轧辊热处理过程中具有组批的并行机调度问题

研究了在轧辊热处理过程中加热炉体积相同的情况下,具有组批的并行机调度问题.以使最长完成时间最小化为目标建立了该问题的数学模型.提出了辊坯组批启发式算法和批次调度启发式算法,并将二者结合形成了一个两阶段启发式算法,对模型进行求解.通过对实验结果的比较与分析,验证了方法的有效性.针对不同规模的问题给出了相应的最优求解方法,提高了轧辊的生产效率,为决策者合理安排生产提供了有效的策略.     

带有学习效应的多阶段混合流水车间调度问题研究

[目的]研究考虑学习效应和顺序相关调整时间的多阶段混合流水车间调度问题.[方法]针对该问题的特点,建立以最小化最大完工时间和总能耗为目标的混合流水车间调度问题模型,同时设计一种改进的混合蛙跳算法进行求解.采用不同规模的测试问题对提出的算法进行测试,并与另外3种算法进行对比.[结果]提出的算法的效果均优于另外3种算法.此外,不同的学习率对调度目标的影响存在差异.[结论]该研究对企业提高生产效率和节能降耗的 目标有一定的指导意义,可为企业在制定生产调度方案时提供决策支持.     

基于混合蚁群算法的半导体生产线炉管区调度方法

炉管区是半导体生产线的主要瓶颈之一,对整个生产线的性能影响较大.当前针对炉管区调度研究以规则调度为主,且考虑约束较为简单,忽略了存在前后道工序影响的多机台调度以及晶圆加工的重入特性.针对具有等待时间约束、不兼容工艺菜单和重入特性的炉管区β_1→β_2调度问题,构建了目标为最小化晶圆平均流动时间的β_1→β_2调度模型.将该调度问题分成组批、设备选择及批排序3个阶段,提出了一种基于混合蚁群优化算法的炉管区调度算法.针对组批阶段,设计了一种可变阈值控制策略.针对批排序阶段,设计了混合蚁群优化算法.进行了历史生产数据的不同规模54组算例实验,结果表明:混合蚁群算法的性能均优于几种常用启发式规则和遗传算法的性能.将所提出的混合蚁群算法应用于实际晶圆生产线,能够有效减少生产过程中晶圆的流动时间.     

基于析取图考虑物料搬运的Job Shop调度算法

为有效解决考虑物料搬运设备的Job Shop调度问题,建立了非线性规划模型及改进析取图模型.在此基础上,以最小化最大完工时间makespan为调度目标,构造了两阶段结构式启发式调度算法.第一阶段,将析取图分解为机床调度析取子图和搬运设备调度析取子图,提出一个双层递进启发式算法.上层利用分支思想求解机床调度析取子图,根据上层结果,求解搬运设备调度析取子图.在第一阶段解的基础上,第二阶段构造了基于块理论的调度优化启发式算法.最后对算法进行了仿真分析,结果表明所提出的算法是有效、可行的.     

分布式两阶段混合流水车间调度

针对分布式两阶段混合流水车间调度问题(DTHFSP),提出一种教学优化算法(TLBO)求解工厂分配问题并设计一种启发式算法解决机器分配问题,以最小化最大完工时间.首先,采用均衡工厂负载的方法生成初始班级;然后,引入淘汰机制以加强对优势解的局部搜索效率,并在自学阶段增加反思过程强化教学结果;最后,通过大量实例实验验证了教学优化算法在求解分布式两阶段混合流水车间调度问题时的搜索优势.结果分析表明教学优化算法在求解分布式两阶段混合流水车间调度方面具有更好的稳定性和求解质量.     

带有学习效应的多目标置换流水车间调度问题研究

在综合考虑经济指标和环境因素的基础上,提出了以最小化最大完工时间和总能耗为优化目标的置换流水车间调度问题,并着重考虑学习效应对该问题的影响。针对该问题的特点,构建了带有学习效应的多目标置换流水车间调度模型,并设计了一种嵌有批量处理和扰动算子操作的混合蛙跳算法对模型进行求解。利用扩展的标准测试问题验证了该算法的性能,并与非支配排序遗传算法、强帕累托进化算法进行了对比分析,实验结果表明改进的混合蛙跳算法具有较好的寻优能力。利用此算法得到了不同学习率下的优化目标值,并运用敏感性分析探讨了学习效应对优化目标的影响程度,从而为企业制定合理的生产调度方案提供参考。     

面向分段涂装作业的混合流水车间调度

基于船舶分段涂装作业,提炼出具有重入和等待时间约束的两阶段混合流水车间调度问题.其中第一阶段含多台批处理机,第二阶段含多台离散机且存在一次重入过程,两阶段间有等待时间约束.以最小化最大完工时间为优化目标建立数学模型,提出一种结合Metropolis抽样准则和变邻域搜索的混合量子粒子群优化算法,并利用多种启发式规则进行解码.实例验证和数值分析表明,所提算法是解决分段涂装调度问题的一种有效方法.     

