求解低碳车间调度问题的改进鲸鱼算法

针对传统柔性作业车间调度问题只考虑完工时间,设备利用率,完工成本等因素的局限,构建了以碳排放成本和完工时间成本加权和最小为目标的低碳柔性作业车间调度问题模型,并设计了一种改进的鲸鱼优化算法对其进行求解。首先,采用等长的两段式编码方式来表示柔性作业车间调度问题,引入基于ROV规则的转换机制,实现鲸鱼个体位置向量与调度解之间的相互转换。其次,采用基于一定比例的全局搜索、局部搜索和随机搜索的混合式种群初始化方法,生成一定质量的初始种群,同时设计了非线性收敛因子和自适应惯性权重系数来加强算法协调全局搜索和局部寻优的能力。再次,引入自适应调整搜索策略以提高算法跳出局部最优的能力。最后,通过实验数据验证了改进鲸鱼算法在求解低碳柔性作业车间调度问题方面的有效性。     

基于维修时间窗的柔性作业车间调度优化研究

针对柔性作业车间调度和预防性维护的单目标集成优化问题,以最大完工时间为优化指标,建立了基于维修时间窗的集成优化模型,设计了混合“教与学”优化（HTLBO）算法求解该模型。提出一种“基于工序加工时间最短”的机器序列初始化策略,对部分初始种群进行初始优化,以提高部分初始解的质量,使得算法能够以较短的时间收敛。对文献中柔性作业车间调度的基准问题进行求解并比较其计算结果,初步证明该混合算法的可行性;针对集成维修时间窗的柔性作业车间调度优化模型,借鉴文献中的数据生成实例进行求解,并与其他算法进行比较,证明该混合算法的有效性。     

多目标离散灰狼优化算法求解作业车间节能调度问题

针对作业车间节能调度问题,建立了一种以优化总能耗和工件最大完工时间为目标的节能调度模型,并提出一种多目标离散灰狼优化算法进行求解.根据问题的特点,首先采用离散整数编码方式,利用调度规则生成初始种群;其次引入一种基于跟踪模式和搜寻模式的双模式并行搜索方法,并在搜索过程中动态调整两种模式下个体的数目,以协调算法全局和局部搜索能力;为了使算法适用于多目标离散调度问题,在跟踪模式下提出一种基于交叉操作的离散个体更新方法,在搜寻模式下提出一种基于记忆池机制和邻域结构的离散个体更新方法.对40个作业车间调度问题基准算例进行改造,并验证了所提算法的有效性.     

一种基于改进NSGA-Ⅱ的多目标绿色柔性作业车间调度方法

针对多目标绿色柔性作业车间调度问题,建立了以最小化最大完工时间、总负荷和总能耗为优化目标的多目标优化模型,提出了一种带有自适应交叉变异算子和学习机制的改进NSGA-Ⅱ多目标优化算法。该算法通过机器和工序的两级编码机制,使用基于全局、局部和随机选择的非支配排序选择策略得到初始种群;采用具有自适应算子的混合交叉变异策略进行迭代,提高算法的全局搜索能力;引入分布函数来改进精英保留策略提高种群的多样性;通过学习机制进行邻域搜索提高算法的局部搜索能力。最后,采用基准测试算例Brandimarte以及Kacem数据集对算法进行测试,结果表明采用改进的NSGA-Ⅱ算法求解多目标绿色柔性作业车间调度问题具有求解精度高、收敛速度快以及解集多样性好的优点。     

