遗传算法在柔性动态调度中的应用

采用一种实用的柔性制造系统（FMS）在线动态调度方案 ,以对车间生产环境的变化作出及时反应,建立了零件的可变工艺路径、包含AGV的FMS调度问题的模型,采用遗传算法（GA）以任意始点的任务集为背景同时调度机器和自动引导小车（AGV）。研究由若干台加工中心（WS）和AGV组成的FMS的调度问题,论述了综合事件机制及时间机制优点的动态调度机制,通过被修订的工序集与所有剩余工序形成交集,来识别需要被修订的工序集。这种重调度方式减少了人为的干预,允许按环境改变而对方案作出修订,因此可以在实时条件下工作。     

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。     

基于Petri网和基因表达式编程的作业车间调度研究

为了更好的解决车间调度问题,提出了一种基于时延Petri网(TdPN)和基因表达式编程相结合的调度算法。在该方法中,基因表达式编程根据时延Petri网模型中的部分变迁序列来确立染色体,每条染色体表示一种车间调度方案。作者选用了基因表达式的选择、交叉、变异三种类型进行遗传操作,利用延时Petri网对车间调度过程的仿真,根据变迁的赋时时间获得每条染色体的相应的时间。最后本文结合基因表达式编程具有较好的寻优能力和Petri网对动态的离散事件的过程能进行很好的描述的优点,在文章实验中验证了此方法的可行性。     

炼钢车间多天车动态调度仿真方案

针对炼钢车间多天车动态调度问题，提出了一种滚动调度策略下的仿真调度方案.模型目标函数考虑了最小化天车调度与工序调度在时间节奏上的偏离度，同时考虑了最小化天车工作量及其差异；约束条件在遵守天车避碰约束的同时，考虑了工位容量约束和重调度各种初始条件对天车调度的约束.模型以基于仿真的启发式方法求解.以某炼钢车间双天车调度为实例进行了仿真实验.实验结果表明，该天车调度方案能够维护工序调度稳定，减少和均匀天车工作量.滚动调度策略下，提出的启发式方法所得解的优化性能最高能达到最优解的96.3%.提出的滚动调度策略下的启发式方法相比于现场采用的实时规则调度方法，调度优化性能提高26.4%.     

自适应RGV动态调度模型与仿真

针对车间中RGV为CNC上料的调度问题,提出一种基于排队论方法和FIFS准则的RGV动态调度模型,给出CNC工序分配方式和RGV调度算法,通过MATLAB软件分别进行单工序和双工序2种工作状态下的仿真,研究其在应对机器故障等突发状况时的适应能力。结果表明:基于排队论的RGV动态调度模型是一种周期性的自适应调度模型,在面对突发状况时能够及时作出调整,自适应能力强。     

基于贝叶斯决策的柔性作业车间扰动处理方法研究

为解决实际生产过程中扰动事件的多样性和不确定性问题.借鉴贝叶斯网络表示不确定性事物的方法,建立了柔性作业车间生产关系的贝叶斯网络模型;通过分析扰动事件对车间调度的扰动实质,提出了不确定扰动事件处理方法,并构建了扰动处理的3层结构流程图,实现调度系统对扰动的有效响应.仿真结果表明:与传统加工方案调度策略进行对比,基于贝叶斯决策的柔性作业车间扰动处理方法减弱和吸收扰动事件对调度系统的影响约为50%,从而有效地提高了实际生产效率.     

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.     

一种求解柔性作业车间调度问题的改进DRSGA

为了解决柔性作业车间调度问题中权重难以确定导致调度效率低的问题,该文提出了1种改进的动态随机搜索遗传算法(DRSGA)。用功效系数法将所有工件完成时间和机器的总负载转化为单一的最小化目标。基于工序和机器分配2种交叉操作,采用1种双层染色体编码方案进行编码。采用1种可变影响空间评价方法,在保证非劣解均匀分布的同时维护了种群多样性。采用动态随机搜索(DRS)和擂台赛法则调整关键路径中工序的排序,得到最优调度方案。将改进DRSGA与向量评估遗传算法、改进遗传算法和混合遗传算法运行结果进行比较,仿真实验结果表明,改进DRSGA求最优解所用平均时间比3种对比算法缩短了41~257 s。     

订单可分解多柔性作业车间协同鲁棒调度

针对企业多车间协同生产需求,对多柔性作业车间协同调度问题展开研究,提出了一种订单可分解多柔性作业车间协同鲁棒调度方法。给出多车间协同调度的求解方案,设计了两级决策树生产订单分配模型,其中,第一级决策树进行分配策略选择,第二级决策树进行生产订单拆分。在第一级决策树中设计了基于遗传算法的拖期检测方法,提高车间产能评估的准确性,同时,将新订单加入视为动态调度过程,通过染色体的层次选择增强调度的鲁棒性。在第二级决策树中基于线性规划提出了生产订单分解的上下界准则。最后,通过一个基准案例以及部分生产实例对订单可分解多柔性作业车间协同鲁棒调度方法进行测试。测试结果表明,该方法具备可行有效性,可供企业实际应用参考。     

基于和声搜索算法的RGV动态调度优化模型

以2018全国大学生数学建模竞赛B题为例,针对RGV车间调度的具体案例,采用和声搜索算法和遗传算法,建立了RGV动态调度模型,解决车间CNC最优排布问题和RGV最短路径问题,得到了一个班次的RGV动态调度策略,以优化工业生产的实际过程.并代入3组系统作业参数,验证了模型的实用性和算法的有效性.     

