基于改进遗传算法的多车间计划与调度

生产计划与调度是企业生产和管理的核心内容,传统的单车间调度优化不能满足多车间调度优化的要求.针对这情况,提出一种基于改进遗传算法的层次化多车间计划和调度优化方案,其中生产计划层负责零件的分发,车间调度层负责零件加工路线的规划.以一个三制造车间的调度优化为例,验证多车间调度模型的有效性.结果表明所提出的方案在将加工零件合理地分配到适当的车间同时,实现了零件加工路径的规划,从而为解决分布式多车间调度优化问题提供一种有效而又实用的方法.     

基于目标级联法的作业车间调度

为求解大规模的车间调度问题,基于层次性优化的目标级联法,建立一种带层次性的车间调度模型,并以由两个零件族制造单元组成的车间调度为例,验证所建立的车间调度模型的有效性.实验结果表明,该车间调度模型不仅能解决大规模车间的分层调度问题,而且能根据加工时间和工件数量动态、合理地分配各制造单元的机器数量和工件的加工路径.     

基于遗传算法的网络化制造车间调度

针对卷铁芯变压器网络化制造车间的调度问题,给出了调度系统的整体框架,将这个网络化制造系统分为两层调度体系.上层调度体系负责各车间生产任务的部署,下层车间级的调度为各具体生产环节的执行.以剪裁车间的生产加工为例,提出了一种基于改进遗传算法的调度模型,在基于作业的编码方法上融入了基于机器分配的编码方法,并据此设计了相应的交叉变异操作,兼顾了生产成本和生产时间两个目标,有效地解决了多目标优化问题.     

基于目标级联法的作业车间调度的研究

作业车间调度是一种典型的组合优化问题，大规模的调度优化是该类问题的难点。本文针对求解大规模的车间调度问题的需要，基于层次性优化的目标级联法，建立一种带层次性的车间调度模型，并以由两个零件族制造单元组成的车间调度为例，验证所建立的车间调度模型。研究表明，基于目标级联法的车间调度模型为大规模车间分层调度问题解决提供一种有效方法，而且能根据加工时间和工件数量动态合理地分配各制造单元的机器数量和工件的加工路径。     

基于禁忌搜索的柔性作业车间分批调度

针对柔性作业车间的分批调度问题,提出了一种基于禁忌搜索算法的柔性分批调度算法.首先进行批次初始划分;然后利用禁忌搜索算法优化批次加工路线和子批加工顺序;最后在零件子批数不变的前提下,利用批量变化局部搜索进行批量分割的优化,实现了最小化完工时间和机床负荷的调度目标.实例分析结果证明了柔性分批调度算法的可行性、高效性和适用性.
     

模糊分布式柔性作业车间调度问题的求解算法

针对加工时间不确定的模糊分布式柔性作业车间调度问题,在引入三角模糊数的基础上,提出了一种改进的灰狼优化算法以最小化最大模糊完工时间．该算法的主要特点是设计了一种基于工序、工厂和机器的三层编码方案,提出了一种混合初始化策略以提高种群质量,采用基于非线性函数和动态权重的更新机制协调算法的全局探索和局部开发能力,提出四种邻域搜索结构提高解的质量．最后通过不同规模的仿真对比实验,验证了该算法在求解模糊分布式柔性作业车间调度问题上的有效性和优越性．     

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.     

不确定环境下可再制造零件加工车间调度

【目的】可再制造零件的质量状况、加工时间以及交货期的不确定性使得调度过程十分复杂,如何在不确定环境下对可再制造零件加工车间进行合理地调度与优化意义重大。【方法】首先采用模糊聚类分析法对可再制造零件进行质量等级划分,以减少调度过程中不确定因素的影响,然后对不确定环境下可再制造零件加工车间调度问题进行建模,并采用多层编码遗传算法进行求解。【结果】通过算例验证了模型的正确性,并且得到:1)对可再制造零件进行质量等级划分后可以明显地减少调度过程中不确定因素的干扰。2)决策者对最大完工时间和加工成本的重视程度会影响调度方案的选择,决策者应根据自身关注的重点来选择合适的调度方案,得到相对协调的结果。【结论】综合考虑可再制造零件加工车间存在的不确定性更加符合实际情况,可以为解决不确定环境下可再制造零件加工车间调度问题提供一种新思路。     

基于混合元胞遗传算法的柔性车间调度问题研究

针对柔性作业车间调度问题,建立了以最大完工时间最小、机器最大负荷最小、总机器负荷最小为优化目标的多目标优化模型.引入多色集合理论,建立了柔性车间调度问题的多色集合约束模型,提出了基于多色集合约束模型的元胞遗传算法(apolychromatic collection based cellular genetic algorithm,PCGA),以解决遗传算法在求解柔性车间调度问题时表现出的早熟和收敛性不足等问题.用改进的元胞遗传算法求解柔性车间调度的多目标优化算例,并与其它遗传算法进行比较,实验结果表明,基于多色集合的改进元胞遗传算法在求解此问题时更为高效.     

