对多级生产调度中有限容量存储器的研究

通过带有有限容量存储器的多级生产调度模型，分析了存储器的作用和性能以及对多级生产调度的影响，在确定目标函数全部任务加工完毕的时间为最小的情况下，提出一种启发式算法，解决带有限容量存储器的多任务生产加工的排序及各段时间间隔的加工量问题。     

无缓存流水线生产系统中AGV调度问题的研究

针对无缓存流水线生产系统中的AGV(automated guided vehicle)调度问题提出了复合评分的启发式调度算法,降低了系统中AGV执行任务的间隔等候时间.首先,通过建立数学模型,对目前主流的AGV规模估计方法做出了改进.其次,提出了一种新的基于复合评分禁忌搜索的AGV前瞻调度算法.不同于目前主流的以空驶距离为优化目标的调度算法,该算法能够以最小化工件延误时间、最小化AGV空驶距离等多目标来统筹调度AGV.最后,为验证所提算法的有效性,从多个角度与已有算法进行了实验对比.仿真实验结果表明,相较于其他算法,提出的前瞻调度算法能够更有效地解决无缓存流水线生产系统这一新场景的AGV调度问题.实车实验也证明了该算法在实际生产中的有效性.     

基于改进遗传算法的多产品连续化工过程生产调度

多产品连续化工过程的生产调度具有组合和连续的生产特性，因此它的调度模型可归结为一混合整数非线性规划问题（ＭＩＮＬＰ）。对这一问题的求解，采用了改进的遗传算法，提出了几种多样性保护算子，从而可防止传统遗传算法易提前收敛问题。所提出的算法被应用于三个产品生产的例子，并与文献所给的结果进行比较，说明了该算法的有效性。     

积分控制粒子群算法在再制造生产调度问题中的应用研究

针对不确定条件下再制造模糊加工时间的车间调度问题,建立了模糊工时调度模型,并提出了一种积分控制微粒群算法。考虑到基本粒子群算法易于早熟的缺点,通过增加控制器对粒子轨迹进行控制,在算法中引入加速度项,增强了种群多样性,提高了算法全局寻优能力。通过仿真实例验证表明,该算法在解决不确定条件下再制造生产车间调度问题方面是行之有效的。     

基于着色Petri网实现A星算法的生产调度优化研究

基于着色Petri网对A星算法进行建模,研究生产调度优化问题.利用着色Petri网的理论优势,简化了大规模复杂工艺生产过程的调度模型过于复杂的问题.直接建立A星算法的着色Petri网模型,对于生产调度研究中的跨平台问题给出了一种解决方法.通过着色Petri网仿真模拟软件CPN Tools构建了基于着色Petri网的A星算法实例和生产调度实例.     

改进蚂蚁算法在组合优化中的应用-置换FlowShop问题求解

置换FlowShop问题是生产调度问题中的一种，具有广泛的工程应用背景．有效的调度能够提高企业的生产效率和设备利用率，增强企业竞争能力．然而多机器的置换FlowShop问题属于NP-hard问题，很难得到问题的最优解．文章简单介绍了蚂蚁算法，并提出退火蚂蚁算法一将max-min ant system与模拟退火算法相结合．通过与max-min ant system运算结果进行比较最后得出结论：退火蚂蚁算法性能得到显著提高．     

改进遗传算法求解JIT模式下多工序作业调度

针对遗传算法在生产计划调度上的应用，结合JIT下的车间调度进行了改进研究。研究了单染色体遗产算法的改进问题，提出新的联合移位算子，针对车间作业计划的普遍实际情况，将这种算法应用在调度问题的求解上，重点开发了在加1二时间偏差最短和准时制(JIT)两种性能指标下的作业计划软件，给出了较详细的算法过程，用于生成快速与实时作业调度方案。     

基于模拟退火算法的生产调度问题

介绍了Metropolis准则,给出了模拟退火算法解决生产调度问题的基本方法和步骤,并对算法的有效性进行了验证.     

布局调度问题的聚合算法

在分析布局调度问题的基础上，建立了布局调度问题的数学模型，利用重复匹配算法，聚合算法等启发式方法，提出了布局调度操作的启发式规则及相应的启发式算法，算例表明该算法能较好地解决布局调度问题，所得布局结果是令人满意的。     

基于模糊规划的处理时间不确定条件下的Job shop问题

研究了处理时间不确定条件下的Job shop生产调度问题,建立了基于模糊规划理论的不确定Job shop调度模型。在采用两种模糊运算的基础上,结合模糊优化和遗传算法给出了一个解决非线性模糊优化问题的可行算法,通过仿真数据说明了所建模型及算法的有效性,并就结果进行了讨论。     

基于遗传算法的主生产计划优化模型

文章针对生产与销售多种产品且每个产品具有多级装配结构的典型离散型生产制造企业,研究了其主生产计划调度优化问题;以全生命周期中生产与库存费用最小为目标,通过引入提前和拖期惩罚费用因子,建立了加工能力受限情况下的主生产计划优化数学模型;将遗传算法和启发式方法相结合,提出了一种新型的企业资源计划的主生产计划优化的求解策略;对典型实例进行仿真,并对求解性能进行了比较,结果表明该算法模型是有效和可行的。     

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.     

