平顺移动模式下考虑加工时间与调整时间可分离的多目标流水车间批量调度

对平行顺序移动模式下考虑加工时间与调整时间可分离的多目标流水车间批量调度问题展开研究.构建以加工制造设备总停机次数、批量工件生产周期以及搬运批量工件的总次数为决策目标的基于分层序列法的多目标决策模型,利用该模型可确定批量工件的最优加工排序方案.建立平行顺序移动模式的加工与调整时间模型,该模型是求解生产周期的基础,也是为批量工件的最优调度方案制定生产作业计划的依据.提出并设计平行顺序移动模式下考虑加工时间与调整时间可分离的禁忌搜索算法对问题进行求解.研究结果表明:本研究可为平顺移动模式下考虑加工时间与调整时间可分离的批量生产流水车间选出批量工件的最优调度方案,同时可为批量工件的加工和加工制造设备的调整制定精确的生产作业计划.     

平行移动方式下考虑作业时间可分离的多目标流水车间批量调度

对平行移动方式下考虑作业时间可分离的多目标流水车间批量调度问题进行研究。构建以生产周期、总停机次数和总搬运次数为目标的基于分层序列法的多目标决策模型。建立考虑作业时间可分离的时间模型,并设计遗传算法求解流水车间批量调度问题。本研究可为功能型布局流水车间中的批量零件选出最优调度方案,并能为批量零件的加工制造、搬运以及加工制造设备的调整制定精确的生产作业计划。     

带搬运时间的批量生产制造系统生产作业计划方法

为给考虑搬运时间的批量生产制造系统中的同类型工件制定生产作业计划,对批量工件的加工与搬运时间、搬运车辆调度和工件移动方式决策等问题进行深入研究.构建同类型批量工件在不同移动方式中的加工与搬运时间模型并设计相应的计算流程图.建立基于生产周期和搬运车辆总投入数量两个决策目标的工件移动方式决策模型.研究结果表明:本研究可有效选择工件移动方式,可为考虑搬运时间的同类型批量工件制定精确的生产作业计划,并可对搬运车辆进行合理调度.     

考虑学习率和搬运时间的人工作业系统批量加工模式研究

在考虑员工学习率和相邻工序间搬运时间的基础上, 对人工作业系统的批量加工模式进行研究. 以严格理论证明的方式给出小组作业模式和生产线作业模式的批量零件生产周期公式; 在给定算例的情况下, 得出与传统模型不同的结果: 小组作业模式具有最短的生产周期. 建立各道工艺工序和运输工序加工与搬运时间模型, 分析搬运设备每次搬运的零件数量, 并设计运输工序所需搬运设备数量的全局优化算法. 决策者利用时间模型和搬运设备每次搬运零件数量的信息, 可以有效安排某批零件的加工与搬运任务; 利用运输工序所需搬运设备数量的全局优化算法可求解运输工序所需搬运设备的最小数量, 并可明确搬运设备的投入时间.     

恶化效应下加工时间可控的新工件到达干扰管理

针对工件实际加工时间是起始加工时间线性递增函数,以及允许分配资源缩短工件加工时间的加工制造过程,研究工件按照加工成本最优方案加工过程中,到达一批新工件的生产调度干扰管理问题,加工成本体现为总资源费用和总完工时间。有效的干扰管理需要制定新的加工时间表,在优化加工成本的同时,最小化干扰造成的相对初始计划的时间扰动。加工成本和时间扰动成为问题的2个优化目标,分析问题复杂性为NP难问题,融合带精英策略的非支配排序遗传算法和归档式多目标模拟退火算法各自优势,基于主从结构的并行计算方式,设计并行混合进化算法,并将分析得出的Pareto最优解特性引入算法设计过程进行问题求解。随机数值仿真实验表明,本文设计的并行混合进化算法具有优于带精英策略的非支配排序遗传算法和归档式多目标模拟退火算法的求解性能,基于主从结构的并行计算方式提高了算法收敛速度,引入Pareto最优解特性进一步改进算法收敛性和有效前沿多样性。     

面向两客户的差异工件平行机批调度问题

将差异工件的批调度问题扩展到两客户生产环境,建立了两个客户分别以最小化制造时间跨度和最小化最大工件延迟时间为生产目标的差异工件平行机批调度模型.首先提出了一种启发式算法TSEDD(two-set earliest due date)对分批方案进行排序并安排到平行机,然后设计了一个多目标蚁群优化算法MOACO(multi-objective ant colony optimization)对不同客户中的工件进行分批并结合TSEDD完成对问题Pareto最优解集的求解.实验结果表明,与经典的多目标问题求解算法NSGA-Ⅱ和SPEA2算法相比,MOACO具有较好的求解效果,且随着问题中工件规模的增大,算法的优势更加明显.     

基于仿真的双目标并行机开放车间自适应动态调度

针对工件到达时间与加工时间不确定，且存在紧急工件的并行机开放车间调度问题，以TWC(total weighted completion time)与TWT(total weighted tardiness)为优化目标，设计了一种集成FlexSim仿真模型与NSGA-Ⅱ算法的自适应动态调度方法。该方法以FlexSim模型仿真工件的生成和加工为基础，根据车间实时负荷确定动态调度周期，对紧急工件进行右移重调度，利用NSGA-Ⅱ算法生成双目标优化的调度方案。某晶粒拣选车间生产数据的实验结果表明，相较于利用规则的实时动态调度与固定周期重调度，提出的方法能够在最小化调度偏离度的同时获得满意解。     

