基于颜色Petri网的再制造工艺过程建模与优化调度方法

针对再制造工艺过程的众多不确定性问题,建立了一个基于颜色Petri网的再制造工艺过程模型,引入颜色标识描述了再制造工艺路线的不确定性、再制造工艺时间的不确定性和再制造资源冲突不确定性。以最小化再制造工艺成本和延期交货惩罚成本为目标建立了再制造优化调度模型,并提出了一种基于模拟退火算法和最小松弛时间规则的优化调度方法。该混合算法结合概率突跳特性在解空间中随机寻优,确定最优的再制造工艺路线和零部件加工优先级。将所提出的优化模型和方法应用到某废旧机床再制造实践中,运用Matlab编程开展再制造调度仿真。仿真结果表明:所提出模型与方法与基准案例相比,可平均减少15%的再制造总成本。     

不确定环境下可再制造零件加工车间调度

【目的】可再制造零件的质量状况、加工时间以及交货期的不确定性使得调度过程十分复杂,如何在不确定环境下对可再制造零件加工车间进行合理地调度与优化意义重大。【方法】首先采用模糊聚类分析法对可再制造零件进行质量等级划分,以减少调度过程中不确定因素的影响,然后对不确定环境下可再制造零件加工车间调度问题进行建模,并采用多层编码遗传算法进行求解。【结果】通过算例验证了模型的正确性,并且得到:1)对可再制造零件进行质量等级划分后可以明显地减少调度过程中不确定因素的干扰。2)决策者对最大完工时间和加工成本的重视程度会影响调度方案的选择,决策者应根据自身关注的重点来选择合适的调度方案,得到相对协调的结果。【结论】综合考虑可再制造零件加工车间存在的不确定性更加符合实际情况,可以为解决不确定环境下可再制造零件加工车间调度问题提供一种新思路。     

不确定环境下可再制造零件加工车间调度

【目的】可再制造零件的质量状况、加工时间以及交货期的不确定性使得调度过程十分复杂,如何在不确定环境下对可再制造零件加工车间进行合理地调度与优化意义重大。【方法】首先采用模糊聚类分析法对可再制造零件进行质量等级划分,以减少调度过程中不确定因素的影响,然后对不确定环境下可再制造零件加工车间调度问题进行建模,并采用多层编码遗传算法进行求解。【结果】通过算例验证了模型的正确性,并且得到:1)对可再制造零件进行质量等级划分后可以明显地减少调度过程中不确定因素的干扰。2)决策者对最大完工时间和加工成本的重视程度会影响调度方案的选择,决策者应根据自身关注的重点来选择合适的调度方案,得到相对协调的结果。【结论】综合考虑可再制造零件加工车间存在的不确定性更加符合实际情况,可以为解决不确定环境下可再制造零件加工车间调度问题提供一种新思路。
     

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。     

不确定条件下单阶段多产品批处理过程的调度

讨论了不确定条件下的单阶段多产品批处理过程，基于模糊理论建立了加工时间不确定和顺序相关建立时间不确定的调度模型。这里引用“中间值最大隶属度”算法将模糊的优化问题转换为普通的优化问题，然后结合遗传算法进行优化求解。最后仿真结果表明了所建模型及算法的有效性。     

不确定条件下的零等待Flow shop生产调度问题

研究了处理时间不确定条件下,含零等待模块的模糊Flowshop生产调度问题;采用三角模糊数描述处理时间的不确定性,用零等待策略对加工过程进行约束,建立了基于模糊规划理论的零等待Flowshop调度模型,通过中间值最大隶属度的方法,将原有的模糊调度模型转化为清晰的调度模型;最后应用改进的模拟退火算法对模型进行仿真优化,制定了适用于实际排产过程中的GANTT图,仿真结果说明了调度模型的正确性和改进算法的有效性。     

不确定条件下的零等待F1ow shop生产调度问题

研究了处理时间不确定条件下，含零等待模块的模糊Flow shop生产调度问题；采用三角模糊数描述处理时间的不确定性，用零等待策略对加工过程进行约束，建立了基于模糊规划理论的零等待Flow shop调度模型，通过中间值最大隶属度的方法，将原有的模糊调度模型转化为清晰的调度模型；最后应用改进的模拟退火算法对模型进行仿真优化，制定了适用于实际排产过程中的GANTT图，仿真结果说明了调度模型的正确性和改进算法的有效性。     

考虑能耗优化和学习效应的随机多目标并行机调度问题研究

针对具有学习效应且处理时间不确定的并行机调度问题,以最小化最大完工时间和能源消耗为优化目标,建立了该问题的随机多目标调度模型;设计和改进了非支配排序遗传算法和基于分解的多目标进化算法进行求解.通过采用覆盖率指标和逆世代距离指标对实验结果进行评价,分析了两种算法在求解该问题上的性能.研究结果表明,MOEA/D在C指标方面...     

