FMS—AGV传输系统自学习调度方法

针对ＦＭＳ－ＡＧＶ传输系统调度的不确定性因素,对ＡＧＶ在线运行状态参数实时记录并学习,运用动态规划算法和模糊数学的方法,提出了模糊动态规划（ＦＤＰ）算法．给出了适于计算的迭代算式,结合人工智能（ＡＩ）编制了ＡＧＶ传输系统调度软件包．本算法利用在线记录的ＡＧＶ运行数据进行模糊处理和学习,有效地调节用于描述ＦＤＰ算法的模糊模型参数．这种自学习ＦＤＰ算法在ＡＧＶ的路径规划中有较好的适应性．对于一个新的ＦＭＳ－ＡＧＶ系统,经几次规划自学习之后,该算法就能很好地用于系统的实时调度中．     

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。     

车间多载自动导引车绿色物流调度

随着现代制造业的飞速发展,企业在生产效率和生产能耗方面有越来越高的要求,智能生产车间的自动化程度逐渐提高。主要研究作业车间自动导引车(automated guided vehicle,AGV)的智能绿色物流调度问题。首先,建立以降低AGV能耗和最优AGV路径为目标的AGV物流调度优化模型;然后,提出一种以任务排序为约束的改进遗传粒子群算法;最后,以某针织车间的实际物流调度为例对文中方法进行验证。计算结果表明,文中提出的AGV物流调度模型能够较好地模拟AGV绿色调度耗能问题,提出的改进遗传粒子群算法具有较快的收敛速度和较好的寻优能力。     

Hybrid particle swarm optimization for solving resource constrainted FMS

In this paper, an approach for resource-constrained flexible manufacturing system （FMS） scheduling was proposed, which is based on the particle swarm optimization （PSO） algorithm and simulated annealing （SA） algorithm. First, the formulation for resource-constrained FMS scheduling problem was introduced and cost function for this problem was obtained. Then, a hybrid algorithm of PSO and SA was employed to obtain optimal solution. The simulated results show that the approach can dislodge a state from a local minimum and guide it to the global minimum.     

Hybrid particle swarm optimization for solving resource-constrained FMS

In this paper,an approach for resource-constrained flexible manufacturing system(FMS)scheduling was proposed,which is based on the particle swarm optimization(PSO)algorithm and simulated annealing(SA)algorithm.First,the formulation for resource-con-strained FMS scheduling problem was introduced and cost function for this problem was obtained.Then.a hybrid algorithm of PSO and SA was employed to obtain optimal solution.The simulated results show that the approach can dislodge a state from a local min-imum and guide it to the global minimum.     

柔性制造系统中底层设备的控制

FMS系统中装备一定量的数控机床、工业机器人、运输小车等底层自动化装备,该文完成了FMS系统中数控机床、工业机器人、AGV小车、物料缓冲站等FMS系统的底层设备的控制。     

动态柔性制造系统仿真平台

针对通常柔性制造系统（FMS）仿真方法在体现制造系统动态变化特性方面的不足，开发了一种FMS的可视化、分布工仿真平台。该平台模拟真实FMS的运行，较好地体现了离散事件动态系统的特性，可以作为调度、控制算法的测试平台。作为示例，在该平台上成功地实现了一种基于遗传算法的FMS动态调度算法，解决了FMS实时运行中各种突发事件下的再调度问题。     

基于实例FMS的AGV调度数学模型与算法

本文讨论柔性创造系统中自动导引小车（ＡＧＶ）的调度问题，基于实例系统建立了ＡＧＶ小车的动态调度数学模型，并给出了调度算法．     

单无人搬运车/单缓冲区约束的柔性生产系统调度研究

阐述了无人搬运车( AGV)在柔性生产系统中的调度规则,并在此基础上建立了实现工件调度和AGV调度集成问题的数学模型.改进了普通的遗传算法,设计了二次解码算法,优化了基因序列,实现对遗传算法的优化.调度结果不仅给出了各加工站的优化作业顺序,而且给出了AGV的行走优化路径.实验结果表明,改进的遗传算法的计算效率比普通的遗传算法高,同等计算条件下设备利用率也明显提高.     

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。     

基于离散型鲸鱼优化算法的AGV与机器集成调度方法

针对制造系统中考虑路径冲突的AGV(automated guided vehicles)与机器集成调度问题,提出一种基于时间窗和Dijkstra算法的离散型鲸鱼优化算法。首先,以最小化最大完工时间为目标,建立AGV与机器集成调度的数学模型,并采用一种三段式编码实现AGV和机器的集成编码,建立连续空间与离散空间之间的映射关系;然后,为了保证初始种群的质量和多样性,设计一种结合混沌映射和对立学习的扩展型GLR(global, local, random)种群初始化方法;运用Levy飞行算子和阈值重启操作进一步提高算法的全局搜索能力;最后,为了提高算法的局部搜索能力,引入结合问题特点的变邻域搜索算法。标准算例仿真实验和柔性仿真实验证明了该算法解决AGV和机器集成调度问题的可行性和优越性。     