超启发式遗传算法柔性作业车间绿色调度问题研究

针对启发式算法通用性较差的问题,建立了多目标柔性作业车间绿色调度模型,设计了一种超启发式遗传算法对问题进行求解。首先,建立了以最大完工时间和最小能耗为目标的柔性作业车间绿色调度模型,并设计了超启发式遗传算法对模型进行优化求解;然后,对于高层启发式策略采用遗传算法,随机生成初始种群,对种群进行了选择、交叉和变异操作,并且在常规算子基础上,结合柔性作业车间调度特点设计了9种适应该问题的算子,同时对于低层问题域种群采用了贪婪初始化方法生成;最后,通过基准算例验证了算法的运行效率,通过实例验证了算法的性能。研究结果表明:与参考算法相比,采用贪婪初始化生成初始种群的算法其收敛速度较快,运行效率较高,且不容易陷入局部最优;通过超启发式遗传算法获得的解中最大完工时间的最小值为64,最小能耗为647,解的质量不差于其它算法,算法的通用性较强。     

基于DFA-TS算法的柔性作业车间调度问题求解

通过对柔性作业车间调度的特点和求解该问题的智能算法的研究,提出了一种混合离散萤火虫禁忌搜索算法来求解该问题。该算法基于相似度和剩余作业时间最多的启发式规则来产生初始种群,通过对标准萤火虫算法进行改进,提出了一种离散萤火虫算法,并将该算法与禁忌搜索算法进行融合来加强局部搜索能力。最后结合实验结果证明了该算法能很好地解决柔性作业车间调度问题。     

基于改进Jaya算法的柔性作业车间调度问题

鉴于柔性作业车间调度问题(FJSP)是广泛存在于制造企业实际生产过程中的复杂NP-hard组合优化问题,针对FJSP的特点,结合Jaya算法与禁忌搜索算法的各自优势,提出一种改进Jaya算法求解该问题.在该算法中,根据离散的Jaya算法公式提出一种扩展离散Jaya算法操作机制,设计了Jaya迭代候选解集方法以及结合相似度和最大完工时间的选择策略,保证了种群的多样性并提高了Jaya算法的搜索能力;提出融合M.G.和N7两种邻域结构的禁忌搜索算法,使混合算法在分散搜索和集成搜索之间达到平衡.通过测试著名的FJSP基准问题,显示了所提算法在质量方面优于当前文献,并通过实验验证了算法的有效性和优越性.     

混合蜂群算法求解柔性作业车间调度问题

为解决柔性作业车间调度问题,提出一种基于蜂群模型的混合群智能优化算法.在算法初始化阶段提出了蜂群优化算法结合随机方法的种群初始化方法,提高了初始种群质量;为提高算法搜索精度,在观察蜂阶段采用模拟退火算法更新观察蜂群,并以退温系数调节邻域规模,随算法进程细化搜索范围;针对柔性作业车间调度问题特点,建立了可控规模的邻域更新方法.采用柔性作业车间标准算例,通过仿真编程和与其他算法的比较,验证了算法的有效性和优越性.     

基于离散Jaya算法的线缆生产调度方法

线缆生产调度优化问题广泛存在于电线电缆行业的生产实际中，本质上属于带安装时间和复杂资源约束的柔性作业车间调度问题。针对线缆生产调度优化问题，建立了以最小化最大完工时间为目标的问题数学模型，提出一种离散Jaya算法解决该问题。在Jaya算法框架下，基于单列编码方式和左移解码策略，融入优先工序交叉算子和反向学习搜索策略，引导算法更有效地搜索问题空间，以提升算法性能，从而实现最大完工时间最小化。基于企业生产实际生成的实例集，通过仿真实验与对比分析，表明了所提算法在求解线缆生产调度问题中具备较高的有效性和稳定性。     

基于混合遗传鲸鱼优化算法的柔性作业车间自动导引车融合调度方法

针对柔性作业车间调度问题,考虑自动导引车(AGV)在车间制造过程中只参与装卸和搬运工作,提出一种实现AGV路径规划与柔性作业车间调度集成优化的融合调度模型。采用基于工序排序与机器选择两个子问题的二维向量编码方案,并在解码过程中提出基于最先服务原则的AGV安排策略。对鲸鱼优化算法进行离散化改进,针对性地设计了多种种群初始化策略,引入遗传算法的交叉、变异操作以提升鲸鱼优化算法的全局搜索能力,并嵌入局部搜索算法以达到全局搜索和局部搜索的平衡,构建了一种混合遗传鲸鱼优化算法（HGWOA）来求解该融合调度模型。通过经典测试算例验证了算法性能,并使用正交试验优化了算法参数。研究结果表明,HGWOA算法用于求解柔性作业车间AGV融合调度问题可以获得较好的效果。     

