基于改进非支配排序的云模型进化多目标柔性作业车间调度

采用多目标进化算法研究柔性作业车间调度问题,目标是最小化最大完工时间、机器总负荷和最大机器负荷3个性能指标。针对NSGA-Ⅱ识别非支配个体较慢和个体比较次数较多的不足,设计一种基于预排序的快速非支配排序算法,快速识别非支配个体并淘汰被支配个体,提高非支配解集的构造效率;结合柔性作业车间调度问题的特点和进化算法的性能,引入云模型进化策略,提出一种基于非支配排序的云模型进化多目标柔性作业车间调度算法。运用云模型揭示模糊性和随机性的优良特性维护进化种群,提高非支配解分布的广度和均匀度。利用多指标加权灰靶决策模型选择最满意调度方案。使用基准实例进行测试并比较测试结果,验证了算法的可行性和有效性;利用提出算法确定了生产实际的最满意调度方案。     

并行机作业车间等量分批多目标优化调度

为降低并行机作业车间等量分批多目标优化调度问题的复杂度,提高优化效率,提出了一种基于仿真技术和改进非支配排序遗传算法的分步优化方法.建立了一类以完工时间最短和总制造成本最低为优化目标的并行机作业车间等量分批多目标优化调度模型;将各产品进行等量分批,以Witness为仿真平台建立并行机作业车间等量分批生产仿真模型,通过组合仿真优化得到产品理想的等量分批方案,从而将原问题转化为并行机作业车间多目标优化调度问题;设计了一种改进的非支配排序遗传算法,对并行机作业车间多目标优化调度进行求解.通过算例分析验证了该方法的有效性.     

免疫算法求解多目标柔性作业车间调度研究

研究了多目标柔性作业车间调度问题，优化了设备分派方案。建立了多目标柔性作业车间调度的数学模型。提出了双种群双倍体自适应免疫算法，并用该算法求解某航空制造企业的多目标柔性作业车间调度问题，得到了优化调度方案。仿真结果表明，双种群双倍体自适应免疫算法是求解多目标柔性作业车间调度问题的有效算法。     

基于多规则设备分配及工序排序的FJSP多目标集成优化方法

为降低柔性作业车间调度多目标优化的复杂度,提高优化效率,提出一种基于多规则设备分配及工序排序的柔性作业车间调度多目标集成优化方法.建立了一类以完工时间、设备最大负荷、设备总负荷以及制造成本为优化目标的柔性作业车间调度多目标优化模型;针对模型的组合爆炸特点,为降低其复杂度,提出一种将多规则设备分配及工序排序相结合的集成调度思想;为进一步提高求解效率,提出一种面向对象数据处理技术用于处理各实体之间的数据交换;基于改进的非支配排序遗传算法思想,提出了基于多规则设备分配及上序排序的柔性作业车间调度多目标集成优化算法.通过仿真对比与应用验证了所提方法的有效性.     

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。     

复杂制造环境下的改进非支配排序遗传算法

针对柔性作业车间多目标调度问题,在考虑机器、操作人员等资源约束和交货日期不确定性的基础上,构建了以加工成本、客户满意度及生产总流程时间为目标函数的模糊调度数学模型。针对传统的加权系数方法不能很好地解决柔性作业车间调度多目标优化问题的缺点,提出改进的非支配排序遗传算法,采用改进的拥挤密度排序法改善同一非劣等级内个体的排序;提出自适应交叉和变异策略,克服了种群早熟化,改善了算法的收敛速度;采用改进精英策略保持种群多样性,改善了算法的搜索性能。将该算法应用于某机械公司的人机双资源多目标柔性车间模糊调度,仿真结果证明了该方法的有效性和可行性。     

不同再调度周期下的柔性作业车间动态调度

为了研究柔性作业车间周期性再调度对生产稳定性和效率的影响,通过模拟随机工件到达的生产环境,运用周期性再调度的调度策略,将各个工件依次划入对应的调度区间,以效率和稳定性为目标,设计了一种基于Pareto概念的多目标差分进化算法对每个调度区间的工件进行调度优化,并从获得的非支配解集中采用决策策略选出一个调度方案作为实际调度加工方案。通过研究不同的再调度周期下与完工时间、总拖期、总效率和总稳定性之间的相互影响关系,有效地指导了实际生产实践。     

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。     

低碳策略下的多目标柔性作业车间调度

为解决低碳策略下多目标柔性作业车间调度问题,在深入分析柔性作业车间多目标调度研究现状和不足的基础上,结合基于设备状态—能耗曲线的低碳策略,提出包括能源消耗、最大完工时间、加工成本和成本加权加工质量的多目标柔性作业调度模型。针对上述模型,设计了基于血缘变异的改进非支配排序遗传算法,该算法根据计算交叉染色体的血缘关系确定变异率,优化了交叉和变异策略,解决了算法的早熟问题。针对具体实例,构建了调度模型和算法,计算结果验证了算法的可行性和有效性。     

CAPP与调度集成多代理系统的资源冲突消解

针对CAPP与调度集成系统，研究了多代理混合系统的冲突消解结构和策略。首先建立了CAPP与调度集成的多代理模型，包括合作代理和非合作代理；提出了多代理系统的冲突消解决策逻辑；按照预消解、消解、协商和仲裁的阶段协调策略，提出了一个任务资源匹配过程和多个任务资源匹配过程中的资源冲突消解策略和相应的协商协议；开发了CSIMAS系统，以验证冲突消解策略和协商协议；分别讨论了工艺规划代理和车间代理冲突消解过程作为合作代理和非合作代理的实例。     

