考虑运输时间的紧前约束下柔性作业车间调度

针对紧前工序对机床主件制造车间生产调度的影响,结合运输时间分析紧前工序的四种表现形式,建立各形式紧前工序约束模型．引入模糊运输时间的概念,利用三角模糊数确定确切的工件运输时间,构建考虑运输时间的紧前约束下的四目标柔性作业车间调度模型,设计基于勾股模糊前景值的最优觅食算法求解该调度模型．算法中将勾股模糊数与前景理论结合,将目标函数值映射为模糊数,利用基于直角三角形形心的距离测度评估模糊信息,基于距离测度体现个体选择时的偏好,通过双理想参考模糊数前景值函数获取综合前景值判断非劣解质量,引导最优觅食算法进化．通过算例、实例测试和真实生产案例仿真验证了所提算法性能强于四个经典的多目标智能优化算法．     

带队列约束的RHFS列生成调度算法

为有效提升多重入车间的生产效率,考虑实际生产中队列约束,提出了基于列生成算法的可重入混合流水车间的调度方法.首先对两阶段生产调度问题进行描述,以最小化工件总完成时间为优化目标,建立数学规划模型.针对该调度模型提出列生成算法,设计带多重决策的动态规划方法来求解工件级子问题,为更快收敛,主问题求解中采用自适应加速策略.在使用分支定界将得到的解整数化的过程中,构造列池并设计局部变异.最后,对各种不同问题规模进行了数值实验,结果表明所提出的调度算法是有效可行的.     

基于混合蚁群算法的半导体生产线炉管区调度方法

炉管区是半导体生产线的主要瓶颈之一,对整个生产线的性能影响较大.当前针对炉管区调度研究以规则调度为主,且考虑约束较为简单,忽略了存在前后道工序影响的多机台调度以及晶圆加工的重入特性.针对具有等待时间约束、不兼容工艺菜单和重入特性的炉管区β_1→β_2调度问题,构建了目标为最小化晶圆平均流动时间的β_1→β_2调度模型.将该调度问题分成组批、设备选择及批排序3个阶段,提出了一种基于混合蚁群优化算法的炉管区调度算法.针对组批阶段,设计了一种可变阈值控制策略.针对批排序阶段,设计了混合蚁群优化算法.进行了历史生产数据的不同规模54组算例实验,结果表明:混合蚁群算法的性能均优于几种常用启发式规则和遗传算法的性能.将所提出的混合蚁群算法应用于实际晶圆生产线,能够有效减少生产过程中晶圆的流动时间.     

基于规则的批处理设备调度方法在半导体晶圆制造系统中应用

针对半导体炉管区瓶颈设备的批处理调度问题,提出满足工艺约束和设备限制的组批调度算法.在考虑产品动态到达的基础上,根据半导体制造系统大规模、多重入、混合型生产等特征,针对晶圆平均等待时间进行优化,实现多产品、多机台的实时组合派工.仿真实验在一个虚拟的晶圆制造系统上进行.结果表明,该算法在实时派工中对瓶颈设备填充率和利用率显著提升,有效地缩短了产品加工周期.
     

应用禁忌粒子群算法的车间调度及其并行化实现

为了解决批量生产、制造、装配等车间调度问题,基于Hadoop集群,提出应用禁忌粒子群算法的车间调度及其并行化实现.以某装载机制造车间最小化完成时间为目标,通过使用禁忌粒子群算法对车间调度问题进行求解.结果表明：在车间批量大的情况下,禁忌粒子群算法可得出有效的调度方案,避免算法陷入局部最优解.与现有的智能算法相比,禁忌粒子群算法更有利于实现全局最优解.     

最佳觅食算法求解多目标混合流水车间调度问题

针对生产车间中需要同时考虑减少生产时间、确保加工质量以及通过减少能耗而降低生产费用的需求,建立以完工时间、空闲时间、加工质量和机器能耗为目标的多目标混合流水车间调度模型,提出一种基于直觉模糊集相似度的最佳觅食算法.为有效求解此问题,提出基于Largest Order Value规则的双层整数编码方式,在机器层编码部分采用权重法来计算机器的选择概率.针对多目标优化,提出直觉模糊集相似度的解比较策略,采用直觉模糊集相似度的大小衡量Pareto解与理想解的相似程度,判断Pareto解的优劣.通过测试实例和实际案例,验证本算法求解多目标混合流水车间调度问题的有效性和可行性.     