基于遗传-粒子群混合算法的柔性作业车间多资源调度问题

在传统柔性作业车间调度问题(FJSP)中加入运输和装配环节,提出一种柔性作业车间多资源调度问题(MRFJSP),以完工时间最短为目标建立了包含加工、运输和装配的柔性作业车间调度模型。为了提高传统遗传算法(GA)在车间调度问题中的寻优能力,将粒子群算法(PSO)的寻优过程进行改进并与遗传算法进行结合,提出一种带保优策略的遗传-粒子群混合算法,利用单层编码对模型进行求解。通过算例验证了模型的可行性,并将提出的混合算法与遗传算法和粒子群算法进行比较,证明了混合算法的优越性。     

多目标批量生产柔性作业车间优化调度

研究批量生产中以生产周期、最大提前/最大拖后时间、生产成本以及设备利用率指标(机床总负荷和机床最大负荷)为调度目标的柔性作业车间优化调度问题。提出批量生产优化调度策略,建立多目标优化调度模型,结合多种群粒子群搜索与遗传算法的优点提出具有倾向性粒子群搜索的多种群混合算法,以提高搜索效率和搜索质量。仿真结果表明,该模型及算法较目前国内外现有方法更为有效和合理。最后,从现实生产实际出发给出多目标批量生产柔性调度算例,结果可行,可对生产实践起到一定的指导作用。     

基于混合离散蝙蝠算法的跨工序协同调度问题

针对跨工序的生产与配送协同调度问题，构建了前工序单机批加工、后工序多产线逐订单加工，且工序之间采用自动引导车循环配送的协同调度模型。以最小化最大完工时间和后工序前的在制品等待时间为调度目标，设计了融合模拟退火算法与解串算法的混合离散蝙蝠算法，与改进的离散粒子群算法和Ullrich遗传算法相比，该算法能很好地减少后工序产线前的队列等待时间，缩短产品的生产周期。     

A hybrid two-phase encoding particle swarm optimization for total weighted completion time minimization in proportionate flexible flow shop scheduling

A proportionate flow shop (PFS) is a special case of the m machine flow shop problem. In a PFS, a fixed sequence of machines is arranged in s stages (s?>?1) with only a single machine at each stage, and the processing time for each job is the same on all machines. Notably, PFS problems have garnered considerable attention recently. A proportionate flexible flow shop (PFFS) scheduling problem combines the properties of PFS problems and parallel-identical-machine scheduling problems. However, few studies have investigated the PFFS problem. This study presents a hybrid two-phase encoding particle swarm optimization (TPEPSO) algorithm to the PFFS problem with a total weighted completion time objective. In the first phase, a sequence position value representation is designed based on the smallest position value rule to convert continuous position values into job sequences in the discrete PFFS problem. During the second phase, an absolute position value representation combined with a tabu search (TS) is applied starting from the current position of particles that can markedly improve swarm diversity and avoid premature convergence. The hybrid TPEPSO algorithm combines the cooperative and competitive characteristics of TPEPSO and TS. Furthermore, a candidate list strategy is designed for the TS to examine the neighborhood and concentrate on promising moves during each iteration. Experimental results demonstrate the robustness of the proposed hybrid TPEPSO algorithm in terms of solution quality. Moreover, the proposed hybrid TPEPSO algorithm is considerably faster than existing approaches for the same benchmark problems in literature.     

