井下机车运输调度的资源分配模型及无死锁优化调度

对井下机车运输系统进行无死锁调度和性能优化, 首先, 建立三种不同调度策略下的资源分配Petri网模型, 设计对应调度策略下无死锁标识的最大边界设置算法, 证明了调度策略在最大标识边界设置下的无死锁性. 然后, 以最小化时耗和能耗为优化目标, 利用遗传算法, 采用变迁标号的自然编码方式, 通过检查变迁的引发条件检测染色体的可行性, 修复不可行的染色体使其对应的调度满足资源约束, 从而保证了算法所利用的所有染色体均可对应系统的可行调度, 最后进行实例仿真. 设计的无死锁调度的最大标识边界设置算法和遗传算法为井下机车的运输调度提供了可靠的理论基础.     

基于SAUBQ学习的知识化制造系统自适应调度策略

针对知识化制造环境下的自适应调度问题,提出基于状态-动作不确定性偏向Q学习（state-action uncertainty bias based Q-learning,简称SAUBQ学习）的知识化制造自适应调度策略. 该策略针对传统Q学习收敛速度慢,训练时间长等问题,引入信息熵的概念定义了状态不确定性测度,据此定义了Q学习动作偏向信息函数,通过对Q学习奖励函数采用启发式回报函数设计,将动作偏向信息利用附加回报的方式融入学习系统,并证明了算法的收敛性和最优策略不变性. 在学习过程中,Q学习根据偏向信息调整搜索空间,减少了Q学习必须探索的有效状态-动作对数目,同时偏向信息根据Q学习结果不断进行调整,避免了不正确的误导. 经仿真实验比较,结果表明,该策略具有对动态环境的适应性和大状态空间下收敛的快速性,提高了调度效率.     

基于递归算法的一类带缓冲区的混合生产调度

提出一种带缓冲区的混合生产的调度模型。通过缓冲区状态的扩展,将所建立的混合生产调度模型标准化,并在递归技术的基础上,利用混合整数规划方法求解,实例的仿真证明了本文方法的可行性与有效性。     

基于改进狼群算法与仿真的单元调度优化

单元制造是现代生产系统的重要组织形式。对制造单元的调度过程中,机器故障与中断是很常见的问题,机器空转造成的能源浪费也不可忽视,相关研究具有重要现实意义。考虑单元调度中的机器中断和能耗,建立了一个最小化所有工件完工时间及机器闲置能源消耗和中断成本的整数规划模型,并提出了一种基于改进狼群算法和离散事件仿真的混合优化方法加以求解,有效提高了算法的寻优能力。数值实验表明,提出的算法具有良好的收敛性,可以在合理的迭代次数内找到问题的满意解。     

基于探路者算法的绿色有限缓冲区流水线调度

针对带能耗阈值约束和有限缓冲区的绿色流水车间调度问题(Green Flow Shop Scheduling Problem with Limited Buffers and Energy Thresholds,GFSSP_LBET),提出一种混合探路者算法(Hybrid Pathfinder Algorithm,HPF...     

带有缓冲区的资源受限调度问题的滚动时域求解算法

研究带有缓冲区的资源受限调度问题,设计了两种使用滚动时域策略的启发式算法TWBA和FWBA,通过依次处理一定量任务,尽可能使得调度所产生的费用最小.为了评估算法性能,进行了大量模拟研究,在不同条件下找出相应的最优的处理周期或者是最优决策时刻,仿真结果表明了新算法在应用中有较好的性能,并且得到比在线算法更优的调度结果.     

基于混沌遗传算法的自动化生产单元调度方法

针对遗传算法在求解一类带时间窗口的自动化生产单元调度问题时易出现冗余迭代、收敛缓慢等问题,将混沌搜索技术引入至遗传算法中,通过将混沌初始化、混沌扰动与遗传算法的基本操作相结合,利用混沌运动搜索精度高、遍历性好的特点来提高遗传算法的收敛速度和优化质量.本文在给出自动化生产单元调度问题的数学模型的基础上,着重讨论了混沌遗传调度算法的设计,包括编码方式、混沌初始化、交叉操作、混沌变异操作和适应度函数的计算等.最后以自动化电镀生产线为例对提出的算法进行了验证,为此类调度问题提供了有效的算法.     

基于流程模块化的虚拟制造单元构建方法

为提高多品种小批量制造企业功能式布局制造系统中构建虚拟制造单元的敏捷性, 提出了以流程模块化为基础构建虚拟制造单元 的方法, 并利用零件聚类和工艺聚类两种聚类相结合的方法对零件加工流程进行模块化分解, 从而形成制造系统的流程模块库, 在此基础上构建虚拟制造单元. 这种聚类方法的优势在于能够通过标准模块调用达到降低虚拟制造单元的控制难度的目的, 从而 提高虚拟制造单元的构建速度, 最终减少生产提前期, 提高制造系统的敏捷性.     

