面向作业车间调度问题的改进型蝙蝠算法

针对作业车间调度问题(Job shop scheduling problem,JSP),提出了一种改进型蝙蝠算法(Improved bat algorithm,IBA)以优化车间内工件的最大完工时间.根据作业车间调度问题的特点以及基本蝙蝠算法的搜索机制,首先对个体位置向量进行了设计,实现了蝙蝠算法中离散问题的连续编码;然后分别采用GT算法和随机生成两种方法对算法种群进行初始化,以提高初始解的质量.此外,采用三种邻域结构,并在此基础上设计了变邻域搜索策略作用于最优个体,以避免算法出现早熟收敛,提高IBA算法的性能.最后,针对JSP问题的基准算例进行了大量的仿真实验,计算结果验证了本文所提出的IBA算法的可行性和有效性.     

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。     

双资源作业车间智能优化调度

用遗传算法研究了双资源作业车间的调度优化问题,提出了一种将归约法与遗传算法和分派规则相结合的调度算法,该算法将机床和工人合理地分配给加工任务(工序),使评价指标获得最优.通过与国外学者的算法进行比较,本算法在相同生产周期的情况下,能够获得平均流动时间较少的调度结果.本算法采用的遗传编码不含工人和机床设备的信息,使得染色体的交叉和变异容易操作,节省了计算时间.最后还就工人/机床设备的比率对作业车间加工性能的影响进行了分析并给出分析结果.     

面向多目标柔性作业车间调度的强化学习NSGA-II算法

针对非支配排序遗传算法 (NSGA-II, non-dominated sorting genetic algorithm II)在求解柔性作业车间多目标优化调度问题中多样性不足、易于早熟与局部收敛的缺点,提出一种基于强化学习的改进NSGA-II算法(RLNSGA-II, reinforcement learning non-dominated sorting genetic algorithm II)。为避免NSGA-II陷入局部收敛问题引入双种群进化策略,利用性别判定法将种群拆分为两个种群,并在进化过程中采用不同的交叉变异算子,增加算法的局部和全局搜索能力;为解决NSGA-II精英策略造成多样性不足的问题,融合多个多样性度量指标,利用强化学习动态优化种群迭代过程中的拆分比例参数以保持多样性,改善算法收敛性能。最后通过Kacem标准算例进行了仿真实验与性能分析,验证了RLNSGA-II的有效性与优越性。     

面向柔性作业车间调度问题的改进博弈粒子群算法

对柔性作业车间调度问题的研究可以令实际生产加工过程更加贴合当今人们对商品个性化和定制化方面的需求。在对柔性作业车间调度问题中的多个性能评价指标进行研究后,巧妙利用它们间的矛盾点,在自创的问题编、解码方案的基础之上,建立了博弈解集,并对传统粒子群算法的寻优机制进行改进,提出了改进博弈粒子群算法。运用该算法对一组标准问题调度算例进行求解,验证了该算法良好的求解性能。同时,通过与其他粒子群算法结果和耗时等的比对显示该算法可以更有效地求解以最小化最大完工时间作为唯一优化目标的柔性作业车间调度问题。     

面向绿色制造的一种作业调度模型及其算法

建立了面向绿色调度的模型,旨在优化调度过程中产品的质量、生产成本、资源消耗、环境污染和生产周期．将多目标遗传算法与模糊优选技术相结合对该模型求解,并用案例验证了模型的实用性和算法的可行性．     

混合遗传算法求解车间作业调度问题

分析了生产调度问题,提出一种更为有效的动态混合遗传算法,成功地解决了复杂的FT10×10问题.研究过程中引入自适应遗传算法思想,结合一种能够很好解决调度问题的编码规则和适应度值函数,对该算法进行了详细分析.为防止在遗传操作过程中非法染色体导致程序运行失败,给出了非法染色体合法化的规则.仿真结果表明,该算法和编码规则非常适合调度问题,且所提出的动态混合算法优于其它算法.     

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.     

车间作业计划的全局动态调度算法

分析了ＪｏｂＳｈｏｐ作业计划中两个比较困难的约束条件，即缓冲区容量与刀具容量的限制，得出了通用型的刀具容量计算公式和调度系统的目标函数。     

车间作业计划的全局动态调度算法

分析了JobShop作业计划中两个比较困难的约束条件,即缓冲区容量与刀具容量的限制,得出了通用型的刀具容量计算公式和调度系统的目标函数,并据此提出了一种全局动态调度算法．仿真模拟结果表明这种算法具有较好的全局性和实时性．     

可重构制造系统的车间作业调度策略

提出了一种实用的分层调度策略 ,通过对制造系统组织的重构 ,以最小作业生产延迟和最大系统设备利用率为目标产生可行的次优调度方案 .该策略分 3个阶段 :首先 ,采用增广拉格朗日松弛法获得复杂可重构制造系统的车间作业预调度方案 ,该方法能将复杂作业调度问题分解成多个任务层的子问题 ,通过求解子问题获得任务的作业时间和对应工序加工的生产设备类型 ;然后 ,对制造系统进行组织重构以形成多个虚拟制造单元 ,旨在使制造单元内的生产设备间物流传送 (由自动导航小车承担 )费用最小 ;最后 ,通过离散动态规划形成虚拟制造单元的生产作业调度次优可行方案 .通过数值仿真分析 ,该策略能针对快速变化的产品需求 ,有效地重构生产制造系统 ,产生次优的调度方案 .     

