不确定环境下回收发动机拆卸调度方法

针对再制造系统中回收发动机的不确定因素,研究面向再制造拆卸的调度问题。首先为了减少再制造拆解过程中不确定因素的影响,采用模糊综合评价法进行了回收质量等级划分;然后采用双重模糊变量描述了回收发动机质量状况差异及拆解时间的不确定性,建立了基于双重模糊机会约束的再制造拆解车间生产调度问题模型;应用双重模糊模拟技术产生输入和输出数据,利用神经网络逼近模型的不确定函数,将训练后的神经网络嵌入遗传算法求出优化结果。通过仿真实例验证了该混合智能优化算法解决双重不确定拆卸调度问题的有效性和合理性。     

基于模糊机会约束规划的再制造装配车间调度优化方法

针对再制造零部件质量的不确定性导致工位装配时间波动范围大和调度模型难以准确描述的问题,采用基于可信性测度的模糊变量表示再制造零部件的装配时间,建立基于置信水平下的模糊机会约束规划调度模型,并提出求解该模型的混合智能优化算法：应用模糊模拟技术产生样本数据;利用反向传播算法训练多层前向神经网络逼近不确定函数;将训练后的神经网络与遗传算法相结合,以优化再制造装配车间调度问题。实例验证了该模型和算法的可行性。     

不确定信息条件下Job-shop调度的混合智能算法

目前大多数生产调度的研究往往聚焦于经典调度问题的优化算法而忽略了车间中大量存在的不确定性，因而难以应用于实际车间调度。采用随机变量来描述真实车间中存在的一些不确定信息，在基于不确定规划理论的基础上建立了相应的不确定性调度模型，并研究了解决此类问题的混合智能算法。开发了混合智能优化原型系统，并结合仿真工具对该调度模型和混合智能算法进行了验证。     

基于遗传算法的不确定条件下作业车间调度

针对不确定条件下的作业车间(Job Shop,JS)调度问题,建立了基于模糊数学规划理论的不确定作业车间调度模型。不确定加工时间用三角模糊数来表示,不确定交货期用梯形模糊数来表示,以最大化产品平均客户满意度为优化目标,设计了基于模糊数学的改进的遗传算法来求解这类问题,并通过MATLAB软件仿真实验验证了该算法的有效性和稳定性。     

模糊灰色智能优化算法在生产计划不确定规划中的应用

在模糊和灰色两类不确定因素并存条件下定义了模糊灰色变量,基于模糊灰色变量的可信性和机会测度建立了生产计划不确定规划模型.采用模糊灰色模拟技术对不确定目标函数和不确定约束产生输入输出数据,用产生的输人输出数据训练神经网络逼近不确定函数,通过基于遗传算法的混合智能优化算法得出最优解,并用实例说明了本模型和算法的有效性.     

多品种汽车发动机两阶段模糊再制造生产计划

针对多品种发动机再制造生产过程中存在的不确定性因素,以最小化生产成本为目标,基于可信性理论建立了不确定环境下汽车发动机两阶段模糊再制造生产计划模型。该模型考虑多品种产品回收情况下,拆解零件的再制造加工数量、加工成本、新零件采购数量以及市场需求的不确定性对再制造加工生产计划的影响,将生产过程分为两个阶段,并采用补偿函数逼近方法,将具有无限支撑的无限维优化模型转化为有限维优化问题进行求解,设计了基于逼近方法的粒子群算法来求解两阶段模糊生产计划问题。以曲轴飞轮总成为仿真实例,验证了该混合智能优化算法解决两阶段模糊规划问题的有效性和合理性。     

可变机器约束的模糊作业车间调度问题研究

在车间实际加工中，工件的加工时间和交货期是一个模糊数，而且工件的某道工序有多台机器可供选择。针对这类作业的车间调度，提出了以极大化最小客户满意度为指标的可变机器约束的模糊作业车间调度模型，并给出了算法设计。应用遗传算法在适应度函数处理中引入模糊数处理方法，解决作业车间模糊调度问题，实现调度优化。仿真实验结果表明了该调度方法的有效性，为可变机器约束的模糊作业车间调度提供了一种实现途径。     

基于遗传算法的模糊Job-Shop问题的研究

针对存在不确定因素的作业车间调度问题,基于模糊理论的思想,把不确定的加工时间和交货期分别用三角模糊数和半梯形模糊数来表示,提出了以最大化平均满意度为调度目标的调度模型.运用遗传算法求解,对基于工序的编码操作设计了一种新的交叉操作,同时采用小范围竞争择优操作策略.仿真结果表明,该算法是可行的和有效的.     

