标调度优化方法

针对混合工作日历下柔性作业车间多目标调度的困难,提出了一种基于NSGA Ⅱ的多目标优化方法。基于设备工作日历的时间推算机制,设计了时间推算函数;采用"分段"方式对工序和设备进行编码;采用"分段"交叉和变异方式进行交叉和变异操作;采用"遗传算子改进策略"保证交叉、变异操作后子代个体的可行性,以减少计算量;采用基于设备工作日历的时间推算函数于解码操作中,用于准确计算工序的起止时刻,以保证调度方案的可行性;采用2种技术于解码操作中,用于缩短生产周期,以提高调度方案的质量:一是将工序时间细分为设备调整时间和加工时间,使下道工序的设备可提前调整,二是安排工序时采用正向可插入式挤压调度方法。结果表明:提出的方法能在可接受的计算时间内得到有效的混合工作日历下柔性作业车间多目标调度Pareto解集供调度人员决策。     

基于多目标优化的炼钢-连铸生产智能调度模型与算法

针对现有数学规划模型和算法对设备冲突欠缺直接、有效的处理方法问题,应用多目标优化的基本思想,建立了新的炼钢-连铸生产智能调度模型,将炼钢-连铸生产调度问题转化为具有两个目标的多目标优化问题,其中,第1个目标为最小化全厂完工时间与所有炉次等待时间,第2个目标由不能消解的设备冲突时间转换得到,这样利用多目标优化方法的先天优势来克服传统方法的不足,并设计了基于多目标进化算法NSGA-Ⅱ的求解算法;此外,针对设备冲突困境,还提出了一种基于等待时间松弛的冲突消解方法,通过迭代松弛调整炉次的等待时间长度完全消解设备冲突。在国内某大型转炉炼钢厂的应用实践表明了所提模型和算法的有效性。     

可再生能源制氢系统多目标优化调度

随着碳达峰碳中和的推行,氢能在能源去碳化进程中扮演着重要的地位。利用可再生能源制氢可以进一步实现能源低碳化。针对可再生能源系统稳定性较弱的缺点,将系统收益和环境成本这一对相互矛盾的目标进行折中考虑,提出使用多目标金鹰算法(multi-objective golden eagle algorithm, MOGEO)对可再生能源制氢系统运行优化求解帕累托最优解集。为验证该方法的可行性,以冬奥场馆所在地的典型日为例,分别与商业求解器CPLEX及传统的多目标粒子群算法(multi-objective particle swarm optimization, MOPSO)进行对比,结果表明所提方法可以取得更好的优化结果。     

集装箱码头AGV调度优化

为了解决集装箱码头自动导航车AGV(Automatic Guided Vehide)调度优化问题,建立以无效最短时间为原则的数学模型,采用Netlogo软件模拟仿真,比较了“作业线”和“作业面”两种调度模式,验证所建立数学模型的合理性以及“作业面”调度模式的优越性.在验证实验模型的基础上进行了仿真实验的应用,通过假设,以运载900 TEU为例,设置车道数为2车道和3车道,以及岸桥与AGV的配比为1∶4,1∶5,1∶6时,对比分析不同模拟环境下AGV的等待率,实验结果是当车道数为3以及岸桥与AGV的配比为1∶6时,AGV的等待率为3.71%,为6种模拟情况中的最佳AGV和岸桥配置方式.该结果能够在一定程度上对自动化集装箱码头的调度作业提供参考和借鉴,提高自动化集装箱码头的作业流畅性,更好配合越来越大型化的集装箱船装卸作业,提升码头的作业效率和信息化水平,实施有效的作业管理.