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.     

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.     

基于遗传粒子群混合的可重入生产调度优化

可重入生产调度优化问题是个NP难问题,针对可重入生产调度的特点,对该优化问题进行数学规划建模,并通过一些定义将模型映射为有向图,以便于智能搜索算法的应用.结合粒子群算法收敛速度快与遗传算法全局搜索能力强的特点,进行优势互补,并优化设计相关参数,构造了一种混合算法.运用混合算法对供应链优化调度问题模型进行求解,与标准遗传算法、粒子群算法的求解结果进行比较,结果表明混合算法有着更好的优化性能.     

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.
     

带重入约束的双集束型晶圆制造设备调度算法

为了有效解决集束型晶圆制造设备群加工过程中存在的重入调度问题,构建了带重入约束的双集束型晶圆制造设备调度算法.首先分析了双集束型晶圆制造设备中重入约束特征.在此基础上,建立调度问题域,并以系统加工周期最小为目标,建立调度模型.采用分解策略,将双集束型晶圆制造设备调度问题分解成单个设备调度问题,并提出了一种全新的机械手调度顺序搜索的启发式算法.最后对调度算法进行仿真实验分析,结果表明该算法是有效的.     

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。     

基于混合算法的多目标连续泊位-岸桥集成调度研究

为了多角度考虑,合理地提高码头作业效率和客户满意度.针对集装箱码头连续泊位,考虑船舶动态到达且船舶有优先级条件下的泊位-岸桥集成调度优化问题.首先,建立了基于船舶总在港时间最少、总等待时间最少,泊位偏离惩罚最小、超出计划离港时间惩罚最小的多目标泊位-岸桥集成调度一阶段模型和最小化岸桥移动成本的岸桥具体分配二阶段模型.然后,提出了一种将细菌觅食、粒子群、克隆免疫、变领域搜索相结合的混合算法.最后,用提出的算法和Cplex软件对模型算例进行求解,针对不同目标,得出具体调度方案.实验表明:混合算法比细菌觅食算法、粒子群算法和克隆免疫算法有更好的精度并且具有较快求解速度;同时具体调度方案会随着目标函数的不同而发生相应的变化,各个目标之间存在约束关系,验证了混合算法和模型的有效性.     

分布式两阶段混合流水车间调度

针对分布式两阶段混合流水车间调度问题(DTHFSP),提出一种教学优化算法(TLBO)求解工厂分配问题并设计一种启发式算法解决机器分配问题,以最小化最大完工时间.首先,采用均衡工厂负载的方法生成初始班级;然后,引入淘汰机制以加强对优势解的局部搜索效率,并在自学阶段增加反思过程强化教学结果;最后,通过大量实例实验验证了教学优化算法在求解分布式两阶段混合流水车间调度问题时的搜索优势.结果分析表明教学优化算法在求解分布式两阶段混合流水车间调度方面具有更好的稳定性和求解质量.     

带容量约束的多车调度暂态混沌神经网络算法

带容量约束的多车调度问题是典型的NP-hard问题,利用模糊C均值聚类算法的相似性分类原理及混沌神经网络的全局搜索能力和高搜索效率,提出了一种快速且易于实现的新的混合启发式算法.该算法分为用模糊C均值聚类算法将所有客户按车容量要求装车和用暂态混沌神经网络方法对每条路线排序两个阶段.实例计算以及与其他算法比较表明,该算法是一种求解多车调度问题的可行且高效的方法.     

一种基于多目标优化的混合在线集卡调度方法

为了提高集装箱港口工作效率,在"大作业面"前提下,结合任务触发型和集卡触发型两种集卡在线调度方法,综合考虑系统总作业时间、岸吊等待时间以及集卡空载率问题,建立多目标优化模型,并运用启发式方法提出一种混合在线集卡调度算法。最后,以港口实际数据为例,通过实验仿真例证了模型优化效果和算法工作效率。     

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.     

战时车辆调度问题算法及应用分析

战时车辆调度是精确后勤的核心内容之一,对提高部队机动性和后勤保障能力具有重要作用.对战时车辆调度问题进行分析研究,提出一种快速、高效的算法.对战时多任务车辆调度组合优化问题,即NP-Hard问题进行求解.构造了一个两层搜索结构的遗传禁忌混合算法,该算法充分利用了不同领域搜索方法的优点,增强了算法在解空间中的搜索能力和运行效率.试验分析结果表明:所提算法能有效地解决战时多任务车辆调度问题;与基本遗传算法相比,该算法的优化能力、运行效率、可靠性均得到了提高.     