基于改进遗传算法的装配式渠道生产调度优化

为有效提高装配式渠道生产效率,加快模具周转,降低生产成本,结合装配式渠道生产线养护室数量有限的特点,建立以最小生产周期为目标的装配式渠道生产调度优化模型,设计了求解该模型的改进遗传算法。以新疆石河子金土地水泥制品厂渠道生产线为例,验证生产模型的可行性,通过对比传统顺序生产调度与改进遗传算法得到的优化生产调度,验证改进遗传算法的稳定性与有效性。结果表明,基于改进遗传算法优化装配式渠道的生产调度,可有效降低装配式渠道的生产周期,提高生产效率,达到降低生产成本,提高企业核心竞争力的目的。     

改进遗传算法及其在矿山生产调度中的应用

基于多目标生产调度的特点和不足,从采掘运输成本和矿石品位两个角度出发,考虑矿石种类、铲位出矿量及卡车调度等因素,构建了多目标矿山生产调度模型.结合遗传算法解决多目标优化问题的优势,提出了基于改进遗传算法的矿山生产调度策略以及实现过程,并将改进前后遗传算法对模型的求解进行对比.模拟实验结果表明,运用改进遗传算法对矿山资源...     

分散网络化制造模式下协调调度的遗传算法

讨论了在生产实际问题中利用遗传算法实现具有各制造单元间协调功能的生产计划与调度系统，为了把遗传算法应用到生产实际的协调调度的环境中，提出了自己的编码方式，在此基础上实现了针对调度问题的遗传算法，并通过Agent实现异地调度系统之间的协调通信，这一工系统适合于分布式、自治的场合，满足分散网络化控制中各个分布式单元具有智能与自主的控制特征要求。     

基于双重资源的柔性生产系统调度算法

在柔性资源的生产环境下,如何进行人员与工作中心之间的优化配置对产品准时交货起着重要的作用。本文以提前/延期(E/T)惩罚最小为目标,进行了基于双重资源的柔性生产系统调度问题的研究。首先,对基于双重资源的柔性生产系统的E/T调度问题进行了描述,提出了求解调度问题的具体策略。在此基础上,建立了基于启发式的E/T调度算法。通过仿真实验,对算法性能进行了分析评价和比较,结果表明该算法用来求解基于双重资源的柔性生产系统的调度问题是有效和实用的。     

连续生产过程的最速生产调度

研究了一类有固定生产任务的连续生产过程最早完工指标调度问题，通过对最早守工指标和约束的分析，将该问题转换为线性规划问题；继而给出基于线性规划的简化调度方法及其在应用中出现“负生产”时的求解方法，仿真算例表明，该方法是有效的。     

基于Multi-Agent技术的露天矿山生产调度系统框架的构建

针对于露天矿山生产调度系统的复杂非线性、工艺点多面广等特性,引进具有分布式管理特性的多智能体技术,建立基于多智能体技术的露天矿山生产调度系统.在系统中将生产调度分为任务Agent、生产调度Agent、爆破Agent、运输Agent、破碎Agent以及资源Agent六个单智能体.运用具有较强非线性拟合能力的自适应神经模糊推理系统(ANFIS)进行局部与整体的建模,并利用粒子群优化算法对模型进行优化,得出最优化生产调度方案.对矿山实际生产调度方案的制定具有一定的参考价值.     

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·     

基于生产费用的柔性作业车间调度优化

考虑在制品库存费用、机床工时费、直接工人的工资费用、工件的提前和拖期完工造成的损失费用,提出了一种双资源柔性作业车间调度的生产费用计算方法.将模拟退火算法嵌入遗传算法中,设计了一种新的混合遗传算法.该算法首先利用遗传算法快速搜索一组较好的解,然后利用模拟退火算法进行群体寻优.采用基于工序的编码和一种新的解码方法,并运用多种交叉方法使得算法能够在解空间中尽可能地搜索最优解.为了避免最优解在进化过程中损失,采用择优操作将每代中的最优解保留下来,并不断更新.仿真结果表明:该方法是可行的,并具有一定的优越性.