可重构制造系统的车间作业调度策略

提出了一种实用的分层调度策略，通过对制造系统组织的重构，以最小作业生产延迟和最大系统设备利用率为目标产生可行的次优调度方案．该策略分3个阶段：首先，采用增广拉格朗日松弛法获得复杂可重构制造系统的车间作业预调度方案，该方法能将复杂作业调度问题分解成多个任务层的子问题，通过求解子问题获得任务的作业时间和对应工序加工的生产设备类型；然后，对制造系统进行组织重构以形成多个虚拟制造单元，旨在使制造单元内的生产设备间物流传送(由自动导航小车承担)费用最小；最后，通过离散动态规划形成虚拟制造单元的生产作业调度次优可行方案．通过数值仿真分析，该策略能针对快速变化的产品需求，有效地重构生产制造系统，产生次优的调度方案．     

求解柔性作业车间调度问题算法综述

柔性作业车间调度问题(Flexible Job-shop Scheduling Problem,FJSP)是一类典型的组合优化问题,也是几个经典的NP-hard问题之一.由于其应用的广泛性和求解的复杂性,这一问题受到了众多学者的关注.基于此,针对现有的关于FJSP的相关研究进行归类总结,将已有的求解方法分为精确算法、启...     

改进蚁群算法在车间作业调度中的应用研究

研究了基于机器最短加工时间的一类车间作业调度问题,建立了多约束的数学模型,为解决蚁群算法收敛性差和易陷入局部最优的问题,提出了一种基于插入移动的领域搜索方法,并使用该领域搜索方法嵌入蚁群算法.采用国际著名的benchmark测试集FT06进行了实例验证,计算结果表明,该算法可收敛到最优值55,且最优值、平均值和标准差都优于蚁群算法,标准差远远小于蚁群算法.     

作业车间批量调度策略研究

作业车间调度问题是最困难的组合优化问题之一,在实际生产中具有广泛应用。调度的目的是使完工时间最小化。本文针对实际的具有批量调度问题,分析并比较了几种调度策略。采用遗传算法进行求解,针对作业车间调度问题使用了一种单亲移位算子进行交叉和变异以避免不可行解的产生。最后给出了这些调度策略的仿真实例,结果表明,使用不同的调度策略将得到不同的优化结果,为实际的生产提供一定的指导作用。     

求解柔性车间作业调度的改进人工免疫算法

柔性作业车间调度问题(FJSP)一直是生产调度领域和组合优化领域的研究重点,为获得更加理想的FJSP解,解决标准人工免疫算法易陷入局部极值等不足,本文提出一种求解FJSP的改进人工免疫算法(AIA),该算法引入模拟退算法的Metropolis准则,接受新抗体,保证种群的多样性,加快搜索效率,并采用标准算例对其性能进行对比分析.仿真结果表明,改进人工免疫算法提高了FJSP的求解效率和解的质量,具有较高的实际应用价值.     

求解作业车间调度问题的混合QPSO算法

文章使用混合量子粒子群优化算法求解作业车间调度问题,并设计了一种基于工序的编码方式;为了克服量子粒子群优化算法容易陷入局部最优的缺点,将模拟退火算法引入量子粒子群优化算法,使算法具有跳出局部最优的能力并增强其全局搜索能力,形成量子粒子群-模拟退火调度算法;仿真结果表明,混合算法具有良好的全局收敛性能.     

基于改进分布估计算法的作业车间调度

为求解离散型生产过程中作业车间的调度问题,基于分布估计和模拟退火算法,提出一种改进的分布估计算法(enhanced estimation of distribution algorithm, EEDA),并通过激素调节机制设计了一种新的速度冷却控制方法以平衡EEDA算法的深度和广度搜索能力,基于关键路径的状态生成函数可缩小搜索领域,提高算法的搜索效率.数值仿真试验结果证明了本文算法的可行性和有效性.     

柔性作业车间调度优化的改进模拟退火算法

针对柔性作业车间调度问题,提出一种改进模拟退火算法来进行求解。该算法引入粒子群算法中的基于位置取整和基于轮盘赌两种个体编码方法,并采用3种不同的局部搜索方法来构造个体的邻域结构。算例计算表明,改进模拟退火算法在求解柔性作业车间调度问题时,比粒子群算法、混合粒子群算法以及模拟退火算法具有更好的求解性能,其中采用轮盘赌编码时,算法的求解性能要优于采用位置取整时的求解性能,且基于互换的局部搜索方法要优于其他两种局部搜索方法,能更有效地改善算法的求解性能。     

基于效率规则的混合作业车间调度算法应用研究

为了求解混合作业车间调度问题,本文提出一种基于效率规则的作业车间调度算法．引入工件加工的效率函数,进而以工件的效率函数值进行初排排序再调节排序,从而实现了混合作业车间快速高效优化排产．同时,运用该种算法开发了作业车间调度系统,并对实际混合作业车间调度实例进行求解验证,计算结果表明该算法具有很好的调度优化效果,可以很好地应用于混合作业车间调度．