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%.     

柔性制造系统生产调度中的运筹学模型及方法

在讨论柔性制造系统概念的基础上,提出了按三维体系结构描述FMS生产调度问题的概念;建立了柔性制造系统生产调度问题的四层结构模型;系统地分析了运筹学模型及方法在柔性制造系统运行管理的静态调度及动态调度各个问题中的应用现状,指出了存在的困难;最后简略地分析了人工智能技术和人工神经元网络方法在FMS生产调度中应用的新趋势。     

一种求解产品设计项目调度问题的启发式方法

针对产品设计项目(product design project,PDP)调度问题,考虑任务工期的随机性特点和任务的返工可能性,扩展了传统的优先规则计算方法.提出了一种启发式调度方法,采用扩展优先规则和随机串行调度生成方案,以项目交付期最小为目标构造调度方案.通过抽样得来的随机工期向量获得近优调度策略.在不同工期可变幅度下对方法进行测试,实验结果验证了该方法的有效性,并显示在任务工期的不确定程度和任务返工可能性较大时,采用随机调度方法解决PDP的调度问题可以获得更高质量的调度方案.     

柔性制造系统的合作博弈调度

有多个加工和装配设备的柔性制造系统的生产包括零部件的加工和产品的装配过程.为适应敏捷制造,此系统需要有效的实时生产调度.文中就此提出了一种调度方法,首先根据产品装配结构对问题进行分解,得到多个易于调度的简单问题,形成对应的Agent,然后应用合作博弈理论,根据各Agent的重要性和装配约束获得Agent的排序,依此顺序在机器上按照规则进行生产安排,能够得到满足产品加工约束的近似最优调度结果.最后通过实验对所提出的算法进行了验证.     

基于遗传算法-多智能体的FMS 工件调度研究

针对柔性制造系统（ FMS）一般调度方法的不足,提出基于全局黑板的多智能体调度系统,该系统建立多智能体交互过程,通过多智能体的合作快速建立调度模型,并通过优化模块对调度模型进行求解,从而获得非劣调度方案。在设计优化模块时,采用遗传算法,针对柔性制造系统调度问题的特点,改进并扩展了基于工序的编码方法,引入工序-机器的关系矩阵,从而实现解和染色体的一一对应关系,并设计算法的适值函数、选择方法、交叉和变异方法。仿真结果表明,该调度系统在求解时收敛速度快、精度较高。最后通过10个经典的柔性job-shop调度算例,与单纯使用遗传算法和禁忌搜索算法进行比较,目标值平均改善2.21％和1.04％。     

基于仿真的调度规则组合决策研究

针对车间调度规则组合的多目标优化问题,提出了一种基于仿真的评估决策模型. 通过仿真获得不同调度规则组合下的方案集合,在利用层次分析法获得性能指标权重的基础上,采用灰关联理论计算各结果方案对于单项指标的关联系数,实现了基于灰色关联度的方案评估,并导出了最优的调度规则组合. 调度规则组合决策体现了用户对系统性能指标的要求,解决了传统依靠经验进行调度规则选取的问题,优化了制造系统的运行.     

神经网络方法求解多目标多加工工艺的柔性制造系统散件调度

针对多目标、多加工路径选择的柔性制造系统 ( FMS)散件调度特点 ,提出一种带可控因素的神经网络模型 .用灵活的规则推理体现 FMS的系统目标 ,用可靠的神经网络演算解决非线性问题的优化组合 ,达到以较少的代价同时获得系统的完备性和适应性的效应     

基于遗传算法的数据挖掘方法及应用

车间作业调度问题的研究不仅具有重大的现实意义,而且具有深远的理论意义.该文采用数据挖掘算法从大量的车间作业调度中抽取一些有价值的信息或知识,然后应用这些知识来辅助车间作业调度.该研究的目的就是应用数据挖掘算法从车间作业调度最优方案(基于遗传算法的求解结果)中抽取出最优调度方案的一些模式知识,然后基于这些模式知识发展一些规则集来辅助车间作业调度.这些规则可以看作是隐含在车间作业调度最优方案中的事先未知的潜在有用的信息,根据这些规则可以产生比简单指派更好的车间作业调度方案.最后的数据实例表明本文方法无论在调度质量还是在计算速度上都具有非常好的性能.图3,表4,参15.     

求解混合Flowshop调度问题的简化禁忌搜索方案

针对 HFS系统的最小化 Makespan调度问题 ,提出一种禁忌算法和优先级规则相结合的方案 :采用改进的 RA算法对第 1级工件进行排序 ,并用禁忌搜索对其进行优化 ;采用 FAM算法给工件分配设备 ,其他级工件的排序采用最大剩余时间优先级规则 .和其他 HFS的局部搜索算法相比 ,该方案大大缩减了搜索空间 .仿真结果表明 ,该方法能够较好地解决 HFS调度问题 .     

基于启发式规则的柔性制造单元合作协同调度算法研究

柔性制造单元模型为企业提供了一种高柔性和高效率的生产方式.针对该问题,设计了一种基于启发式规则的柔性制造单元合作协同调度算法.通过分解制造单元间的耦合,形成独立的制造单元,按照调度目标选择启发式规则并进行单元合作协同调度,最终形成整体调度方案.数值实验对调度规则进行了验证并表明了这一设计思路的有效性.     