具有双重时间窗约束的作业车间调度算法

为解决实际生产调度中等待时间受限引起的工件加工时间窗约束和设备能力有限引起的机器可加工时间窗约束,以工件完工率最大为优化目标,建立了具有双重时间窗约束的作业车间调度模型,提出了求解该模型的基于启发式规则的禁忌搜索算法。在分析优化目标与约束条件关系的基础上,提出了工件选择和机器分配的启发式规则,并利用启发性规则生成初始调度方案;设计具有块邻域结构的禁忌搜索算法,减小了邻域规模,通过迭代优化最终获得较优的调度方案。选择多种不同规模的算例与传统算法进行对比分析,实验结果表明了所提算法的可行性和有效性。     

基于启发规则的双向冲压生产线调度研究

根据冲压车间生产的无等待并行流水作业的特点,提出了一种基于启发式规则的双向冲压生产线的调度模型.在该模型中,建立在满足工序约束、机器约束、无等待约束等约束条件下的优化模型,提出了冲压作业的重复、折回和前行等排程规则,解决在冲压作业调度中的机器占用冲突问题,保证得到可行的调度解.并设计嵌入启发式规则的混合遗传算法来进行求解.最后通过一个例子对调度模型和求解算法进行了验证.     

热轧生产过程加热炉优化调度模型及算法

钢铁生产中的加热炉调度问题是一类复杂的组合优化问题.本文进一步考虑不同轧制位对应的候选板坯集存在交集的生产实际,建立了以板坯住炉时间最小为优化目标的数学模型,提出了三阶段的启发式算法,确定各轧制位板坯的入炉和出炉时间.仿真实验表明,给出的模型和求解算法对加热炉调度问题的优化效果很好.     

预制构件生产-运输-装配一体化的建造调度优化

为研究预制构件生产-运输-装配一体化的建造调度优化问题,构建装配式构件全过程的多目标调度优化模型.优化模型将预制构件3个阶段的优化作为一个扩展的生产车间调度优化,并采用改进的双种群遗传算法对模型进行求解.结果表明：改进的双种群遗传算法能够显著提高遗传算法的搜索效率;优化模型能够有效地减少总完工时间和并行机器的总机器成本.     

考虑能耗优化和学习效应的随机多目标并行机调度问题研究

针对具有学习效应且处理时间不确定的并行机调度问题,以最小化最大完工时间和能源消耗为优化目标,建立了该问题的随机多目标调度模型;设计和改进了非支配排序遗传算法和基于分解的多目标进化算法进行求解.通过采用覆盖率指标和逆世代距离指标对实验结果进行评价,分析了两种算法在求解该问题上的性能.研究结果表明,MOEA/D在C指标方面...     

基于时间槽的并行机调度连续时间建模方法

采用基于时间槽的连续时间建模方法对匀速并行机调度问题建模以获得最优解.基于3-索引和2-索引的分配变量下标的不同定义方法,通过变换空时间槽在时间轴上的位置,分别提出了针对该并行机调度问题的不同的连续时间模型.为了进一步提高连续建模近似求解问题的效率,提出启发式算法用于减少时间槽数目.通过实验分析了所建立的不同模型的优势和缺点.实验结果表明:3-索引模型的求解速度快于2-索引模型,随机安排空时间槽在时间轴上的位置能够加快模型的求解速度.此外,提出的启发式算法提高了模型的求解效率.     

考虑翻箱作业时出口箱堆场作业调度优化

基于出口箱的堆场操作实务,考虑堆场起重机取箱作业的现实约束,以作业过程中翻箱次数最少为目标,对堆场作业调度问题进行建模,提出了两阶段混合动态规划算法,将启发式规则嵌入动态规划算法中,以避免出现状态数"组合爆炸"增长的情况.通过仿真算例,并与实际调度规则及现有研究方法所得调度方案进行对比,验证了模型以及优化算法的有效性与实用性.结果表明,所提出的模型和算法可以在较短的求解时间内获得多组装船方案,且其翻箱次数显著降低.     