低碳制造环境下车间有限刀具多目标调度研究

为解决低碳制造环境下刀具在机床之间的调度问题,基于任务的机床分配方案,聚焦于车间内刀具的流转和使用过程,建立了综合考虑生产任务的完工时间、加工成本及加工碳排放的多目标刀具调度模型。针对调度过程中刀具资源数量和寿命受限的问题,在NSGA-Ⅱ算法基础上,提出了考虑解个体不可行度的选择算子,并利用不可行阈值的自适应更新方法,维持种群中不可行解在一定的比例,用来提高算法对于优化解的搜索能力。实验验证结果表明,与仅考虑完工时间的模型相比,本模型得到优化方案的加工成本、碳排放分别降低了21.8%、14%。所建立的多目标刀具调度模型能有效地解决低碳制造环境下车间有限刀具的调度问题,计算得到的帕累托最优解集为刀具的优化调度提供了可行的解决方案。     

柔性作业车间多目标调度优化研究

研究了多目标柔性作业车间调度问题(FJSP),提出了一种基于Pareto的混合遗传算法,并建立了包括生产周期、总拖期时间和机床负载在内的多目标优化模型.该算法采用基于工序的编码方式和活动化解码方法,将Pareto排序策略与Pareto竞争方法结合起来.为了保证解的多样性,采用小生境技术并同时使用多种交叉方法,用Pareto解集过滤器保存进化过程中的最优个体,防止最优解的遗失.算法最后给出问题的Pareto最优解集.仿真试验证明,提出的混合遗传算法可以有效解决多目标FJSP.     

多种群蚁群遗传算法在车间调度中的研究应用

蚁群算法和遗传算法都属于仿生型优化算法,是解决调度问题的强有力的工具。本文针对多目标车间调度问题提出了一种多种群蚁群算法和遗传算法想结合的算法,算法的第一部分用多种群蚁群算法求得各个目标函数的最优解,第二部分把求得的解作为遗传算法的初始种群求得多目标问题的Pareto最优解。仿真结果,该算法有较好的有效性、稳定性和订单适应能力。     

一种求解阻塞流水车间多目标调度的离散差分进化算法

针对流水车间中产品不存在缓冲区的多目标优化问题,研究了阻塞流水车间的最大完工时间和总流程时间的最小化问题,提出了一种多目标离散差分进化(Multi-objective Discrete Differential Evolution,MDDE)算法搜索Pareto最优调度解。MDDE的变异个体通过非支配解或当前解的邻域随机产生,实验个体通过交叉操作产生,而选择过程则设计为一种多目标选择策略。此外,算法还混合了一种基于插入的Pareto局部搜索方法。基于标准测试算例的数值仿真实验表明,MDDE算法获得的非支配解集在Inverted Generational Distance、Set Coverage和Hypervolume性能指标上均有较好的表现。     

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.     

基于协作蛙跳算法的可重入混合流水车间调度

针对可重入混合流水车间调度问题(RHFSP),提出一种协作蛙跳算法(CSFLA),以同时最小化最大完成时间和总延迟时间．给出了模因组的解质量和进化质量评价方法,根据进化质量确定最多两对模因组,在每对的两个模因组之间执行交换搜索次数和搜索能力的动态协作,并运用动态多邻域搜索(DMNS)和自学习过程改善算法性能．运用大量实例进行仿真实验,实验结果表明：CSFLA的新策略有效,且在多目标RHFSP优化方面具有较强的优势．     

分布式装配阻塞流水车间调度算法研究

针对以装配完成时间为优化目标的分布式装配阻塞流水车间调度问题(DABFSP),提出一种协同帝王蝶优化(CMBO)算法．在算法的初始化阶段,CMBO有效利用分布式装配阻塞流水车间调度问题的特征,采用构造式的方法产生可行调度序列,并作为算法的初始解;在迭代过程中,CMBO利用两种协同的离散化算子更新种群;在局部搜索阶段,CMBO利用最优解的邻域信息进一步提升解的精度与质量．在以不同工件数、机器数、工厂数和产品数为组合的900个问题实例中,测试和比较了CMBO算法及其他先进对比算法的性能．实验结果及统计学分析表明：CMBO算法在求解分布式装配阻塞流水车间调度问题时优于其他两种对比算法．     

