基于遗传退火算法的质检扰动应对方法

针对工序质检结果使原作业计划不能有效指导车间生产的现状,研究考虑工序质检的柔性作业车间动态调度问题.建立以最小化工件的最大完工时间和最小化排产方案变更差异为目标的混合整数规划模型,并提出一种基于局面评价的遗传退火算法.该算法将遗传算法的种群和变异概念引入模拟退火算法,利用模拟退火算法多次获得局部最优解以及大规模变异跳出局部最优的机制,获得最终全局近优解.在解码规则中直接考虑调度目标,提出基于局面评价的解码机制,避免产生劣质解,从而减小解空间.采用所提算法对文献中的案例进行扩充和求解,并与3种算法对比,验证了所提算法在解决该类问题上的有效性和优越性.     

PCBA柔性作业车间等量分批调度问题研究

为解决企业在不同生产类型下柔性作业车间分批调度的实际问题,对带有重入生产特性的印刷电路板组装(PCbA)调度进行研究。首先,构建以完工时间最小为目标的PCbA等量分批柔性作业车间调度优化模型。其次,提出并设计了一种遗传模拟退火算法来对分批调度模型进行求解,将整个求解过程分为订单批量分批、子批排程这两个阶段,并引入了Metropolis接受准则,以保证算法迭代初期种群的多样性。最后,以某企业PCbA车间的实例展开,运用MATLAb编程求解,验证了遗传模拟退火算法和等量分批的可行性和有效性,同时确定了各个批量生产类型的最优分批数。     

基于改进候鸟算法的柔性作业车间分批调度问题

为了将可变批次的调度策略应用于生产,以提高大规模柔性作业车间的生产效率和设备利用率,针对柔性作业车间可变子批问题的特点,建立了以最小化完成时间和最小化批次数目为优化目标的多目标柔性作业车间调度模型和析取图模型,提出一种改进的候鸟算法求解该问题.算法设计了精英分批和可行邻域结构两种策略用于提高算法的搜索效率.通过对比实验验证了可变批次划分策略的优势和所提算法的有效性.     

关于生产车间作业优化调度效率仿真研究

研究生产车间作业优化调度问题,使车间资源使用效率达到最优,由于车间作业调度目标的多样性,以及求解问题过程的复杂性和约束性,导致求解生产车间作业调度效率较低。为了克服作业车间调度问题解的大山谷结构,且提高生产车间作业调度效率,提出改进的粒子群遗传混合算法。本混合算法首先以最大完工时间最小化为目标,参考了模拟退火过程,提出以Metropolics准则定义自适应变异概率的思想,且在变异交叉操作中辅以改进的2变换邻域搜索,同时动态设置粒子群算法中的惯性权重值,改进的粒子群遗传混合算法具有新颖性的特点。结合3类6组经典作业车间调度问题的测试数据进行仿真实验,混合算法得到的解质量较普通的PSO和SA算法得到的解有较大提升,且与这6组经典问题的最优解的平均误差较小,同时计算时间有大幅提升。仿真结果进一步证明了该混合算法在求解生产车间作业调度问题上具有明显的优势,提高了调度效率。     

改进NSGA-Ⅱ算法求解考虑运输约束的柔性作业车间节能调度问题

传统柔性作业车间调度通常忽略工件在机器间的运输时间和能耗,针对该问题建立了考虑运输约束与节能的柔性作业车间调度模型,并提出了改进的NSGA-Ⅱ算法求解该模型。首先,在柔性作业车间调度数学模型中设立最大完工时间、总延期、设备总负载、车间总能耗4个目标,并根据运输约束实现了调度模型矩阵编码、解码、交叉与变异,基于子代向最优解学习机制改进NSGA-Ⅱ算法迭代过程中易陷入局部最优解问题。最后,在考虑车间机器之间运输约束的前提下结合Kacem、Brandimarte算例对调度模型进行可行性分析,结果表明该模型与算法求解效率高,能有效解决车间运输约束导致的调度方案与实际加工偏差问题。     

考虑工件释放时间和柔性维护的单机调度问题

针对晶圆制造过程中考虑清洗维护的生产调度联合优化问题，以最小化最大完工时间为求解目标，优化工件加工顺序及维护活动执行时间。证明了该问题为NP难的，建立了问题的整数规划模型并进行线性化。结合机器役龄约束下的成批调度问题特征，证明了解的性质，并设计ERD-LPT-BFLD启发式算法对问题进行求解。构建了考虑工件释放时间及清洁活动约束的下界算法。通过不同规模算例仿真实验，将所提启发式算法与CPLEX及下界算法求解结果进行比较，验证了所提算法的有效性。     