A hybrid discrete firefly algorithm for multi-objective flexible job shop scheduling problem with limited resource constraints

In this paper, a hybrid discrete firefly algorithm is presented to solve the multi-objective flexible job shop scheduling problem with limited resource constraints. The main constraint of this scheduling problem is that each operation of a job must follow a process sequence and each operation must be processed on an assigned machine. These constraints are used to balance between the resource limitation and machine flexibility. Three minimisation objectives—the maximum completion time, the workload of the critical machine and the total workload of all machines—are considered simultaneously. In this study, discrete firefly algorithm is adopted to solve the problem, in which the machine assignment and operation sequence are processed by constructing a suitable conversion of the continuous functions as attractiveness, distance and movement, into new discrete functions. Meanwhile, local search method with neighbourhood structures is hybridised to enhance the exploitation capability. Benchmark problems are used to evaluate and study the performance of the proposed algorithm. The computational result shows that the proposed algorithm produced better results than other authors’ algorithms.     

结合混合进化算法和知识的多目标车间调度

提出了一种结合混合进化算法和知识的新型多目标车间调度方法，在有限的时间或迭代次数下可以得到更好的非支配Pareto解以服务于生产调度。由优化目标和属性归纳演绎法确定了知识挖掘的工件属性，通过优先级权重得到了规则初始种群。所提出的增减排序方法通过重新局部排序初始种群中工序的位置来克服优先级下工序不足或过饱和的问题。最后由一标准案例和非支配排序遗传算法-Ⅱ（NSGA-Ⅱ）混合模拟退火算法对所提调度方法进行了验证，得到的结果无论是优化目标值还是解集的分布在不同迭代次数和初始种群尺寸下都要优于传统随机进化方法。     

考虑扰动事件的机械加工工艺参数与车间动态调度综合节能优化

随着能源消耗和环境问题的不断加剧,机械加工车间的高效节能生产越来越受到制造业的关注。传统动态调度优化时每道工序的工艺参数固定,未考虑工艺参数与车间调度之间的关联关系,限制了调度优化的潜力。为了更好地实现柔性作业车间节能增效,并快速有效地应对车间生产过程中出现的突发扰动事件,提出一种考虑扰动事件的加工工艺参数与车间动态调度综合优化方法。首先详细分析订单插入与机床故障下柔性作业车间的能耗特性,以总能耗与最大完工时间为目标,建立工艺参数与动态调度综合优化模型,然后设计一种面向扰动事件的动态决策机制,并提出改进的自适应形状估计进化算法(AGE-MOEA)进行优化求解,最后通过案例分析与算法对比,验证了所提出方法的有效性。     

考虑关键件加工质量的双资源约束车间调度算法

在工人异质性和机床类型多样的资源约束型车间中,针对资源抢占使加工质量向非关键件倾斜从而导致关键件加工质量无法保障的情况,建立了以完工时间为主要优化目标,以关键件加工质量、整体加工质量为辅助优化目标的双资源（工人/机床）约束柔性作业车间调度问题模型,并提出一种两级嵌套蚁群算法。首先采用工件候选集、资源候选集生成满足关键件加工要求的可行调度解;然后为工序寻找更合适的开工时间,针对机床类型、人机时窗差异设计了基于时窗的活动调度策略以提高算法的局部寻优能力;进而提出了一种保质策略,使关键件和总体工件加工质量水平持续提高;最后,通过算例测试验证了保质策略和两级嵌套蚁群算法的有效性。     

基于遗传算法的作业车间调度研究与应用

提高大功率船舶柴油机的生产能力和水平,对提高我国造船行业的国际竞争力有着重要的意义。介绍作业车间调度问题,提出一种改进的遗传算法,同时将此算法应用于船舶柴油机的作业车间调度,该算法采用基于工序的编码方式,考虑了机床与工艺路线的约束,求解以关键设备的利用率最高和产品的加工周期最短为目标的静态调度问题,并通过具体的实例仿真分析其有效性。