多目标柔性作业车间调度的多交叉策略元胞进化算法*

针对经典Job-shop调度问题的局限性,构建了以加工成本、瓶颈机器负荷、机器总负荷及制造工期为目标函数的柔性作业车间调度多目标优化模型,提出了基于多交叉策略的元胞多目标遗传算法。在分析优化模型的基础上,使用双层编码方式,并采用多个交叉算子协同进化,提出一种多交叉策略的进化算子。针对元胞多目标遗传算法的特点,提出一种改进的精英策略,保证更多的精英个体参与进化,从而提升算法收敛速度。通过2个基准实例求解对比分析,表明所提方法的有效性。将新算法应用于实际生产企业的车间调度问题中,得到了一组Pareto解集,并采用层次分析法得到一种满意度最大的方案。数据结果表明,该算法在解决多目标FJSP的工程有效性。     

基于析取图考虑物料搬运的Job Shop调度算法

为有效解决考虑物料搬运设备的Job Shop调度问题,建立了非线性规划模型及改进析取图模型.在此基础上,以最小化最大完工时间makespan为调度目标,构造了两阶段结构式启发式调度算法.第一阶段,将析取图分解为机床调度析取子图和搬运设备调度析取子图,提出一个双层递进启发式算法.上层利用分支思想求解机床调度析取子图,根据上层结果,求解搬运设备调度析取子图.在第一阶段解的基础上,第二阶段构造了基于块理论的调度优化启发式算法.最后对算法进行了仿真分析,结果表明所提出的算法是有效、可行的.     

进化规划方法在并行多机调度问题中的应用

并行多机调度问题是一类重要的车间调度问题,但迄今为止,在解决工件和机器数较多的大规模并行多机调度问题还存在着许多困难。进化规划方法与遗传算法一样是一种重要的进化计算方法,但与遗传算法相比,进化规划算法的应用还刚刚开始,特别是在调度领域的应用还很少见文献报道,第一次将进化规划方法应用到并行多机调度问题中,并在问题的描述、可行解的表示、变异方法、提高进化规划方法的局部寻优能力等方面作了研究。不同规模的计算实例表明了本文提出的进化规划算法是有效的,能用于解决较大规模并行多机调度问题,且解的质量优于启发式算法和模拟退火算法。     

云计算环境下多信道联合均衡调度算法研究

针对传统资源调度方法存在执行时间跨度大、信道接入率低、资源负载不均衡等问题,提出云计算环境下多信道联合均衡调度算法研究.根据云计算环境下多信道通信链路优化时隙和多信道资源,构建多信道链路模型,提出信道端到端可靠性最大化优化模型,将优化问题转换为多信道联合均衡调度问题.利用多信道最优跨度和负载均衡算法对均衡调度问题进行求解.结合多信道数据处理和任务执行的特性,设计最优跨度和负载均衡双适应度函数,在种群进化初始阶段和接近收敛阶段对适应度函数做适当调整,完成多信道联合均衡调度.实验结果表明,所提方法资源调度的执行时间跨度小、信道接入率高、负载均衡程度好,能满足资源传输的实时性要求.     

带有学习效应的多目标置换流水车间调度问题研究

在综合考虑经济指标和环境因素的基础上,提出了以最小化最大完工时间和总能耗为优化目标的置换流水车间调度问题,并着重考虑学习效应对该问题的影响。针对该问题的特点,构建了带有学习效应的多目标置换流水车间调度模型,并设计了一种嵌有批量处理和扰动算子操作的混合蛙跳算法对模型进行求解。利用扩展的标准测试问题验证了该算法的性能,并与非支配排序遗传算法、强帕累托进化算法进行了对比分析,实验结果表明改进的混合蛙跳算法具有较好的寻优能力。利用此算法得到了不同学习率下的优化目标值,并运用敏感性分析探讨了学习效应对优化目标的影响程度,从而为企业制定合理的生产调度方案提供参考。     

基于混合蜂群算法的柔性作业车间调度优化

针对柔性作业车间调度求解问题,提出一种新型混合蜂群智能优化算法.该算法采用独特的编码方式和位置更新策略来避免不合法解的产生,在蜂群算法的基础上增加了有利于局部搜索的混沌算子提高了算法搜索精度,实现了全局搜索与局部搜索能力的有效平衡.最后将此算法在不同规模的实例上进行了仿真测试,并与最近提出的其他几种具有代表性的算法进行了比较,验证了该算法的有效性和优越性.     

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.