基于离散多元宇宙算法的柔性作业车间调度北大核心

针对柔性作业车间调度问题计算复杂度高,求解困难的难题,提出了一种离散多元宇宙优化算法。首先,建立起以最大完工时间为目标的柔性作业车间调度模型,使用两段式整数编码和贪婪插入解码建立算法与调度问题之间的联系;其次,设计宇宙种群初始化方法,以确保初始调度解的质量和多样性;然后,在基本多元宇宙算法的基础上,设计新的白洞选择,黑洞白洞传输和向最优宇宙移动机制,提高了算法求解柔性作业车间调度问题的性能。通过基准算例与其他智能算法比较,实验表明,所提算法可以有效的求解柔性作业车间调度问题。     

含局部流水的柔性作业车间调度研究

针对含有局部流水生产的柔性作业车间生产调度问题,首先在柔性作业车间调度问题的基础上建立调度模型,然后提出一种基于模拟退火法的调度算法,同时对加工路径和加工顺序进行优化,并实现最小化完工时间的调度目标。最后通过实例进行仿真,结果表明了算法的可行性和有效性。     

改进模拟退火算法在柔性调度中的应用

针对柔性生产碳排放量和作业时间的耦合,文章以碳排放量和最大完工时间为优化目标,建立了柔性作业车间调度模型,并提出了一种基于改进模拟退火算法的调度策略。为了提高算法的运行速度,采用了随机位置和轮盘赌的两种编码方式。为了避免算法陷入早熟,采用了个体调换和局部颠倒两种不同的搜索方式。最后以车间生产实际案例为背景,通过设置碳排放量和最大完工时间不同的权重系数代表不同的工厂对生产目标的不同要求,生成不同的调度方案。实验结果表明文中所提出的基于改进模拟退火算法的调度策略在加入低碳要求的车间调度中是可行和有效的。     

改进的初始种群的遗传算法在柔性车间调度中的应用

针对柔性作业车间调度中单纯的遗传算法容易陷入局部陷阱问题,结合柔性作业车间调度的特点,采用模拟退火算法融合遗传算法对调度领域进行了研究。应用模拟退火算法能跳出局部陷阱的能力及克服了遗传算法过早熟的现象,很大程度上降低算法的收敛速度,同时提高了全局的收敛性。基于Matlab2012b软件编程实现混合调度算法,文中仿真实例用混合调度算法,将结果与单纯的遗传算法得到的结果进行比较,证明了混合算法的优势。     

基于遗传算法的多目标车间调度

针对作业车间调度中应用遗传算法求解存在的早熟问题,对其搜索速度、收敛效果和最优解等方面进行分析研究,给出一种新的混合遗传算法。首先对初始种群进行实数编码,增加解空间中可行解的个数;接着根据距离排列,增加种群的多样性;然后采用拉普拉斯交叉算子和逆转变异,改进算法的搜索效率;最后结合模拟退火算法,并在每一代遗传进化中引入局部搜索,提高了算法的全局寻优能力。通过与其他算法的仿真比较,结果表明新的混合算法能提高多目标车间调度问题的求解速度和质量,并能够找到最佳的调度方案。     

基于改进人工蜂群算法的柔性作业车间调度

针对柔性作业车间调度(Flexible Job Shop Scheduling)问题,建立了以最小化最大完工时间为目标的数学模型,提出了一种改进的人工蜂群算法。采用随机选择和按规则选择相结合的方法产生优质初始解,针对雇佣蜂搜索过程,提出了改进的IPOX交叉方法,在继承父代优秀个体的同时,又能平衡算法的开发和探索能力;在观察蜂阶段,采用变步长策略来增强算法的全局搜索能力,避免陷入局部最优;通过增加侦查蜂的数量来保持种群的多样性;在算法迭代过程中采用贪婪策略保留精英解。最后通过求解柔性作业车间通用测试集验证算法性能,仿真结果表明改进的人工蜂群算法局部搜索能力突出,收敛性和鲁棒性优良,不仅避免算法陷入"早熟",而且收敛代数显著降低。     

基于熵增强混沌遗传算法的柔性作业车间调度

为使企业获得最优综合调度质量的车间调度方案,研究了多目标柔性作业车间调度数学模型及其求解算法,建立了基于最大完工时间、最大机器负荷差、机器总负荷和调度复杂度4个调度质量指标的多目标柔性作业车间调度问题模型(MFJSP),提出熵增强混沌遗传算法(ECGA)求解该模型,应用伯努利混沌映射公式改进算法选择操作,用高斯云模型改进变异算子和交叉算子,提高算法的全局寻优能力和搜索效率。根据计算的交叉概率和变异概率执行切牌式交叉操作和两基因片段式变异操作提高种群基因的多样性。以M8J12P3调度问题为例验证了MFJSP模型和ECGA算法的有效性。结果表明,与SGA、PSO和ABC相比,ECGA具有更快的收敛速度和更好的全局搜索能力,有助于企业提高生产效率和降低成本。     

柔性作业车间调度问题研究现状及发展趋势

文章描述了柔性作业车间调度问题,并根据目标、约束、批量等不同的分类标准对其进行了分类,总结了柔性作业车间调度问题建模方法及优化算法的研究现状,最后通过现存问题的分析探讨了发展趋势.     