基于ATC的智能工厂分布式柔性作业车间动态调度

针对传统多车间生产调度方法不能满足智能生产系统调度优化的问题,结合智能工厂需求,以分布式柔性作业车间为研究对象,提出基于“生产计划-车间调度-物流仓储”的ATC层次模型,该模型是以时间、成本组成的一个多目标优化模型;提出两级效能偏差判别机制,在物联环境下动态识别扰动并根据扰动影响作出实时决策。最后,以3个车间调度问题为例,基于遗传禁忌搜索算法,验证了该模型的有效性。     

多代理和遗传算法在动态作业车间调度中的组合应用

动态多变性与NP hard特性的并存使现存的大多数调度方法难以同时满足动态作业车间调度的多种要求。针对动态作业车间的特点 ,结合多代理的灵活性和遗传算法的全局优化性 ,提出了一种基于多代理和遗传算法的调度系统 ,并寻求适合于这种车间环境的优化调度方案。     

基于NSGA-Ⅱ算法的液压元件多目标柔性作业调度研究

为解决液压元件制造车间生产调度过程混乱的问题,提出一种基于NSGA-Ⅱ的多目标柔性生产调度优化算法,并建立了相关的数学模型。采用非支配排序和精英储备策略,并设计了算法的编码解码以及交叉、选择和变异的遗传算子。最终通过实例分析,将得出的基于基本加工时间、设备负荷率和生产成本的全局最优解与传统遗传算法优化值进行对比,可见此算法可提高液压制造车间的生产调度效率。     

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。     

周期式退火炉作批处理机的可重入批离散机流水车间调度

针对无缝钢管冷拔生产中的周期式退火炉作批处理机的可重入批离散机流水车间调度问题,建立以总工件完工时间与批处理机总能源消耗最小化的双目标优化调度模型,设计包括多目标粒子群算法、快速非支配等级排序、拥挤度比较以及变异进化操作的多目标粒子群算法,该算法采用非支配等级排序与拥挤度比较进行最优粒子的选择策略和算法前期与后期变异相结合使用策略。试验结果表明,与带变异进化操作的多目标粒子群算法和非支配排序粒子群算法相比,该算法在两个目标函数上都找到更优的最小值,其结果平均水平更靠近Pareto解集的前沿,有效提高了算法的优化求解能力。通过Pareto解的方式该算法可得到一组综合权衡了完工时间和退火炉能源消耗两个指标的Pareto解集,能提供多种可选的调度方案,当生产时间充足,可尽量选取退火炉能源消耗较低的方案,当企业订单繁多追求生产效率时,可尽量选取完工时间较小的方案,有效地解决了此类实际问题。     

求解多目标作业车间调度问题的双种群遗传算法

针对多目标作业车间调度问题,提出一种将正逆序调度方法与生成调度活动的遗传算法相结合的双种群遗传算法.该算法利用活动调度缩减解空间,提出采用正、逆序遗传调度算法分别在不同种群优化不同目标函数,将多目标问题分解成多个单目标问题.在进化过程中,通过个体迁移算子加快多个目标的并行搜索,并提出了一种构造Pareto解集的精英锦标赛法则.通过基于Benchmark算例的仿真实验,验证了该算法求解多目标作业车间调度问题的有效性.     

考虑批量的多目标柔性作业车间鲁棒调度

针对多品种小批量的柔性作业车间调度问题,构建了多目标柔性作业车间鲁棒调度模型,在模型中考虑了工件分批加工、批量启动时间和机器故障等因素。基于以上因素的特点,设计了有效的染色体编码方法、染色体解码策略及机器故障仿真算法。基于非支配排序遗传算法(Non-dominated Ranked Genetic Algorithm,NRGA)的基本框架,设计了多目标优化算法,并采用有效的交叉和变异算子避免产生非法解。通过对算例的仿真实验,验证了构建的模型和设计的求解算法能够有效提高调度的鲁棒性,有效避免实际调度性能的恶化。     

代理技术在作业车间调度问题中的应用研究

分析了基于代理技术的分布式作业车间调度结构,提出了自主调度执行的概念,给出了一种基于扰动分析的自主调度执行算法,以便调度执行代理对系统扰动自主地作出快速和优化的决策。最后通过案例分析验证了该算法的有效性。     

面向复杂工程项目型产品作业车间调度问题

针对复杂工程项目型产品作业车间调度问题(CEPP-JSP),在考虑产品生产过程具有成套性、并行性、分散性和高柔性等生产特点的基础上,构建了面向CEPP-JSP的基本生产任务分配和作业中心生产调度的多目标优化模型,提出了改进的非支配排序遗传算法(NSGA-Ⅱ)对优化模型进行求解,从而得到了CEPP-JSP的Pareto综合最优解。最后,以某水轮机公司产品的作业车间调度为例,验证了提出模型和算法的可行性和有效性。     

基于分层蚁群遗传算法的多目标柔性作业车间调度方法

针对离散制造柔性作业车间实际工况,提出了一种基于分层蚁群遗传算法的柔性作业车间资源驱动的多目标调度方法,其基本特征是：基于连续生产中不同调度周期剩余或空闲资源等调度相关实时信息;基于完工时间和机床负荷等多目标;采用分层蚁群-遗传混合算法进行决策,通过逐步筛选,获得优化解。该方法特别适用于车间资源变化、任务执行情况变化、急件任务必须插入等情况下的动态调度。应用标准案例并设计相关组合案例进行了测试,与MOGV混合算法相比,25%的案例计算结果优于MOGV算法,最大完工时间减少5%~7%,62.5%的案例计算结果等同MOGV算法。因此,该智能调度方法不仅可以有效地取得对指定优先目标的最佳优化效果,且可自动获得多目标综合的最优解,智能调度效果显著。