改进遗传算法求解面向订单多目标排产问题

针对面向订单的多目标排产优化问题,综合考虑订单的延期成本、库存成本和生产单元的负载均衡,构建了面向订单的多目标排产优化的数学模型;针对上述模型设计了一种基于矩阵编码的改进遗传算法,并详细介绍了算法初始种群产生策略、行交叉算子、列交叉算子、行变异算子、列变异算子、适应度函数和选择算子的设计。通过实验对比,验证了提出的算法可以有效地解决面向订单生产的多目标排产优化问题,降低企业生产成本,充分利用生产资源。     

自动化仓库旋转货架拣选优化

对自动化仓库旋转货架拣选优化问题进行了描述,提出了求解该问题的分层遗传算法（HGA）。根据具体问题对低层和高层采用了不同的进化策略,详细介绍了HGA算法的原理。通过实际算例运算及分析,表明HGA对解决自动化仓库旋转货架拣选优化问题的有效性。     

基于遗传算法和多智能体的染缸生产排产与动态优化设计

为解决小批量、多品种浸染生产不合理调度导致高能耗和多污染排放的问题,提出了一种基于遗传算法和多智能体染缸调度与动态优化的方法.该方法基于染缸车间制造执行系统、企业资源计划和过程控制系统实时数据,采用分层调度算法.其中静态层采用支持多产品的批处理、多染缸的非等同性、前期订单、订单交货期和切换成本等约束条件的遗传算法;动态层采用支持染缸运行状态的多智能体的协调动态优化算法.通过对生产过程中多约束条件和多动态变化因素的算法求解,获得染缸作业任务动态优化设计.仿真结果表明,与单纯遗传算法和人工调度相比,基于数据驱动的分层动态优化调度达到了染缸作业排产优化和污染减排的目标和实际应用的可行性.     

带准备时间的柔性流水车间多序列有限缓冲区排产优化问题

针对带准备时间的柔性流水车间多序列有限缓冲区排产优化问题,提出一种改进的紧致遗传算法（Improved compactgenetic algorithm,ICGA）与局部指派规则结合的方法来解决该问题。全局优化过程采用改进的紧致遗传算法,为了克服紧致遗传算法（Compact genetic algorithm,CGA）易早熟收敛的问题,提出一种基于高斯映射的概率模型更新方式,在保持紧致遗传算法快速收敛特性的前提下,扩展了种群中个体的多样性,增强了算法进化活力。为减少生产阻塞和降低准备时间对排产过程的影响,设计了多种局部启发式规则来指导工件进出多序列有限缓冲区的分配和选择过程。采用某客车制造企业中的实例数据进行测试,测试结果表明,改进的紧致遗传算法与局部指派规则配合使用,能够有效解决带准备时间的柔性流水车间多序列有限缓冲区排产优化问题。     

基于遗传算法的印刷企业生产调度模型的构建

目的:针对网络数字印刷订单多、周期短等特点,利用遗传算法求解印品的生产计划排产问题。方法设定若干印品订单、加工工艺、机器设备以及各工序加工时间,采用多层编码遗传算法进行编程计算,通过MATLAB模拟验证遗传算法用于求解调度问题所得到的效果,获得排产顺序甘特图。结果:通过算法搜索过程可知,全部印品加工总时间在第8次迭代时趋于最小值,并且设计算法收敛较快,运算效率较高。调度人员在正常生产条件下,可以通过甘特图直观地进行生产计划排产,能够使车间在保证交货期的前提下快速而又有条不紊的进行生产,缩短了印刷加工周期,提高了机器利用率和生产效率。结论:遗传算法静态生产调度模型可以有效用于印刷作业的一般排产调度,在遇突发状态时可参与人工配合调整,或者需要提供动态调度解决方案。     

求解分布式混合流水线调度问题的改进双层嵌套式遗传算法

针对分布式混合流水线生产的生产调度问题,模拟实际排产中的排产到线和排产到时的排产策略,提出了基于改进双层嵌套式遗传算法的两层优化模型。外层依据流水线分配平衡和准时交货等基本原则总体上解决生产订单在流水线之间的分配问题,内层以最小生产时间为主要目的求解流水线的生产订单生产次序问题。考虑到双层嵌套式遗传算法的时间复杂性,基于模糊逻辑理论设计了一种模糊控制器来动态调整遗传算子,并采用主动检测停止方法,提高算法效率。使用某空调工厂的实际生产数据验证了算法的可行性、计算结果的准确性及排产策略的有效性,为高级计划与排程(Advanced Planning and Scheduling,APS)中大规模复杂供应链调度问题提供了可借鉴的方法。     

两级强化遗传算法在带有数量打折的三级供应链批量计划问题中的应用

研究了多工厂、多供销商、多供应商的带有数量打折的供应链的约束批量计划问题。以工厂最大化利润为目标建立了在加工能力和库存能力受限情况下同时考虑订单选择的数学规划模型。通过对问题模型的分解,给出了一种基于两级强化遗传算法的求解策略,分别对订单选择和工厂内部的生产和库存进行优化。另一方面对强化遗传算法进行了改进,即在种群中任何两个个体的适应度差的绝对值小于一定的数值时才对其中的一个个体进行变异操作,保证了种群的多样性,提高了算法的效率,最后对典型算例进行了仿真,并与分枝定界法的求解结果进行了比较,结果表明本文方案是有效的和可行的。     

智能技术在生产调度及优化排产中的运用

在智能技术蓬勃发展的过程中,基于智能控制理论的遗传算法既具有非线性特点,也可并行处理,有利于生产调度的科学开展,也可对生产线排产调度进行优化。基于此,文章将从生产工艺及排产流程的阐述入手,通过优化调度问题模型的分析,进一步提出遗传算法这种智能技术在生产调度及优化排产中的具体运用。     

基于遗传算法的RMS车间排产优化方法

可重构制造系统（reconfigurable manufacturing system,RMS）在车间层面的核心功能之一为排产管理。排产是车间作业管理的基本问题,通过排产将主生产计划细化和落实,可以提高制造企业的整体生产效率。在遗传算法的基础上对排产基因进行优化改良,加快了迭代速度,使生产线在物理重组的基础上,通过制造执行系统进一步实现逻辑算法的重组,进而快速实现多品种、变批量的生产活动。     

基于约束规划的印刷企业计划排产模型建立与仿真

为解决约束较多的印刷车间的排产优化问题,设计了基于约束规划的多目标计划排产模型。模型基于约束规划思想,通过以虚拟活件处理装订工序,虚拟设备处理委外工序的方法简化排产模型,基于加权系数法将多目标规划问题转化为单目标规划问题。利用ILog Cplex软件对不同企业规模数据进行仿真验证,试验证明在产能充足条件下,模型可获得优化解,满足交货期,缩短生产周期,减少完工库存成本。