蚁群算法在工艺规划与车间调度集成优化中的应用

为了解决工艺规划与车间调度集成(IPPS)问题,提出了一种改进的蚁群优化(ACO)算法.通过节点集、有向弧集、无向弧集,构建了一种基于图的IPPS优化模型.以零件加工时间作为启发式信息,设计蚂蚁在各节点间转移概率.通过蚂蚁访问图中不同的节点,构建对应的调度方案.根据不同阶段调度方案的最大完工时间调整各弧段信息素的挥发速度,提高了蚂蚁的搜索效率.为避免陷入局部收敛,通过重启算法和重置各弧段信息素初值,动态更新各弧段信息素量,以获得全局最优解.将该算法应用于具体的仿真实例,结果表明该算法能有效地解决工艺规划与调度集成问题,为企业生产提供借鉴.     

基于改进遗传算法的多车间计划与调度

生产计划与调度是企业生产和管理的核心内容,传统的单车间调度优化不能满足多车间调度优化的要求.针对这情况,提出一种基于改进遗传算法的层次化多车间计划和调度优化方案,其中生产计划层负责零件的分发,车间调度层负责零件加工路线的规划.以一个三制造车间的调度优化为例,验证多车间调度模型的有效性.结果表明所提出的方案在将加工零件合理地分配到适当的车间同时,实现了零件加工路径的规划,从而为解决分布式多车间调度优化问题提供一种有效而又实用的方法.     

车间调度问题研究

介绍了车间调度问题的含义和特点，总结了近年来出现的车间调度数学模型和研究方法，分析了研究中存在的问题，并指出了解决途径与进一步的研究方向．     

交货期窗口下的多目标作业车间调度问题

研究交货期窗口下的多目标作业车间调度问题.如果任务在交货期窗口内完工,则不受提前/拖期惩罚;如果在交货期窗口外完工,将导致提前/拖期惩罚.设计了基于协同多群体的多目标遗传算法（CMGA）,最后将此算法应用于作业车间调度的多目标优化问题,并和其他算法进行了比较.计算结果验证了CMGA在调度方面良好的搜索性能.     

基于粒子群优化的多目标作业车间调度

为了利用粒子群优化算法解决作业车间调度问题,提出了将调度问题转化为连续优化问题的有效策略;设计了Pareto档案粒子群算法(PAPSO),该算法将档案维护和全局最好位置选取结合在一起,在档案维护过程中为每个粒子选取全局最好位置;给出了变异与PAPSO的结合新策略.将PAPSO和带变异的PAPSO应用于15个调度实例,以最小化总拖后时间和最大完成时间,与强度Pareto进化算法2等进行比较,结果验证了PAPSO在作业车间调度方面的良好性能.     

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。     

并行流水车间调度问题模型与算法研究

将大型钢管企业的管加工调度问题抽象提炼为一类具有普遍意义的并行流水车间调度问题,建立了数学规划模型,并对其求解算法进行了探讨。     

基于遗传算法的多目标生产车间调度研究

针对生产调度多目标动态复杂性,提出了一种基于AOE图寻找关键路径的改进遗传算法。采用基于工件和机器相结合的编码方法,根据多目标要求,设计了相应的交叉遗传算子。实验结果表明,改进的遗传算法符合车间实际应用情况,对解决多目标动态车间调度问题有实际的应用意义。     

机械制造车间调度分析及其实现

机械制造车间调度系统是企业管理的重要智能,是制造系统运筹技术、管理技术与优化技术发展的核心。本文在分析了制造车间环境复杂性和特殊约束的特点和分类的基础上,提出一种改进后的免疫遗传算法,通过实例验证了该算法的适用性和有效性。     

基于改进遗传算法的作业车间调度问题研究

为了解决遗传算法的早熟收敛问题,提出一种改进遗传算法.通过设定种群过早收敛指标,在种群出现过早收敛时,及时的对其进行优化.仿真示例说明了该遗传算法在求解Job-Shop生产调度方面的可行性和有效性.     

多阶段制造系统的生产计划与调度综合模型

给出一种多阶段生产制造系统的生产计划与调度综合模型,采取分解与交互逼近的方法求解,可得到生产计划与调度的局部最优解,并且是实际可操作的.     