一种适用于紧急事件调度的启发式项目调度新方法

针对紧急事件调度的紧迫性特点,为了快速准确制定响应方案,建立了一种基于资源约束的启发式项目调度方法.为了确定方案执行过程中的关键任务,将该方法与关键链方法相结合确定最终的调度方案.首先,在不考虑资源约束的条件下,制定了任务的最早及最晚开始时间计算方法,用来确定项目的初始关键链;然后,利用资源受限项目调度模型,通过制定的启发式规则确定资源约束下的关键链;最后,利用根方差法确定关键链中输入缓冲区的容量.同时,以海上救援紧急作业调度为例对算法进行了测试,并将该算法与现有的多种启发式规则进行了比较.结果表明,本算法能生成更好的调度方案,更适用于紧急事件调度.     

基于双向协商机制的机加与装配混合调度

针对允许子系统可重入的机加与装配混合柔性制造系统的调度问题,提出一种新颖的协商框架,并基于讨价还价的双向协商机制,提出一种柔性路径下的机加与装配交替混合调度算法. 不同代理具有各自的决策目标,作业代理的目标是使自己能以低价购买合适的服务,而机器代理的目标是使自己成功出售服务,同时获得最大收益. 通过代理间的双向协商避免各自决策的局限性. 实验表明,提出的方法与常用复合规则的启发式算法相比总费用的标准差降低了24%~207%,表明提出的方法无论在性能还是鲁棒性上都有更优越的表现.      

基于马尔可夫决策过程的MES系统动态调度方法

针对以事件为驱动的网络化制造环境下生产系统的特征,扩展马尔可夫决策过程,根据生产制造的特点进行动态生产调度方法的研究.以面向用户标准为基础,用制造系统响应时间来评价调度算法在不同规则下具有的性能特点;根据分析结果分别确定各种调度规则在预期时间内能够达到生产优化调度或满意调度的可能程度.将调度规则与实际生产相结合,设计网络化制造环境下动态调度指令单管理系统,实现制造管理的信息化.本系统可以按照用户需求实时反映生产制造信息;根据企业情况确定调度规则,生成调度决策方案,最大程度保证企业利益.     

炼钢车间多天车动态调度仿真方案

针对炼钢车间多天车动态调度问题，提出了一种滚动调度策略下的仿真调度方案.模型目标函数考虑了最小化天车调度与工序调度在时间节奏上的偏离度，同时考虑了最小化天车工作量及其差异；约束条件在遵守天车避碰约束的同时，考虑了工位容量约束和重调度各种初始条件对天车调度的约束.模型以基于仿真的启发式方法求解.以某炼钢车间双天车调度为实例进行了仿真实验.实验结果表明，该天车调度方案能够维护工序调度稳定，减少和均匀天车工作量.滚动调度策略下，提出的启发式方法所得解的优化性能最高能达到最优解的96.3%.提出的滚动调度策略下的启发式方法相比于现场采用的实时规则调度方法，调度优化性能提高26.4%.     

车间生产调度问题的技术现状与发展趋势

对于ＣＩＭＳ环境下的车间的计划与调度问题,从ＦＭＳ（柔性制造系统）中车间调度问题的分类与特点的讨论出发,综述了当前存在的车间调度问题的各种研究方法;在总结出当前研究调度问题的多种研究策略的基础上,指出了当前车间调度问题研究中存在的问题、解决途径及发展趋势。提出了几个具有前途和代表性的关于这类问题的研究方向和方法,以期为这类问题的研究指出可行的道路和方向。     

基于规则组合的Job Shop多目标柔性调度方法

为提高Job Shop模式下多目标柔性调度的实时性,文章利用规则调度计算量小、实现速度快的特点,建立基于双层规则组合的Job Shop多目标柔性调度方法;运用离差最大化原理分析规则调度结果,生成合理的多目标权重,以选择符合现场实时工况的较优调度方案;通过仿真实例验证了该调度方法的有效性。     

神经网络方法求解多目标多加工艺的柔性制造系统散件调度

针对多目标、多加工路径选择的柔性制造系统（ＦＭＳ）散件调度特点，提出一种带可控因素的神经网络模型，用灵活的规则揄体现ＦＭＳ的系统目标，用可靠的 经网络演算解决非线性问题的优化组合，达到以较少的代价同时获得系统的完备性和适应性的效应。     

基于神经网络和知识库的物料配送动态调度

为有效地解决汽车混流装配线中多载量小车物料配送的动态调度问题,提出基于知识库和神经网络的调度方法.首先,对汽车装配线物料配送的动态调度问题进行描述,建立以装配线产量和多载量小车的物料搬运距离作为衡量指标的目标函数.然后通过Plant Simulation软件生成针对汽车混流装配线的仿真数据并对神经网络模型进行离线训练,在实时阶段利用神经网络模型和知识库实现多载量小车最优调度规则的选取.实验结果表明:所提出的调度规则选取方法选择的调度规则大多为最优调度规则,以较低的调度规则计算复杂性确保了调度的实时性能,能够很好地应对动态环境的变化,从而有效提升了多载量小车的动态调度水平.     

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.     

遗传算法在柔性动态调度中的应用

采用一种实用的柔性制造系统（FMS）在线动态调度方案 ,以对车间生产环境的变化作出及时反应,建立了零件的可变工艺路径、包含AGV的FMS调度问题的模型,采用遗传算法（GA）以任意始点的任务集为背景同时调度机器和自动引导小车（AGV）。研究由若干台加工中心（WS）和AGV组成的FMS的调度问题,论述了综合事件机制及时间机制优点的动态调度机制,通过被修订的工序集与所有剩余工序形成交集,来识别需要被修订的工序集。这种重调度方式减少了人为的干预,允许按环境改变而对方案作出修订,因此可以在实时条件下工作。