基于自适应的NSGA-Ⅱ多目标柔性作业车间调度

针对非支配排序遗传算法（NSGA-Ⅱ）进行自适应改进，采用独立的交叉和变异操作对工序与设备进行排序及分配的调整，从而求解多目标柔性作业车间调度问题。改进后的算法可依据不同阶段,动态调整算法的交叉概率与变异概率,提升算法运算效率、种群多样性并减少非法解的产生。最终，通过实例仿真验证算法的有效性。结果表明：新方案的最大完工时间、加工能耗、加工设备总负载和延期时间均得显著改善，有效提高了生产管理效率。     

考虑低碳的柔性作业车间调度问题研究

针对面向绿色制造的车间调度问题,将低碳因素作为影响因子考虑到模型中,构建低碳生产下的多目标柔性作业车间调度模型,并提出改进的免疫遗传算法求解模型。算法改进初始种群的形成机制,以提高收敛速度和改善求解质量,采用合理的选择策略机制、交叉和变异方式,结合记忆库设计熵值移除法筛选Pareto解集,以提高算法的搜索能力和避免算法陷入早熟。运用MATLAB编程运算实例,实验结果表明,该方法能够有效地解决了绿色制造中低碳的多目标调度优化问题。     

基于改进NSGA-II算法的高维多目标柔性冲压车间生产调度优化

为了优化柔性冲压车间的生产调度、减少车间的生产能耗、实现绿色可持续发展，以车间总能耗、最大完工时间、总拖期、设备总负载最小为目标，建立了高维多目标柔性车间调度模型。提出改进的二代非支配排序遗传算法NSGA-II,该算法优化了局部搜索操作、精英选择策略、交叉和变异概率。根据柔性冲压车间的生产实例，利用传统和改进的NSGA-II算法分别对4个目标函数进行求解，并对各目标的优化迭代过程进行对比，验证了改进算法的有效性。同时，采用优劣解距离法选取一个调度方案，与基于传统NSGA-II算法求出的生产调度方案相比，改进算法得出的调度方案的车间总能耗降低了22.1%、最大完工时间缩短了14.8%、设备总负载减少了11.6%。     

柔性作业车间多目标调度约束条件研究

目前中国95%的制造业都为小批量多品种柔性作业企业,传统单目标车间调度模型已不能满足企业调度要求。同时实际企业生产多为"部分柔性"生产,但目前对于柔性车间调度问题的研究大都针对于"完全柔性"车间,对"部分柔性"车间涉及较少。首先分析了经典作业问题,然后结合实际"部分柔性"生产的资源约束以及顺序约束,并引入最小提前拖后惩罚目标,建立多目标部分柔性作业调度模型,同时构建了针对"部分柔性"的约束函数。     

柔性作业车间鲁棒调度与预防性维护集成优化

对柔性作业车间生产过程中预防性维护难以有效避免机器故障的发生,并且还存在各种无法预测的随机事件的问题进行了研究。为了有效应对这种情况,提出了多目标柔性作业车间鲁棒性调度与预防性维护的集成优化模型和在空闲时间进行预防性维护的策略,同时优化加工周期、机器可用性和调度方案的鲁棒性。应用多目标遗传算法NRGA对模型求解,并针对柔性作业车间调度问题的特点,采用三层编码方法。采用有效的交叉和变异操作避免产生非法解。最后通过模拟随机事件的发生进行仿真实验,结果表明提出的模型、维护策略和求解算法能够有效地提高生产效率、维护机器可用性、避免实际调度性能的恶化。     

基于强繁殖NSGA-Ⅱ算法的柔性车间调度多目标优化

为了实现减少车间完工时间、机器总负荷和车间能耗等优化目标,提出了基于强繁殖NSGA-Ⅱ算法的柔性车间调度优化方法。对柔性车间调度问题进行了描述,建立了车间调度的多目标优化模型,给出了调度问题编码和甘特图解码方法。以NSGA-Ⅱ算法为基础,根据繁殖能力的不同将染色体分为强繁殖子群和普通子群,两个子群根据自身特点使用不同的遗传操作,从而给出了强繁殖NSGA-Ⅱ算法。将强繁殖NSGA-Ⅱ算法应用于柔性车间调度优化,改进算法求解的Pareto解集分布优于传统NSGA-Ⅱ算法;选择一个折中解进行验证,强繁殖NSGA-Ⅱ算法解的甘特图完工时间、机器总负荷、车间能耗均小于传统NSGA-Ⅱ算法解的参数,验证了NSGA-Ⅱ算法在柔性车间调度多目标优化中的优越性。     