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。     

遗传粒子群算法的动态计划与排程问题研究

文章针对柔性作业车间生产过程中随机出现的异常情况和频繁动态排程导致的系统振荡问题,提出了一种新的动态计划与排程方法;该方法以生产效率、设备利用率以及交货期满意程度三者综合为优化目标,采用基于事件驱动和周期驱动相结合的驱动机制,以适应生产过程中的异常情况,并提出一种改进的主、从递阶结构的遗传粒子群算法;最后,通过实例验证了该方法的有效性。     

炼钢连铸生产计划调度一体化的仿真优化模型

为解决炼钢-连铸生产计划制定的可执行性与调度过程的时间不确定性影响问题,建立了一种计划调度一体化的仿真优化模型。模型以炼钢生产流程中的物流为对象,将连铸的连浇批量计划完成作为仿真的目标导向,同时考虑了过程的实时信息,并将生产调度原则抽象作为仿真模型的局域演化规则;模型可根据生产目标、过程信息按局域规则进行工位状态更新和物流迁移,从而实现目标导向下的自组织仿真。对于任意设定的时间范围,通过仿真模型的一次连续演化即得到可执行的炼钢连铸炉次计划,即初始调度方案。以某钢厂8h的生产实际数据检验了该仿真优化方法的有效性。     

基于交替迭代遗传算法的多级车间生产计划与调度的集成优化

为了提高多级生产系统的运作效率,研究了一类多周期的多级车间生产计划与调度的集成优化问题,该生产系统由一级混批Job-shop车间和一级混流装配车间串联而成.首先建立了该类集成优化问题的混合整数规划模型,该模型从上下游生产车间的需求关系出发,综合考虑上下游车间的物料平衡、设备负荷以及开工位置等约束条件,同时满足优化上下游生产线的费用目标.然后提出了一种交替式混合遗传协调优化算法求解该集成优化问题,其主要思想是给定计划用一种混合遗传算法求调度,反过来给定已求调度用另一种混合遗传算法求取新计划,如此不断交替使用2种混合遗传算法实现计划与调度的同时优化.仿真结果证明了该方法的可行性和有效性.     

炼钢-连铸过程生产计划与调度问题综合优化研究

生产计划与调度是炼钢厂生产管理与控制的重要环节。对特殊钢厂炼钢-连铸过程的生产计划与调度问题进行述评,对国内外其研究现状进行分析,并指出了其生产计划与调度结构的发展趋势。结果表明,合理的生产计划与调度方案,是特殊钢厂实现高品质、高效生产的重要途径,亦可对其全过程进行高效协调与管理,从而降低能耗和冶炼成本。     

基于工作流技术的集成化生产计划与调度模型

分析了传统的生产计划与调度模式的弊端，提出了基于工作流技术的并行协调的过程管理解决方案，并给出了基于工作流技术的生产计划与调度的集成系统框架．在此基础上，从系统结构、模型定义、工作流管理系统及计划调度解决方法等方面分析了系统内各功能模块的功能及实现机制，提出了采用时间分段的思想来实现计划与调度的协调．然后重点介绍了工作流系统的决策机制，给出了基于时间和事件双模式驱动的工作流引擎的决策过程，最后对今后的研究发展方向作了进一步的展望。     

一个集成的战略信息系统规划框架

随着信息技术在企业越来越广泛的应用,信息系统的作用也提高到战略的层次。能否有效地从战略层次上来规划信息系统对于企业实现其商业战略、获得竞争优势有着至关重要的作用。然而,很少有满意的规划信息系统的框架和方法。因此,提出了一个由规划目标、规划流程、规划机制、规划输出和规划实施5个侧面集成的战略信息系统规划框架;讨论了规划流程和规划机制及其组成要素和维度;最后从规划实施的角度分析了规划输出的内容。运用该框架将有助于提高企业信息化的内在一致性和外在有效性,促进企业信息系统实施的成功。     

基于3D的定量化工艺建模与工艺设计

提出了一种基于3D的定量化工艺建模与工艺设计方法，试图解决工艺设计的底层问题，通过3D工序图模型和参数化空间尺寸链模型的映射，构造工艺模型结构，给出了基于该工艺模型的定量化工艺设计系统，为解决3D环境下的定量化工艺设计提出了一种新思路。     

当今CAPP的发展动态(英文)

计算机辅助工艺设计（ＣＡＰＰ）的概念已提出多年并已在工业界得到应用。然而,由于其自身的复杂性和灵活性,许多瓶颈问题尚未得到解决,影响了ＣＡＰＰ的进一步推广。基于大量的论文检索和阅读分析。揭示了当今有关此研究领域的一些最新方向和动态,以期望对将来的ＣＡＰＰ发展作出贡献。