机器人制造单元的建模与分析方法研究

以一类重复性生产方式的机器人制造单元作为研究对象 ,通过分析在制造单元加工流程和输送流程中的各个活动所要满足的约束条件 ,提出了一种基于极大代数的机器人单元的建模方法 ;并根据所建立状态空间模型 ,分析了在确定决策下系统的稳态性能 ,给出了一种计算系统运行周期的有效方法.     

网络化制造环境下生产动态调度仿真与分析

针对网络化制造环境下生产系统特点,构建异地生产协同调度框架.基于调度框架进行动态仿真计算:应用模糊理论对生产时间分布概率进行判断,确定企业内部生产调度评测参数;使用Hopfield神经网络综合决策,求出企业外协生产与内部调度之间的可行解.将调度框架应用在实际生产调度问题中,对仿真计算结果继续综合优化,能够得到好的可行调度方案.     

不确定处理时间批处理过程的鲁棒调度新策略

针对化工批处理调度过程中处理时间不确定的问题,建立了具有分解结构的调度模型,提出了一种新的鲁棒调度策略.策略由基本调度策略和在线调整两部分组成,分别与模型的主问题和子问题相对应.提出了基于遗传算法的分解算法求解模型,以获取具有鲁棒性和最优性的基本调度策略.通过对子问题的分析,提出了运用简单的推理进行在线调整的方法,无需复杂计算,并运用动态规划的原理说明了该方法的可行性和最优性.最后用实例说明了该鲁棒调度策略的有效性.     

一个批处理机随机E/ T 调度问题研究

对批处理机随机E/T(earliness and tardiness)调度问题,假设各批的加工时间独立同分布;各工件的交付期相互独立,并与加工时间独立;目标是极小化所有工件的提前与延迟时间和的均值.在加工时间和工件的交付期都服从指数分布的条件下,得到了最优调度的几个性质,基于这些性质用动态规划给出了一个求问题最优解的算法,此算法的时间复杂度为O(n2B2)(B相似文献   

半导体制造系统的优化调度模型

在流体网络模型的基础上建立了以减小平均在制品水平目标的半导体制造系统的调度模型,这些模型通常很难求解,但它们是可分解的,即可以把整个调度周期上的调度问题分解为一系列子区间上的调度子问题,在半导体生产环境下,子问题可以进一步简化,把上述结果当作调度规则直接应用于基于仿真的调度方法、可以克服流体网络模型的近似性,同时,由于充分利用了系统全局的状态信息,提高了仿真调度的优化能力。     

基于改进DP算法的具有优先序的变速机最小化成本调度

研究了工件具有任意标准优先序、一台机器在同一时间只可加工一个工件、最小化工件加工成本与机器使用成本之和的变速机调度问题.为该问题建立了DP模型,通过启发式规则和常规动态规划方法相结合、引入工件完工时间界限并保存每一步函数值,得到改进的DP算法,数值实验显示该算法具有较强的寻优能力和稳定性.     

一种新的制造系统仿真调度规则

针对制造系统的调度问题,提出了一种新的决策规则。它根据系统的当前状态和各任务的进展情况,综合利用最早交货期优先规则（ＥＤＤ） 的减小最大延迟时间的特点和最小松弛优先规则（ＬＳＫ）的减小最大提前完成时间的特点,在不增加平均推迟的情况下使最大延迟时间和最大提前完成时间之间的区间收缩,向平均值附近逼近,适用于以保证交货期为目标的调度问题。通过仿真证明了该方法的有效性     

多载量小车节能调度的多目标动态规划算法

为有效平衡混流装配的生产效率与能耗,提出多目标多载量小车物料搬运节能调度方法,将能耗目标约束引入传统多载小车物料搬运调度模型,建立最小化最大线边库存与总能耗的多目标混合整数规划模型。为获得问题模型的Pareto解,提出基于时间窗与支配规则的正向多目标动态规划算法：根据问题性质,定义了多载量小车节能调度问题新的状态表示方式以获得动态规划算法的无后效性,同时引入时间窗与支配规则以减少对非支配解的搜索,有效提高了计算效率,运行时间缩短8.10%以上,仿真结果验证了该方法的优越性和算法的可行性。     

适应调度环境下的知识系统设计

构建性能优良的知识系统是对复杂制造系统实现有效适应调度的关键。提出了一种在适应调度环境下知识系统的设计方法。这种方法使用统一建模语言对知识系统的分析、设计和实现进行描述,建立了反映知识系统静态结构和动态行为的各种视图。使用这种设计方法减小了对领域知识专家的严重依赖,提高了知识系统开发的质量和效率。给出了实例验证了该方法的可行性和有效性。     

资源受限单机动态调度的并行GA算法研究

研究资源受限系统动态调度问题，针对时序约束问题提出一种并行遗传算法(PGA)。给出满足排序优先次序约束的一种基因编码方法；采用不破坏优先级可行性的交叉操作，并予以证明：建立一种并行处理机制，使搜索避免出现局优现象。在技术允许情况下，单机动态调度引入抢占式加工方式，会一定程度上提高系统的性能。通过仿真试验验证，并行OA算法可兼顾优化效果和计算效率，解决单机动态调度问题。