基于混合遗传算法的多目标柔性作业车间调度问题研究

针对柔性作业车间调度问题,提出一种改进的遗传算法,该算法考虑车间生产实际,使交货期短、成本降低、生产效率提高、资源利用率提高等建立多目标优化模型。对传统遗传算法进行一系列改进,在遗传算法的基础上,改进编码方式和遗传算子,结合精英保留策略和小生境技术,使算法的收敛性和多样性进一步优化,采用权重系数变化法计算染色体的适应度。仿真分析表明,提出改进后的混合遗传算法能有效解决柔性作业车间多目标调度优化问题。     

改进蚁群算法的柔性作业车间调度问题研究北大核心

为提高传统蚁群算法求解柔性作业车间调度问题的效率,提出了一种改进蚁群算法。首先,均匀分布蚂蚁的初始位置;其次,多种方法结合进行机器选择,并按照改进的工序选择方式选择下一步即将遍历的工序;最后,采用带精英策略的蚁群算法结合最大最小蚂蚁系统的信息素更新方式,既赋予较优路径以额外的信息素,同时又对路径上的信息素进行限定、从而避免算法“早熟”,进而提高解的质量。通过三个柔性作业车间调度实例进行仿真分析和与其他算法的对比,结果表明改进蚁群算法在求解柔性作业车间调度问题具有较好的优化效果和求解效率。     

面向柔性作业车间的动态调整权重启发式算法

针对柔性作业车间绿色生产以及生产均衡性问题,提出一种面向柔性作业车间绿色生产的动态调整权重启发式算法。首先,根据柔性作业车间生产特点构建时间、能耗节能调度优化模型,基于调度模型提出综合优先规则,依据此规则对调度优先级进行干预,实现设备与工序的分层优化,获得高效、低耗的生产方案。在每一次迭代寻优过程中,通过缩短时间、能耗指标值与平均聚集距离的偏差率动态调整指标权重系数,保证时间、能耗选择的均衡性,避免优化过程陷入局部收敛,同时指导下一阶段的选择。最后,通过案例分析对比不同算法的优化结果,验证算法的有效性及准确性,为柔性作业车间生产提供指导。     

基于自适应NSGA-Ⅱ算法的柔性车间多目标生产调度

针对大型军工电子装备企业的组件制造生产调度问题,建立了以最小化最大完工时间、生产成本和最大设备负荷为目标的柔性车间生产调度模型。依据柔性车间多目标调度问题的特点,提出了一种改进的自适应NSGA-Ⅱ算法,在遗传算法的不同阶段动态的调整交叉和变异的概率,提高了算法的计算效率。同时,为了提高种群多样性、避免非法解产生和最优解丢失,该算法对工序和设备进行独立的交叉和变异操作,并采用独立于种群的精英保留策略。最后通过实例验证了算法的有效性,相较于初始输入的最大完工时间、生产成本和设备负荷分别减少了34.97%、9.80%和31.63%。     

改进GWO算法求解柔性作业车间调度问题

针对以最小化最大完工时间为目标的柔性作业车间调度问题,设计一种改进的邻域搜索灰狼算法。设计一种适于灰狼算法的基于工序和机器的双层编码方案,改进种群初始化策略、灰狼变异操作以及种群更新机制;通过两点交叉操作、插入操作以及PR操作,得到GWO算法的全局搜索邻域,提出设计禁忌搜索邻域以增强GWO算法的局部开发能力。最后将所提算法在已知算例上进行仿真实验,并与其他算法进行对比。实验结果验证了改进GWO算法具有一定的优越性。     

生产周期——交货期双目标生产车间调度优化

目前生产车间调度问题研究主要集中在单目标调度问题上，离实际调度问题还有很大差距。文章结合实际，将遗传退火算法与双向调度策略相结合，研究了工艺路线可变的以生产周期和关键工件交货期为目标的生产车间调度问题。双向调度策略既满足了客户的要求，又考虑到了车间生产效率，具有很强的实际应用价值。遗传算法和模拟退火算法的结合，充分发挥了遗传算法良好的全局搜索能力以及模拟退火算法能有效避免陷入局部极小的特性，具有很好的收敛精度。最后给出的仿真结果证明该算法是可行的，并具有明显的优越性．