A Dynamic Job Shop Scheduling Method Based on Lagrangian Relaxation

ＩｎｔｒｏｄｕｃｔｉｏｎＳｃｈｅｄｕｌｉｎｇｉｓｏｎｅｏｆｔｈｅｍｏｓｔｉｍｐｏｒｔａｎｔｉｓｕｅｓｉｎｔｈｅｐｌａｎｎｉｎｇａｎｄｏｐｅｒａｔｉｏｎｏｆｍａｎｕｆａｃｔｕｒｉｎｇｓｙｓｔｅｍｓ．Ｓｉｎｃｅｍｏｓｔｓｃｈｅｄｕｌｉｎｇｐｒｏｂｌｅｍｓ...     

应用混合蚁群算法求解并行批处理机组批与调度问题

晶圆制造系统的批处理机具有长加工时间的特征,其调度性能指标对车间总体绩效有重要影响.批处理机调度分为组批与批次调度.针对工件的动态到达特性导致组批困难,提出了一种混合型蚁群算法.利用该算法的全局并行搜索能力对工件进行组批,并使用BATC算法对批次进行调度,可以解决多产品并行批处理机调度问题.以工件总拖期最小为性能指标,通过实例仿真,对蚁群算法性能进行分析评价和比较.结果表明,所提出的算法具有有效性和实用性.     

求解多目标单机分批排序问题

分批排序(Batch Scheduling)是在半导体生产过程的最后阶段提炼出来的一类新型的排序问题．单机分批排序问题就是n个工件在一台机器上加工，要将工件分批，每批最多可以同时加工B个工件，每批的加工时间等于此批工件中的最大的加工时间．目前只有Cheng-shuo Wang，Reha Uzsoy运用Random Key方法编码研究了单目标函数为Lmax的分批排序问题．给出组合优化中的多目标分批排序问题的一种新编码，结合模糊数学知识，运用遗传算法研究多目标分批排序问题．研究了多目标遗传算法的机制特征，进而给出求解多目标分批排序的遗传算法．     

AGV调度优化的应用场景、关键因素和研究方法综述

针对自动引导小车(automated guided vehicle,AGV)调度问题,梳理了制造、仓储、港口以及快递分拨中心中的AGV使用和调度研究现状,发现以快递分拨中心为代表的服务业是新兴且研究较为薄弱的领域;分析了AGV调度优化需考虑的因素,发现数量配置与充电管理两个关键因素联合考虑的不足,建议未来在大规模动态调度研究中将二者统筹考虑;从精确方法、近似方法和基于人工智能的新方法3个方面总结AGV调度研究方法,建议未来可在启发式算法的基础上融入基于人工智能的新技术和新方法以获得创新。     

基于时间Petri网和启发式搜索的柔性制造系统调度算法

利用库所延迟Petri网对柔性制造系统进行建模,在Petri网激发变迁生成的可达树中进行启发式搜索,求解最小完成时间调度策略,并改进了现有计算机器剩余时间的启发式函数,对剩余加工操作进行准确分类,以保证算法的最优性.为了提高算法的求解效率,改进后的启发式函数考虑了未产成操作的剩余时间,以使预测值更加准确并减少了计算量.同时,利用实验验证了所提出方法的正确性和有效性.     

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．     

基于优化的模糊决策算法在多AGV调度问题中的应用

为解决多AGV在复杂系统中的任务调度问题,以提高生产效率缩短任务周期为目标建立地面轨迹模型和AGV搬运耗时模型。采用优化的模糊决策算法通过最小化每台AGV的搬运耗时来最小化搬运作业的总耗时。在算法设计过程中,采用分布式控制思想,将AGV离目标点的距离,AGV的当前载重和AGV的当前电量作为因素集,将AGV执行此次搬运任务的合适度作为评价集,建立AGV模糊评价模型;通过该模型得出各台AGV对任务适合度的评价向量进而寻找一种映射将评价向量转化为值,调度问题被转化为最优化问题,其中采用切割补偿优化综合模型的因素权重选择,采用分模式链式比较减少AGV的计算量。通过多次仿真实验,可以验证本文算法在缩短任务的执行周期上具有一定的可行性与有效性,并且在解决复杂系统AGV状态多变的调度问题下展现了一定的鲁棒性和拓展性。     

自动化集装箱码头多载AGV调度问题研究

多载AGV是一种自动化集装箱码头水平作业设备,它可以同时搬运多个集装箱,可缩小AGV流的规模,增大AGV的利用率.为了提高自动化集装箱码头的作业效率,考虑了垂岸式集装箱堆场布局,以最小化作业总费用为规划目标,以作业限制、时间窗长度、负载平衡等为约束条件,以事件驱动的调度策略为研究方法,建立了多载AGV调度问题的混合整数规划模型.同时利用GUROBI和遗传算法求解多载AGV的作业总费用和空载率,并与相同条件下单载AGV的作业总费用和空载率对比,验证了多载AGV的优越性.     

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.