面向作业车间调度问题的遗传算法改进

为了获得遗传算法在作业车间调度问题上的最优化解,提高算法的迭代速度,研究了遗传算法的改进方法,以工件的加工时间最短为目标建立调度模型。在算法上提出了基于概率改进的具有自适应能力的交叉与变异算子,以求作业车间调度问题的最优解。在遗传算法上采用精英保留策略方法,并结合改进的自适应算子对问题进行求解。以基准案例LA01和FT06作为实验仿真对象,获得了相应的甘特图以及搜索过程曲线。仿真结果表明,与未改进的算法相比,该算法能够更加快速地获得最优解。改进后的算法在搜索上更加快速有效,在求解作业车间调度问题上具有一定的可行性,更加适合工业加工生产。     

面向节能的阻塞混合流水车间调度问题建模

针对能耗目标的阻塞混合流水车间调度问题(HFSP-B),分别构建了考虑调整时间及不考虑调整时间的阻塞混合流水车间调度问题(MILP)模型.为了减少机床待机能耗,在MILP模型中考虑关机/重启节能策略.针对MILP模型,从目标函数、目标函数的线性化过程、决策变量和约束方程进行介绍.最后,通过对具体实例的求解,验证了所提MILP模型的有效性.通过对MILP所得最优解的分析,挖掘了阻塞因素对能耗目标的影响规律,有助于今后设计基于元启发式算法的近似算法.     

基于多Agent的柔性作业车间调度研究

针对多目标柔性作业车间调度问题,构造了基于多Agent的车间调度模型,研究了多Agent之间的交换协调机制．提出一种改进遗传算法并封装在策略Agent中,通过对编码规则、解码算法与交叉、变异算子进行改进,提高了调度优化算法的实用性和优化效果,实现了多目标动态调度,提高了系统的适应性和健壮性．某企业车间应用实例证明其可以满足车间调度高效、稳定的要求．     

求解环境经济调度问题的多目标差分粒子群优化算法

提出一种基于差分演化的改进多目标粒子群优化算法来求解电力系统环境经济调度问题。算法通过对Pareto最优解集的差分演化来增加Pareto最优解的多样性;通过循环拥挤距离来控制归档集中非劣解的分布,以提高对种群空间的均匀采样;采用一种新的多目标适应值轮盘赌法选择粒子的全局最优位置,使其更逼近Pareto最优前沿;自适应惯性权重和加速度因子的动态变化可增强算法的全局搜索能力。对电力系统环境经济负荷分配模型进行仿真,并与文献中的其他算法进行了比较。结果表明,改进的算法能够在保持Pareto最优解多样性的同时具有较好的收敛性能。     

基于粒子群算法的不确定动态多目标优化方法研究

当前不确定动态多目标优化方法通常将多目标问题转换成单目标问题,将其它目标看作约束条件,仅可得到单个解,无法有效体现不确定多目标之间的关系,导致得到的解质量低。为此,提出一种新的基于粒子群算法的不确定动态多目标优化方法,给出不确定动态多目标优化问题的数学描述,介绍了粒子群算法,针对粒子群算法容易陷入局部最优的弊端,引入动态变异算子对其进行改进,通过改进的位置更新公式实现粒子群算法位置的自适应更新,给出解决不确定多目标优化问题的详细过程,在此基础上,通过分段线性函数参数化实现不确定动态多目标优化。实验结果表明,所提方法搜索能力强,采用所提方法得到的解与真实解最相近,质量最高。     

带并行腔和重入约束的双臂集束型设备调度方法

为有效解决半导体制造业中带并行腔和重入约束的双臂集束型设备调度问题,提出一种以优化搜索为核心的调度方法。首先,引入优化FIFO ( first in first out)搜索规则,并以系统总完工时间最小化作为目标,建立带并行腔和重入约束的四加工腔双臂集束型设备调度数学模型。在此基础之上,结合虚拟缓冲模块的概念,提出一种基于机械臂交换策略的优化搜索算法。最后,对所提出的算法进行仿真实验,实验结果表明该算法是可行且有效的。     

粒子群算法的不确定动态多目标优化方法研究

当前不确定动态多目标优化方法通常将多目标问题转换成单目标问题,将其他目标看作约束条件,仅可得到单个解,无法有效体现不确定多目标之间的关系,导致得到的解质量低。为此,提出一种新的基于粒子群算法的不确定动态多目标优化方法,给出不确定动态多目标优化问题的数学描述,介绍了粒子群算法,针对粒子群算法容易陷入局部最优的弊端,引入动态变异算子对其进行改进,通过改进的位置更新公式实现粒子群算法位置的自适应更新,给出解决不确定多目标优化问题的详细过程,在此基础上,通过分段线性函数参数化实现不确定动态多目标优化。实验结果表明,所提方法搜索能力强,采用所提方法得到的解与真实解最相近,质量最高。