两机零等待流水车间调度问题的启发式算法

为实现两机零等待流水车间调度问题的总流程时间最小化,结合问题的结构信息提出了一种快速求解近优解的启发式算法。在该类问题中,工件在每台机器上的操作包括调整、加工和移除3部分,且调整和移除时间都与工件的加工时间相互分离。首先分析了该类问题的优化性质,结合优化性质进而构造出求解算法。在中小规模和大规模问题上,将启发式算法的结果分别与最优解和最优解的下界值进行了比较。大量数值计算实验表明了该算法的有效性和解决大规模实际问题的潜力。     

运用混合优化算法的作业车间分批调度

针对作业车间调度问题,根据等分批原则,考虑车间在只加工一种零件时的最优分批方法作为分批依据,建立分批调度的数学模型,之后把分好的子批看成一个新的工件,对其重新进行编号并计算新的加工时间,利用遗传算法良好的全局搜索性能和禁忌搜索算法优良的局部搜索性能,运用混合优化算法进行生产调度。最后通过试验仿真,研究4×4和6×6的调度问题,对不同的加工任务下调度的结果进行对比分析。结果表明,加工工件的种类、工序对调度结果的影响较大,加工数量对调度结果影响较小。     

作业可拆分的资源投入问题的建模与优化

为了研究飞机移动装配线中基于作业可拆分的资源投入问题,建立以最小化资源使用成本为目标的作业调度数学模型。通过对作业调度过程中拆分与否及拆分位置的决策,在改进传统串行调度生成机制的基础上,设计了启发式算法求取资源需求上下界。针对所建立模型,提出以资源需求及作业优先级列表为编码的遗传算法,通过求解资源受限项目调度问题的子问题来评判对应资源需求在给定工期下的可行性,从而评估与优化项目不同资源的投入组合。数值实验表明,对于小规模问题,该算法可以求得近似精确解;对于大规模问题,相比现有文献,在算法求解精度上可提升5.57%。     

柔性流水车间调度模型与混合引力算法

针对柔性流水车间调度问题,利用机器特定事件点来描述工件的机器选择,再以最小化最大完工为目标,考虑工艺约束和时间约束构建了柔性流水车间调度的混合整数线性规划模型,用GAMS/Cplex找到小规模问题的全局最优解。为快速求解大规模问题的近优解,提出了结合瓶颈启发式的引力搜索算法,利用瓶颈移动技术和John Son方法的解码机制,寻找最小化最大完工时间的最优调度方案。实验结果表明,所提出的模型及算法能高效地求解以最小化最大完工时间为目标的柔性流水车间调度问题。     

考虑工件分批的柔性作业车间调度及求解算法

针对柔性作业车间分批调度问题,建立了考虑工件分批的柔性作业车间调度模型,并提出混合遗传算法用于模型求解。首先,采用改进试探法确定划分的具体批次、柔性批量划分方法确定各个批次的实际批量;其次,采用双层编码机制对工序排序及机器选择同时进行优化,利用GLR机器选择法生成初始解;最后,混合遗传算法利用GA鲁棒性强与ABC算法对初始解依赖性不高、适应性强的特点在解空间内充分搜索较优解,并结合SA出色的局部搜索能力快速收敛到全局最优解。分析表明,改进试探法批次划分与柔性批量划分方法可明显缩短生产周期,同时也证明了所提算法的有效性和可行性。     

面向能耗的多工艺路线柔性作业车间分批优化调度模型

合理的调度方案能有效降低柔性作业车间总能耗。针对柔性作业车间中加工工件种类多、单批工件数量大、加工工艺路线柔性大等问题,研究一种面向能耗的多工艺路线柔性作业车间分批优化调度模型。分析柔性作业车间中工件加工过程能耗特性,以车间总能耗最低和完工时间最小为优化目标建立了多工艺路线柔性作业车间分批优化调度模型,并采用多目标模拟退火算法对模型进行优化求解。通过算法优化得到的调度方案与经验调度方案的对比分析,验证了该模型的有效性和实用性。     

柔性作业车间批量划分与并行调度优化

针对柔性作业车间分批调度中因批次数量划分的随机性,导致最优分批方案存在搜索空间大、效率低的问题,提出试探法,使分批具有方向性、搜索空间可预测,从而得到合适的批量划分。进而提出相同工件同批工序间、不同工序间可并行的车间调度算法,与传统的批量调度结果相比,该算法可缩短生产周期、提高车间生产效率、减少批次数量、降低车间管理复杂度。采用上述方法对批次数量进行划分并使用并行算法对划分后的工序进行调度,实验结果表明,该方法在快速找到合适分批方案的同时优化了调度结果。     

