基于遗传算法的机床加工任务调度研究

 基于遗传算法,解决车间生产任务调度的问题.生产调度是自动化制造系统能否取得预期经济效益的关键技术之一,目标是缩短制造周期,提高生产资源利用率,保证生产任务按时完成.其中把加工刀具的分配作为首要约束条件,同时考虑加工工序的前后顺序,利用顺序交叉(OX)方法和顺序变异方法分别完成交叉变异过程.本文所编写的算法使任务调度程序与刀具管理相结合,调度结果更接近实际情况.另外根据刀具使用情况、刀具数量和加工任务以及加工任务的交货期,在出现多个任务竞争一把刀具时,解决刀具的分配问题,并根据工序加工时间和交货时间建立调度优先级.通过实际生产应用证明,优化计算结果具有较好实际应用价值.本文利用Visual Basic软件和SQL数据库作为工具,研究并开发了调度管理系统,主要包括任务编排,生产调度,刀具管理等功能.     

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.     

低碳制造环境下车间有限刀具多目标调度研究

为解决低碳制造环境下刀具在机床之间的调度问题,基于任务的机床分配方案,聚焦于车间内刀具的流转和使用过程,建立了综合考虑生产任务的完工时间、加工成本及加工碳排放的多目标刀具调度模型。针对调度过程中刀具资源数量和寿命受限的问题,在NSGA-Ⅱ算法基础上,提出了考虑解个体不可行度的选择算子,并利用不可行阈值的自适应更新方法,维持种群中不可行解在一定的比例,用来提高算法对于优化解的搜索能力。实验验证结果表明,与仅考虑完工时间的模型相比,本模型得到优化方案的加工成本、碳排放分别降低了21.8%、14%。所建立的多目标刀具调度模型能有效地解决低碳制造环境下车间有限刀具的调度问题,计算得到的帕累托最优解集为刀具的优化调度提供了可行的解决方案。     

云计算环境中优化遗传算法的资源调度策略

资源调度是云计算的核心问题,传统遗传算法(GA)、Sufferage算法等都可以用于云计算环境中的资源调度,但传统遗传算法存在收敛慢、易早熟等缺点,Sufferage算法则不适用于多聚类环境的密集型任务调度.本文在充分考虑云计算环境的动态异构性和大规模任务处理特性的基础上,提出了一种基于染色体编码方式和适应度函数的改进遗传算法(IGA),并在云仿真器CloudSim上对3种算法进行了仿真.仿真结果表明,该算法在性能和服务质量QoS(Qualityof Service)方面都优于传统遗传算法和Sufferage,能更好地适用于大规模任务下的云计算环境资源调度.     

DLS和NGA结合的平台资源调度方法

研究战场环境平台资源调度问题,针对传统使用的动态列表调度算法易陷入局部最优,提出一种基于动态列表调度和小生境遗传算法相结合的求解方法。考虑任务激烈度来更准确地描述平台资源能力的动态损耗,以使命完成时间为指标,在保证平台资源利用率的前提下,采用具有全局性的小生境遗传算法,得到最优的平台资源调度方案。通过一个联合作战案例,得出所提方法作战使命完成时间更短,为战场资源调度提供依据。     

考虑人力资源排班的资源受限项目调度问题建模与优化

针对实际生产系统中人力资源以排班的形式进行生产活动的情况,提出考虑人力资源排班的资源受限项目调度问题,以最小化项目工期为目标建立了问题的数学模型.由于串行调度在传统任务列表编码对应的解空间下难以获得较优解,本文借鉴车间调度中析取弧的概念,提出了一种改进任务列表编码方式,通过在任务之间添加析取弧的方式扩大算法的搜索范围.此外,为提升遗传算法的局部搜索能力,在改进任务列表编码基础上设计分支定界搜索框架,对遗传算法得到的染色体进行分段深度搜索,并设计支配规则降低算法计算时间.结果表明:内嵌分支定界搜索框架的遗传算法能够提高求解质量,而设计的支配规则能有效降低算法的运算时间.     

考虑多资源约束的非等效并行机节能调度算法

针对瓶颈工序光刻过程中考虑能源消耗、多类型多数量的掩膜资源、换模等约束的非等效并行机调度问题,进行了改进型免疫克隆选择算法的调度方法研究.首先对问题域进行描述,以最小化总加权完成时间与能源消耗量为优化目标,建立了数学模型;在此基础上提出了一种带精英策略的多目标免疫克隆选择算法,该算法融合了非支配排序遗传算法的排序规则,并引入深度邻域搜索算子、种群更新算子以提高算法搜索性能及挖掘性能.最后,对算法进行仿真实验,结果表明该算法是有效的、可行的.     

基于调度效益最大化的多功能组网认知雷达资源优化调度算法

在组网认知雷达中,针对多目标多任务(如搜索、跟踪与成像等)按优先级进行资源调度时易造成目标任务丢失的问题,提出基于调度效益最大化的多功能组网认知雷达资源优化调度算法。该算法将搜索与跟踪任务的时间窗考虑到目标函数中,通过目标任务的重要性(优先级)和有效性(时间窗)两个因素的加权来表示雷达对目标任务的调度效益,根据调度效益最大准则建立并利用遗传算法求解资源调度模型。对仿真结果分析表明,该方法能够提高组网认知雷达的整体效能。     

混合资源调度的遗传算法研究

针对多机群协同计算背景下的混合资源调度的NP难题,采用一种新型的遗传算法和编码规则,较好解决分布式并行计算环境下,多任务与多资源的调度分配问题,并给出了实例计算,结果表明,该算法能较好地解决资源之间的冲突问题,而且遗传算法操作简单,每个染色体都对应一个可行调度,同时避免了非法染色体的产生。     

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。     

云计算中运营商效益最优的资源分配机制

针对传统的虚拟机调度方法中虚拟机申请时,调用相应负载均衡算法将虚拟机调度到相应的物理服务器上,不能达到整体效益最优的问题,提出了一种实时满足运营商资源最高效益的动态调度方法.每次新加入用户时,新加入的用户资源和先前分配的资源一起重新在所有服务器上规划,进行全局虚拟机调度,迁移那些能给系统带来足够效益部分虚拟机,完成全局最优的虚拟机部署.该方法对云中资源进行了合理的高效益规划,大大节约运营商成本,提高了云中资源利用率,降低了能耗.     