随机灰色提前期条件下制造/再制造混合系统库存优化

基于PUSH库存控制策略提出了在不确定生产提前期、恒定顾客需求率和产品回收率条件下的制造/再制造混合生产系统库存控制模型,可用品仓库库存由新产品制造过程和回收产品的再制造过程共同补充。不确定的生产提前期可描述为随机灰色变量,提出的随机灰色模拟技术可为不确定函数产生输入-输出数据,利用该输入-输出数据训练后的神经网络可加速不确定函数的模拟过程,由随机灰色模拟、神经网络和遗传算法集成的混合智能优化算法可求解该库存模型。数值分析结果表明:平均生产成本随给定的顾客服务水平和生产提前期的增加而增加,该不确定模型符合实际库存系统的实际情况,提出的智能优化算法可优化复杂的不确定规划问题。     

不确定性优化方法在船型优化设计中的应用

为了使非高精度的近似模型在船型优化中发挥最大效用,引入不确定性优化方法,采用区间数描述反向传播(BP)神经网络构建的兴波阻力系数近似模型的不确定性,基于主尺度与船型系数联合组成的设计空间构建了最小总阻力的优化模型.采用双层嵌套优化体系,外层采用加入学习因子改进策略的粒子群算法对引入罚函数的总阻力目标函数进行优化,内层采用改进的快速模拟退火算法针对近似模型的不确定域求解目标函数区间.算例表明了不确定性优化体系的优越性与两种优化算法的适用性.     

基于遗传算法的航空装备备件送修调度优化

针对航空部队备件配送效率低的实际,构建了带时间窗的双向多目标备件送修调度优化模型。该模型放松了对时间窗的约束,通过优化车辆路径方案,在一定行车总时间和单车车载容量的条件下,能以最少的车辆投入满足各作战部队的需求,有效降低了部队的运输服务成本。为解决模型求解中车辆数量的不确定性和行车路径的多选择性等问题,改进了遗传算法的染色体编码和进化算子,提高了算法的效率。理论分析和仿真试验表明,该算法能有效解决多目标规划情形下航空作战部队备件送修任务。     

基于遗传算法的电梯群控鲁棒优化模型

针对电梯群控调度过程中交通流不确定的问题,建立了鲁棒优化模型,利用遗传算法对所建模型进行求解.对于不确定线性优化问题,研究了不确定集的选择以及模型鲁棒对等式转化方法.仿真实验中,利用电梯群控虚拟仿真环境对鲁棒优化调度算法在不同交通流下进行了验证.以300人/15 min的混合交通流模式为例,鲁棒优化算法的平均候梯时间比静态分区算法降低12.77 s;平均乘梯时间比最小等待时间算法降低9.7 s;电梯启停次数比静态分区算法少8次.实验结果表明,鲁棒优化调度算法对不同交通模式具有更好的适应性,可以减小交通流不确定性的影响,提高电梯群控调度性能.     

基于深度学习神经网络和量子遗传算法的柔性作业车间动态调度

针对柔性作业车间动态调度问题构建以平均延期惩罚、能耗、偏差度为目标的动态调度优化模型,提出一种基于深度Q学习神经网络的量子遗传算法。首先搭建基于动态事件扰动和周期性重调度的学习环境,利用深度Q学习神经网络算法,建立环境■行为评价神经网络模型作为优化模型的适应度函数。然后利用改进的量子遗传算法求解动态调度优化模型。该算法设计了基于工序编码和设备编码的多层编码解码方案;制定了基于适应度的动态调整旋转角策略,提高了种群的收敛速度;结合基于Tent映射的混沌搜索算法,以跳出局部最优解。最后通过测试算例验证了环境-行为评价神经网络模型的鲁棒性和对环境的适应性,以及优化算法的有效性。     