基于改进遗传算法的多目标柔性车间调度问题研究

通过对车间生产调度的特点和算法的研究,建立了离散车间多目标动态调度的数学模型及设计了改进的遗传算法。以最大完工时间最短、总延期时间最小和设备总负荷最小这3个目标作为车间生产优化目标调度模型。利用改进的遗传算法确定车间调度的最优解。最后通过实例分析,验证了算法的可行性。     

基于分枝定界法的装配线第一类平衡问题研究

在生产节拍给定的条件下,针对装配线平衡的数学模型,提出一种求解装配线第一类平衡问题的改进分枝定界法,该方法将较好的解存储起来,最后归纳可得到最优解的装配序列,避免了传统方法只能输出一个最优解的缺点。同时运用3种分枝规则加速寻找最优解;使用了两种定界方法的最大下界规则,节点控制规则和最大闲置时间规则被用来剪掉不能获得最优解的分枝,减小搜索空间。并且将影响算法性能的要素作了简要的分析,实验结果表明该算法具有良好的性能。     

考虑准备时间和工件分批的柔性作业车间调度

针对柔性作业车间调度受生产准备时间和工件批量影响的问题,构建了考虑准备时间和工件分批的柔性作业车间调度模型.根据工件批量加工中等量分批方法柔性不足的特点,采用柔性分批方法对工件进行批量划分.提出一种改进的遗传算法,以最小化最大完工时间为优化目标,采用双层编码的方式对模型求解,确定各工件的分批方案和子批工序调度排序方案.通过分析柔性调度案例,验证了该算法的有效性,能够更好地满足实际车间生产要求.     

基于改进非支配排序遗传算法的多目标柔性作业车间调度

采用多目标进化算法解决具有工件释放时间、工件目标差异的柔性作业车间调度问题。依据实际制造系统中存在较多的最大完工时间、平均流经时间、总拖期时间、机器总负荷、瓶颈机器负荷和生产成本性能指标,建立多目标柔性作业车间调度模型。针对柔性作业车间调度问题的特点,设计一种扩展的基于工序的编码及其主动调度的解码机制,以及初始解产生机制和有效的交叉、变异操作;针对非支配排序遗传算法(Non-dominated sorting genetic algorithm II,NSGA-II)在非支配解排序和精英选择策略方面的不足,设计一种改进的非支配排序遗传算法,应用改进的算法求解柔性作业车间调度问题得到一组Pareto解集,并运用层次分析法选出最优妥协解。通过测试基准和模拟实际生产的实例,验证提出算法的可行性和有效性。     

并行多机成组工作总流水时间调度问题

有N个成组工件将在M台并行一致的机器上加工，当一个工件接在不同组的工件之后时需要装设，而接在同组工件之后时不需要重新装设，目标函数是使总的通过时间最短，这是一个NP难题，最优解很难找到笔者在文中提出了一个启发式算法，为了验证该算法的结果，又提出了一个求解最优解下界的线性规划模型，并用分枝定界法求解出下界解，在中小规模问题条件下，将下界解、启发式的解及最优解进行比较，证明了下界解的有效性，然后，在中等规模水平上，将启发式算法的结果与下界解进行了比较，最终证明该启发式算法具有解决大规模实际问题的潜力。     

带缓冲流水车间成组调度问题的混合微分算法

针对流水车间成组调度问题,加入序列相关的准备时间和有限缓冲的约束,以最小化总流程时间为目标建立数学模型,提出一种混合微分进化算法。该算法将微分进化算法和禁忌搜索算法相结合,利用微分进化的并行性搜索确定各组内的零件顺序,应用禁忌搜索寻找最优的零件组顺序。为提高求解速度和精度,利用构造算法产生问题的初始优化解,并通过数值实验确定算法的最优参数。通过算例实验以及与其他算法的比较,验证了所提算法的有效性。     

基于Pareto优化的离散自由搜索算法求解多目标柔性作业车间调度问题

针对多目标柔性作业车间调度问题搜索空间的离散性和求解算法的收敛性,提出一种基于Pareto优化的离散自由搜索算法来求解多目标柔性作业车间调度问题。在建立基于Markov链数学模型的基础上,证明了算法以概率1收敛;引入首达最优解期望时间来分析算法收敛速度,并分析了算法时间复杂度。采用基于工序排序和机器分配的个体表达方式,在多目标柔性作业车间离散域,利用自由搜索算法在邻域小步幅精确搜索和在全局空间大步幅勘测进行寻优;通过自由搜索算法自适应赋予个体各异辨别能力和Pareto优化概念来比较个体优劣性,不仅保留优化个体,而且使个体寻优方向沿多目标柔性作业车间调度问题Pareto前沿逼近。通过对搜索过程中产生的伪调度方案进行可行性判定,以确保调度方案可行。采用10×10FJSP和8×8FJSP问题的实例进行寻优测试,验证了所提算法的可行性和有效性。