双油罐修理线的天车运送周期性排序问题的求解

作为机车油罐修理中的一个重要资源，天车的排序直接影响系统的、生产率。本文研究了产品在系统的一边装栽、而在另一边卸栽的双油罐修理线的天车周期性排序问题。工件在每个工作台需要加工一定的时间，工作台之间没有缓冲工作台，一台天车用于工作站之间工件的运送，目标是对运送进行排序以极小化生产周期。为了求解这个问题，本文提出了一个混合整数线性规划模型，量化示例表明所提出的方法是有效的。     

一类带有安装时间的单机成组排序问题

针对一类带有准备时间和安装时间的单机成组排序问题,给出了求解最优排序的多项式算法。其中每个工件都具有自己的准备时间,组和组之间具有安装时间,并且安装时间和已经加工完工件的加工时间有关。所有工件在机器上加工时,一次只能加工一个工件,工件不可中断,组内工件连续加工,组和组之间需要安装时间。对目标函数为极小化最大完工时间的单机成组排序问题,给出了求解最优排序的多项式算法。原问题不是成组问题,为此在原问题的基础上添加了工件的成组问题且组内每个工件都具有自己准备时间,其结果是依然能给出求解最优排序的多项式算法。     

三目标单机随机调度问题

讨论一类具有随机加工时间的单机调度问题 ,目标是确定 n个独立工件的最优排序 ,使工件提前完工时间之和 ,延误时间之和及守工时间之和的线性组合之期望值最小 .在一定条件下得出最优排序的形状.     

单机不同尺寸工件批调度问题的优化算法

研究了单机环境下不同尺寸工件的批调度问题,引入微粒群算法对制造跨度进行优化.首先给出了问题的微粒表达形式,并根据问题的离散优化特性对微粒状态的更新方法进行了改进;然后将微粒群算法和分批的启发式算法进行有效结合,改善近似解的质量.实验中对各类不同规模的算例均进行了仿真,结果表明了微粒群算法的有效性.     

离散型生产排序的自适应控制

离散型生产活动排序的自适应控制系统包含预测器、最优控制器、参数估计器三部分。基于极大极小代数法的预测器计算各种排序方案的完工时间，该算法以任务投入加工的时间作为状态变量，以预测的任务加工的完工时间作为输出变量，通过输入工艺路线矩阵、加工顺序矩阵和加工时间矩阵，根据生产活动状态变迁的规则建立状态变量的递推计算公式，经过多重循环求出所有状态变量的取值；最优控制器以加工顺序矩阵为控制变量，利用预测器逐步试探求解，最后稳定在性能指标最优的加工顺序矩阵的方案上；参数估计器对加工工时定额进行自适应地学习，利用反馈的真实的加工工时，不断修正定额并收敛到平均值。文中阐述了这种控制方法的仿真实例。     

平顺移动下等量分批FJSP多目标优化研究

为解决平顺移动下等量分批柔性作业车间调度问题多目标优化的困难,对平顺移动下等量分批柔性作业车间调度多目标优化方法进行了深入研究。首先,针对平顺移动方式下等量分批柔性作业车间调度的特点,建立了一类以完工时间最短和制造成本最低为优化目标的等量分批柔性作业车间调度多目标优化模型。其次,提出并设计了一种改进的NSGA II算法对模型进行求解。算法中引入面向对象技术处理复杂的实体逻辑关系,使用一种基于工序及设备编码的分段编码技术进行编码,采用分段交叉和变异的特殊遗传算子实现遗传进化,应用4种精细化调度技术于解码过程以提高设备利用率。最后,通过案例分析验证了方法的有效性。     

优化差异工件单机批调度问题的混合微粒群算法

研究了单机环境下具有动态到达时间的差异工件批调度问题,设计了微粒群算法对此类问题进行求解,并结合动态规划进行优化.首先给出了问题的微粒表达形式,并根据问题的离散优化特性对微粒状态的更新方法进行了改进;然后将微粒群算法和动态规划算法进行有效结合,改善近似解的质量.在实验中,对各类不同规模的算例均进行了仿真,验证了该算法的有效性.     

Scheduling jobs with general learning functions

This paper deals with single-machine scheduling problems with a more general learning effect based on sum-of-processing-time. In this study, sum-of-processing-time-based learning effect means that the processing time of a job is defined by a decreasing function of the total normal processing time of jobs that come before it in the sequence. Results show that even with the introduction of the sum-of-processing-time-based learning effect to job processing times, single-machine makespan minimization problems remain polynomially solvable. The curves of the optimal schedule of a total completion time minimization problem are V-shaped with respect to job normal processing times.     

A CLASS OF GENERALIZED MULTIPROCESSOR SCHEDULING PROBLEMS

1. IntroductionOne of the fundamental problems in the theory of scheduling is to sChedule n independent jobs non-preemptively on m 2 2 multiprocessors. It is well-known that PllCm.. andPI I Z:=, wiCi are strongly NP-hardll'2].In this paper, we consider a class of generalized multiprocessor scheduling problem. It canbe described as follows: There are m almost identical processors M = {MI, M2,'' 5 Mm}, andn independent jobs J = {JI, J2,'' 9 Jn}. The processing time of job Ji is pi. A…     

线性减少加工时间的资源约束单机排序问题

讨论具有连续资源的单机排序问题。在这一模型中,工件的准备时间是所消耗资源的非负严格减少连续函数,工件的加工时间是开工时间的严格减少线性函数。考虑两类问题,第一类问题的目标函数是在满足最大完工时间限制条件下极小化资源消耗总量。第二类问题的目标函数是在满足资源消耗总量限制条件下极小化最大完工时间。对两类问题讨论了最优排序的某些特征。基于对问题的分析,分别给出了求解最优资源分配的方法。结果表明,加工时间为常数情况的结论对于加工时间是开工时间线性函数的情况仍然成立。