多车辆直运越库调度的建模与启发式算法

以最小化客户的最晚交货时间为目标,建立了多车辆直运越库物流调度问题的混合整数线性规划模型,并使用优化工具ILOG CPLEX求解得到了适当规模问题和小规模问题的精确最优解;基于最大加工时间(LPT)规则,提出求解多车辆直运越库物流调度问题的启发式算法,通过对中等以及大规模实例的数值计算,比较了混合整数线性规划模型和启发式算法之间的计算性能.结果表明,启发式算法具有良好的近似性能,所测24组实例中的相对误差不超过9.5%,接近于精确解.     

基于混合并行混沌优化算法的 铸造生产线两阶段协同调度

高效的生产调度策略是铸造企业提高生产效率、降低生产成本的重要手段.目前,铸造生产优化调度的相关研究通常是针对熔炼浇铸加工与机加工两阶段分别进行的,制约了铸造生产线全流程优化调度的效果.针对铸造生产线生产过程当中熔炼浇铸加工与机加工协同调度问题,建立了以最小化总完工时间为目标的铸造生产线全流程优化调度模型.为了有效地解决该调度模型,提出一种混合并行混沌优化算法(HPCOA).HPCOA中设计了并行混沌搜索用于高效的全局搜索,并引入基于关键路径的变邻域搜索用于增强算法的局部搜索能力.通过在实际案例的对比试验,证明了HPCOA算法的有效性.     

带有单服务器的并行机调度问题

研究了一类具有准备时间和移出时间约束的单服务器并行机调度问题.这个问题概括了工件仅需要准备操作的经典单服务器并行机调度问题.在该问题中,服务器不仅需要在每个工件加工之前将其装载到一台机器上,而且在工件加工结束后,将其从机器上卸载下来,装载和卸载操作需要一定的时间.目标函数为最小化最大完工时间.主要研究指定机器加工的情况,针对这种情况,构建了多项式时间内可解的启发式算法.该启发式的值与最优值的比值为2,且证明了该界为紧界.     

基于改进克隆选择算法的含调整时间并行机调度

针对实际工业生产中广泛存在的带调整时间的并行机调度这一类NP难问题,研究并提出了一种改进的克隆选择算法(HSMCSA).为了提高算法的求解效率,特别是对大规模问题的优化性能,提出了一种基于单机排序的均匀插入分割点的编码方法;在此基础中进一步研究了基于单机调度最优解与随机解混合启发式初始化策略,有效提高了初始解性能;最后详细对比和分析了克隆选择算法中4种变异操作的优化性能,实现了基于改进的克隆选择算法的带调整时间的并行机调度问题的优化求解.仿真实验结果表明:所提出的改进克隆选择算法具有更好的优化性能;与遗传算法相比,求解性能提高了18.5%,与基本克隆选择算法相比提高了7.2%.     

基于萤火虫算法的学习遗忘效应BFSP问题研究

对于以最小化最大完工时间为目标的阻塞流水车间调度问题(BFSP),现有研究较少同时考虑学习效应及遗忘效应对生产调度的影响,为此构建了BFSP问题的学习遗忘调度模型,结合基于Pairwise的局部搜索策略,应用萤火虫算法对小批量生产时的学习遗忘效应BFSP问题进行求解.对Car类问题及其学习遗忘调度模型的大量仿真测试,表明了改进萤火虫算法求解该类问题的可行性和有效性.同时,证明了学习效应能够降低最大完工时间,从而提高生产效率;而遗忘效应会使得学习效果减弱,从而导致最大完工时间的增加,学习效应和遗忘效应在生产调度中的影响是客观存在且不可忽略的.     

考虑机器不可用约束的钢铁加热炉调度

针对衔接钢铁连铸-热轧过程的加热炉调度问题,考虑实际生产中的工艺约束和机器不可用约束,该文以最小化调度结果的综合成本为目标函数,决策工件传输路径、加热炉分配、入炉时刻、出炉时刻,建立混合整数规划模型.基于启发式规则和滚动调度思路,设计启发式算法进行加热炉静态调度模型的高效求解;通过部分复用已有决策结果,提升加热炉动态调...