基于随机机器故障的柔性作业车间动态调度

为了有效快速地应对生产过程中出现的随机机器故障,构建了一个故障机器可恢复的动态柔性作业车间调度模型,采用事件和周期混合驱动的方式,设计了一个组合重调度策略.在组合重调度策略中,将改进的二叉树右移重调度与完全重调度进行组合,引入序位偏差和完工时间偏差为重调度评价指标,对重调度方法进行选择,并且在精英选择遗传算法(elite selection genetic algo-rithm,ESGA)基础上,对精英选择策略进行改进,以防止陷入局部最优.试验算例仿真结果表明,动态调度算法对随机机器故障下的柔性作业车间动态调度是有效的.     

一种基于工作流技术的调度方法

针对传统调度模型在描述复杂生产过程时所面临的模型规模庞大,模型可读性差等问题,提出了一种基于工作流技术的调度模型(WTSM),它通过基于活动的建模并在活动定义中内嵌事件—条件—行为(ECA)规则来达到缩小模型规模,增强模型动态描述能力的目的。同时WTSM定义了独立的资源模型,使之能够更好的支持资源定义以解决资源调度问题。然后采用工作流技术建立相应的调度系统(WTSS),法跟引擎与调度器集成并通过运行模型实例来获得调度方案。实例表明该方法具有模型规模小和调度速度快等优点。     

基于SystemC的罩式炉退火车间离散事件仿真模型

罩式炉退火车间的调度过程是一个典型的多机、多阶段、多约束、有重入的流水车间并行作业调度问题,难于解析建模.考虑SystemC解决大规模集成电路硬件建模问题的优势,分析退火工艺流程,采用平台映射的思想将罩式炉退火车间生产过程映射到SystemC上进行描述,结合离散事件仿真技术建立了基于SystemC的罩式炉退火车间离散事件仿真模型.该模型能快速有效地对退火过程任意初始状态进行模拟,实现方法容易、程序简洁、运行速度快、可读性强,为生产作业调度提供了决策支持.通过实例验证了基于SystemC的建模方法解决离散事件仿真问题的正确性和有效性.     

耦合多目标优化和多属性决策的水库生态调度方法研究

针对水库生态调度的模型构建和求解问题展开研究,提出了一种耦合多目标相关分析、多目标优化和多属性决策的水库生态调度方法.基于对水库实际调度目标的抽取和数学描述,采用相关性分析方法,分析各目标之间的相关关系,从而构建出水库生态调度多目标模型.采用NSGA-Ⅱ法对模型进行求解,获得Pareto最优调度方案.基于备选方案逐次淘...     

代理辅助遗传规划调度规则中的特征选择

针对以最小化平均流程时间为调度目标的动态车间调度问题,提出了一种基于简化模型的代理辅助遗传规划进行特征选择的方法来智能设计生成调度规则．利用代理模型降低适应度评估的复杂性来减少遗传规划训练过程的时间,提高特征选择算法的效率,实验结果证明了该算法的有效性和高效性．此外,还分析了不同车间场景对特征选择结果的影响,结果表明针对特定调度问题环境,基于超启发式遗传规划的特征选择算法是可行且有效的．     

基于时间Petri网的区间作业车间调度问题建模与分析

区间作业车间调度问题近年来已成为生产调度研究的热点,现有研究工作主要集中于问题描述和优化求解方面,在理论模型、动态性质等方面还缺乏实质性成果.使用时间Petri网模型建模区间作业车间调度问题,并运用状态类可达性分析方法,分析模型所有可行调度,进而求解具有最小下界和最小上界的优化调度,为区间作业车间调度问题的建模与分析提供有益参考.     

面向代理的车间动态调度方法

针对车间动态调度缺乏有效方法的现状.建立了车间动态调度的数学模型.将车间组元定义为多个独立的代理(Agent),并将蚁群在觅食过程中通过释放信息素的方式进行交流与合作的行为,应用到Agent之间的协商与通信中,建立了Agent之间的协作模型,形成了基于多代理协商的动态调度方法.仿真试验对比表明.基于多代理协商的车间动态调度方法优于基于遗传算法的动态调度方法.     

全连铸生产调度系统仿真模型的建立

对具有离散事件系统特征的全连铸车间生产调度系统，通过建立其仿真模型进行试验，实现了借助计算机仿真全连铸生产过程，编制了相应调度程序软件，给出多种优化调度方案图，可供实际生产调度参考使用。     

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．     

深度强化学习求解柔性装配作业车间调度问题

针对产品动态到达的柔性装配作业车间调度问题,以最小化总拖期为目标,构建了基于事件点的数学规划模型,该模型包含加工机器分配、加工工序排序、装配站分配和装配工序排序四个决策序列,并提出了一种基于多智能体的深度强化学习算法进行求解．首先,所提出的算法包含四个智能体分别对应四个决策序列,智能体之间采用价值分解网络(VDN)协作策略;然后,构建基于拖期的复合回报函数,提取生产系统指标作为全局特征,完善各智能体的调度动作;最后,设计了精英经验库,充分挖掘高回报样本的价值．案例结果表明所提出的方法在不同场景下都优于现有经典调度规则和元启发式算法挖掘的调度规则．