不确定环境下可再制造零件加工车间调度

【目的】可再制造零件的质量状况、加工时间以及交货期的不确定性使得调度过程十分复杂,如何在不确定环境下对可再制造零件加工车间进行合理地调度与优化意义重大。【方法】首先采用模糊聚类分析法对可再制造零件进行质量等级划分,以减少调度过程中不确定因素的影响,然后对不确定环境下可再制造零件加工车间调度问题进行建模,并采用多层编码遗传算法进行求解。【结果】通过算例验证了模型的正确性,并且得到:1)对可再制造零件进行质量等级划分后可以明显地减少调度过程中不确定因素的干扰。2)决策者对最大完工时间和加工成本的重视程度会影响调度方案的选择,决策者应根据自身关注的重点来选择合适的调度方案,得到相对协调的结果。【结论】综合考虑可再制造零件加工车间存在的不确定性更加符合实际情况,可以为解决不确定环境下可再制造零件加工车间调度问题提供一种新思路。
     

作业车间调度的非合作博弈模型与混合自适应遗传算法

采用博弈理论,建立了一种基于非合作博弈的作业车间任务调度模型.在该任务调度模型中,将源于不同客户的制造任务映射为非合作博弈模型中的局中人,并将与制造任务包含的工序集所对应的可选加工设备映射为可行方案集,使各制造任务的加工完成时间和成本组合形成的多目标综合指标映射为收益函数,从而将对任务调度模型的求解转换为寻求非合作博弈模型的Nash均衡点.通过设计的爬山搜索混合自适应遗传算法、自适应交叉和变异算子,实现了对该任务调度非合作博弈模型的Nash均衡点的有效求解,同时算例仿真结果也验证了所提出的调度方法的正确性.     

作业时间服从指数分布的调度规则失效率分析

研究当作业时间服从指数分布时,作业的随机波动性对基于作业时间的调度规则的影响.对于2项作业以及3项作业的情况,采用概率统计分析的方法,推导出调度规则失效率解析解.对于多项作业的情况,提出产生随机数模拟的模型,给出失效率的无偏估计量和置信区间,并分析模拟的迭代次数的选取及模型有效性.从而得到:在作业时间服从指数分布时,相...     

2－机器FlowShop随机调度问题

本文讨论了２－机器ＦｌｏｗＳｈｏｐ调度问题，在假定同一工件在不同机器上的加工时间为同分布的随机变量且加工时间在随机意义下可以排序时，给出了等待时间差的绝对值总和的期望最小的最优排序的若干性质。     

基于合同网的作业车间分布式合作调度策略

本文在利用面向对象(Object-Oriented)的表达方法描述作业车间生产调度模型的基础上,提出一种基于合同网(Contract-Net)的分布式合作调度策略.     

基于INSGA-II高维目标柔性作业车间调度的优化

高维目标柔性作业车间调度问题(many-objective flexible job shop scheduling problem,MaOFJSP)是指在实际生产中根据企业不同部门的要求,对车间生产寄予不同的期望,使各个部门利益最大化的调度决策。针对完工时间、拖期时长、机器负荷、能耗4个优化目标,提出了改进非支配解遗传算法(improved non-dominated sorting genetic algorithm,INSGA-II)来求解MaOFJSP,同时对算法的编码解码、Pareto排序、选择策略、交叉变异操作进行了研究。采用工序排序和机器选择的双层个体编码方式,在精英选择过程中计算个体的斜率,斜率小的进入到父代,使得优秀个体得以保存;在变异环节中基于关键工序块邻域结构,采用插入法让工序小的工件优先加工,使得最大完工时间明显变小。通过该算法对不同算例进行的Matlab模拟仿真,验证了该模型的可行性和算法的优越性。     

Associating Memory Through Case-Based Immune Mechanisms for Dynamic Job-Shop Scheduling

Knowledge plays an active role in job-shop scheduling, especially in dynamic environments. A novel case-based immune framework was developed for static and dynamic job-shop problems, using the associative memory and knowledge reuse from case-based reasoning (CBR) and immune response mechanisms. A 2-level similarity index which combines both job routing and problem solution characteristics based on DNA matching ideas was defined for both the CBR and immune algorithms. A CBR-embedded immune algorithms (CBR-IAs) framework was then developed focusing on case retrieval and adaptation methods. In static environments, the CBR-IAs have excellent population diversity and fast convergence which are necessary for dynamic problems with jobs arriving and leaving continually. The results with dynamic scheduling problems further confirm the CBR-IAs effectiveness as a problem solving method with knowledge reuse.     

基于遗传算法的离散型并行生产的调度排优

在分析了CIM体系结构中离散型并行生产调度问题的基础上,基于遗传算法,针对调度排优问题,建立了以总加工完成时间最短为优化目标的数学模型,并设计了遗传算法的编码、交叉、变异算子,详细描述了遗传算法的各个组成部分·利用数据库技术,开发了实现该算法的可视化软件,并在实际应用中实现了调度系统与CIMS其他模块之间的集成·理论分析与实践表明,遗传算法简明、有效并且实用,所求解得到的优化作业排序对于并行生产的车间作业调度具有很好的指导意义·     

基于改进遗传算法的车间调度原型系统

为了提高遗传算法求解作业车间调度问题的初始解质量和简化遗传操作过程,提出基于幻方变幻的互换编码规则改进遗传算法;同时利用该算法基于.NET平台建立了车间调度问题和柔性车间调度问题的混合原型系统。实验结果表明:采用幻方变换的互换编码规则,提高了遗传算法的求解能力;基于该算法的原型系统实现方便,求解效率高,能够有效应用于作业车间调度系统的开发。     

带有维修活动和工件可拒绝的单机排序问题

讨论了带有交货期、维修活动和工件可拒绝的单机排序问题,这一问题是将所有的工件分成2个集合,分别是被接受的工件集和被拒绝的工件集。规定每个被接受的工件都有一个待定的交货期,且所有工件的交货期的大小相同。如果工件在交货期内完工,则不产生任何费用,否则工件提前或延误,会产生相应的提前或延误的费用。而对于拒绝工件而言,它的费用只与工件有关。维修活动需要在一个固定的时间长度内完成,排在维修活动之后的工件的加工时间将会减少。这类问题的总费用是2个工件集的费用之和,目标函数是确定被接受工件的最优排序,极小化接受工件和拒绝工件的总费用,该问题在多项式时间可解,在今后的应用中能发挥作用。