物料供给不确定环境下的飞机移动生产线动态调度方法

飞机装配所需的物料种类复杂且数量巨大,其准时供给往往存在较大的不确定性.为了有效解决物料供给不确定环境下的飞机移动生产线动态调度问题,将机器学习中的支持向量数据描述技术(SVDD)与传统的调度方法相结合,提出了基于SVDD的动态调度算法.通过软件CPLEX和元启发式算法求解不同物料供给延期情形下的调度模型,并将得到的优化结果作为样本对SVDD分类模型进行离线训练.在实时调度阶段,根据SVDD模型实现作业的提前、延期或准时执行的分类.基于该分类结果,利用局部前瞻搜索算法进一步对提前和延期作业的具体开始执行时间做出决策.数值实验结果证明了所提出的算法在响应速度和求解效果上均能满足实际飞机移动生产线动态调度的需求.     

模糊分布式柔性作业车间调度问题的求解算法

针对加工时间不确定的模糊分布式柔性作业车间调度问题,在引入三角模糊数的基础上,提出了一种改进的灰狼优化算法以最小化最大模糊完工时间．该算法的主要特点是设计了一种基于工序、工厂和机器的三层编码方案,提出了一种混合初始化策略以提高种群质量,采用基于非线性函数和动态权重的更新机制协调算法的全局探索和局部开发能力,提出四种邻域搜索结构提高解的质量．最后通过不同规模的仿真对比实验,验证了该算法在求解模糊分布式柔性作业车间调度问题上的有效性和优越性．     

多目标模糊柔性作业车间调度问题优化

为降低柔性作业车间调度中的能耗,针对实际制造车间中工序加工时间和交货期的不确定性,将加工时间和交货期采用模糊数表示,建立以完工时间、平均满意度和最小满意度为柔性作业车间调度问题的多目标函数。同时设计了邻域遗传算法(GANS)求解该问题,算法采用机器选择的方法产生初始种群,并采用工序插入式方法对染色体进行解码;采用动态交叉概率及改进精英保留策略来保证种群的多样性和加快算法的收敛速度;并提出一种基于移动模糊关键工序的邻域结构来加强算法的局部搜索能力。最后通过数值实验验证了模型和算法的有效性和可行性,并对4个基准问题进行测试。结果表明:该算法在求解的精度、鲁棒性和解集的分布性方面与传统算法相比具有一定的优势,是一种有效的求解模糊柔性作业车间调度问题的新方法。     

基于FLP的再制造物流网络不确定性问题

通过分析再制造逆向物流网络模型中不确定性因素存在的原因,提出选取单位观测时间T的方法反映废旧品产生时间和地点的不确定,用模糊变量反映废旧品数量和质量的不确定,并提出基于轮盘赌的采样模糊模拟方法确定模糊数的隶属函数,使得模型能够充分利用现场信息.以投资成本和运输成本最低为目标函数建立了模糊线性规划模型,使所建模型能考虑更多的不确定因素,改变了以往模型简单假设不确定带来的问题.结合实际算例,采用混合智能算法求解,得到了优化结果,验证了模型的有效性.通过对模型中各参数进行比较分析,体现了不同机会约束中的置信水平的高低对选址策略的影响变化规律.     

含分布式储能的主动配电网鲁棒优化经济调度方法

为克服风电输出的不确定性,基于鲁棒优化中的worst-best理论,提出一种主动配电网的鲁棒优化经济调度模型.该模型采用拉丁超立方采样方法生成风电场景集表征风电预测的不确定性.在建模过程中,引入分布式储能的等效运维成本,同时以微型燃气轮机、分布式储能和主动配电网购电/售电调度成本最低为目标函数,采用基于随机变异的粒子群优化算法对模型进行求解,可得到极端场景下运行成本最小的调度方案.仿真结果验证了该模型及求解算法的有效性,得到的调度方案能在风电预测误差范围内满足系统所有约束条件,并给出经济性最优的调度方案.与确定性经济调度方案进行对比可知,本文所提出的调度方案具有更强的鲁棒性.     

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．     

非对称模糊加工时间工期指派调度优化问题的一类多项式求解算法

针对工件加工时间为非对称模糊数,极小化提前完工惩罚和拖期完工惩罚之和的均值的单机工期指派调度优化问题展开研究.证明了当模糊加工时间具有相同宽度比时,该问题是多项式可解的,并 给出了多项式求解算法.同时根据历史数据,构造了工期指派问题的调度模型,并利用所给出的算法求得最优解,从而 表明所提出的模型和算法的有效性.