基于差分进化算法的FMS中机器与AGV同时调度方法

针对柔性制造系统中机器与AGV（automated guided vehicle）同时调度问题，提出一种混合变邻域搜索的改进离散差分进化算法。以最大完工时间最小为优化目标，考虑机器与AGV双资源约束，建立相应的数学模型。为了同时调度机器与AGV，采用基于工序、机器、AGV的3层编码结构。通过改进差分进化（differential evolution，DE）算法的变异、交叉算子产生新个体以提高算法的全局搜索能力，并引入模拟退火算法中解的接受准则选择下一代。同时，为了增强算法的局部搜索能力，对算法每次迭代的最优个体进行变邻域搜索。通过算例计算和对比，证明了提出的改进DE算法的有效性、稳定性和优越性。     

基于遗传算法的工艺规划与调度集成方法

为了实现制造系统中的工艺规划与调度集成，采用遗传算法解决工艺规划与调度集成的问题，并构建了相应的工艺规划与调度集成模型．在对遗传编码和算子结构的设计中，利用交叉算子来变换加工顺序，用变异算子来改变工艺路线．在考虑设备负载平衡以及加工任务完成时间最短的条件下，将工艺规划和车间调度相结合，实现了最优工艺路线与调度结果的同时生成．通过算例分析，证明此方法能够有效地实现工艺规划与调度的集成．     

一种改进的车间调度问题算法

分析了求解车间调度问题的多种方法,建立了基于集合论的数学模型,研究了两层编码遗传算法在车间调度问题中的具体应用,包括编码格式、适应度度量、遗传算子等。提出了一种基于两层编码遗传算法的车间调度算法,并用三个实例验证了算法的有效性。实验结果表明:提出的车间调度算法在求解速度和求解质量上都有明显改进。     

单染色体遗传算法在制造系统作业调度中的应用

为了解决制造系统作业计划调度方案的快速生成问题。通过研究单染色体遗传算法的全局收敛性的理论问题提出了一个新的联合移位算子。应用该算法，开发了在加工时间偏差最短和准时制（JIT）两种性能指标下的作业计划软件，用于快速生成调度方案。该成果对解决制造系统作业调度方案的快速生成具有一定理论和实践价值。     

集装箱港口集疏运调度系统作业模式的仿真分析

为解决复杂的集装箱港口集疏运系统多阶段动态调度的问题,借鉴柔性制造系统(FMS)生产调度问题的研究方法,提出了由集装箱集疏运问题向FMS生产调度问题转化的方法和模型;分析了各个阶段动态调度的决策点和决策规则,提出了基于规则的方法实现集装箱集疏运系统的实时动态调度,为集装箱码头调度问题的研究提供了新思路和新方法.利用WITNESS仿真工具分别模拟了面向作业线的静态调度和面向作业面的动态调度两种集装箱集疏运调度模式,结果表明,动态调度模式的效率提高了约9.66%.     

基于遗传和禁忌搜索算法求解双资源车间调度问题

针对柔性生产环境下的车间调度问题,在考虑遗传算法早熟收敛特性和禁忌搜索法自适应优点的基础上,将遗传算法和禁忌搜索法结合起来,提出了基于遗传算法和禁忌搜索算法的双资源作业车间的调度优化问题算法,即不仅考虑到了每个工件有几条可行的工艺路线,而且考虑到了工件的调度受到机床、工人等资源制约的影响,并用实例对该算法进行了仿真研究.结果表明此算法有很好的收敛精度,是可行的,与传统的调度算法相比较,体现出其明显的优越性.     

资源受限条件下公路工程进度计划优化方法

针对资源限制条件下的公路工程进度安排问题，讨论了资源分配的优先准则和工作调整步骤，对比分析了优先系数方法和资源调配方法的优化结果，在优先系数计算公式中考虑“工作最早完成时间”参数，对优先系数计算公式进行了改进，以提高模型的适应性；应用“约翰逊-贝尔曼”法则，对新参数的合理性作了进一步论证。分析结果表明，改进后的模型能够更合理地确定发生资源冲突时各项工作的先后顺序，可迅速有效地得到资源限制条件下的最短工期计划。     

改进遗传算法求解柔性job-shop调度问题

本文提出了一种改进遗传算法用于求解柔性作业调度问题(FJSP).针对工序在不同的机器上加工的差异性,我们提出了用能力系数来表征机器的加工能力,不仅可以简化处理而且也较为符合实际情况.该改进算法通过轮换的方法,将加工任务分配到不同的并行机器上去执行,有利于机器的负载平衡.同时,在方法的实现过程中,利用面向对象的思想,将问题进行抽象,用不同的类封装车间,机器和工序信息,这不仅符合现代编程风格,简化编程,也有利于系统的扩展和重构.仿真结果表明,不仅整个加工过程的执行时间得到了优化,而且各类机器完成的操作数相同,使用的时间也较为平均,达到了设计目标.同时该方法的计算速度也较快,适用于较大规模作业车间调度问题的求解.