多工艺路线的作业车间模糊调度优化

对具有模糊加工时间和模糊交货期的多工艺路线的作业车间调度问题进行了研究；以最大化平均满意度为调度目标，建立了作业车间模糊调度的数学模型，提出了一种基于遗传算法的全局优化的调度算法；设计了包含工序及其加工机床信息的染色体编码，对染色体的解码方法、交叉方法和变异方法进行了研究。仿真结果表明，该算法是可行的，与其他同类研究相比，有一定的优越性。     

随机工时下柔性加工车间的鲁棒优化调度方法

为了提高柔性加工车间调度方案的可行性、保障生产过程的稳定性,提出一种鲁棒优化调度方法。引入两个不确定参数来描述随机工时的波动程度和约束条件的允许违背程度,提出随机变量服从概率分布时一般线性规划问题的鲁棒优化方法。采用该方法将含随机工时而难以求解的随机型柔性加工车间调度模型转化为确定型鲁棒对等模型。基于该模型,将随机工时融入适应度函数中,结合遗传进化的全局优化和邻域搜索的空间拓展能力研制出鲁棒调度算法,同步实现工件排序和机器分配的双重决策。案例测试表明,所提方法可以在较短计算时间内、以较小性能损失、将近95%的置信度获得当前最优解。     

加工车间生产物流时间瓶颈的调度研究

针对一类具有生产物流时间瓶颈的加工车间调度问题,给出了基于加工单元和运输单元的时间瓶颈环节确定方法,采用以最大批量响应时间最小为优化目标,建立了基于生产物流时间瓶颈的加工车间调度模型;为了求解该调度模型,设计了一种基于模拟退火的混合粒子群算法,该算法采用分段整数编码的方法,并在模拟退火算法中引入变温参数来提高算法效率.通过仿真,分别采用PSO和PSO-SA对所建立的调度模型进行了求解.研究结果表明,PSO-SA算法求解效率高且该算法的稳定性好,同时验证了该模型和算法的有效性、广泛性.     

基于提前/拖期的随机期望值模型及序优化算法

针对加工时间不确定的作业车间调度问题,建立基于提前/拖期指标的随机期望值模型。由于提前/拖期这类非正规性能指标无法应用双空间协同前摄调度方法的特点,引入了与调度解序列吻合度较高的序优化思想,在序优化过程中嵌入了进化算法,形成了进化策略序优化算法。该算法将进化策略嵌入到序优化过程中,从粗糙的评价模型到精确的评价模型,分阶段进行优化,先采用进化算法进行粗糙优化,后以精确模型评价各阶段的较好解,达到从粗到精、逐步优化的目的。最后通过算例仿真验证该算法的正确性和有效性。仿真结果表明,加工时间随机变量服从正态分布时的最优解序列,优于加工时间随机变量服从均匀分布时的最优解序列。     

考虑机器周期性维护的不确定加工车间调度优化研究

为使加工车间调度问题更加符合实际,将不确定加工时间和机器的预防性维护周期考虑到车间调度问题中。首先,建立考虑服从正态分布的随机加工时间和机器的预防性维护周期的联合优化模型,该模型以最大完工时间的期望最小为目标函数;其次,对基于多层编码的遗传算法进行编码操作,每个个体表示全部工件的加工顺序;最后,通过MATLAB中进行了仿真实验。通过实例验证了该模型的合理性和算法的有效性。对实际工业生产中车间加工调度具有重要的意义。     

不确定信息条件下的车间调度策略研究

为了在不确定的车间信息环境下做出正确的调度策略，提出了一种支持多目标和多优先级车间调度策略的随机规划模型，并给出了求解算法。该模型的求解通过包含3个步骤的混合智能算法来实现，首先利用随机仿真生成近似的样本数据，然后利用神经网络进行不确定目标和约束函数的逼近，并用遗传算法最终完成对多目标优化解的搜索。最后，通过一个汽车企业模具制造车间中调度问题的实例，验证了该模型和算法的有效性及实用性。     

基于补偿模糊神经网络的智能诊断系统

提出了一种基于补偿模糊神经网络的智能诊断系统,该系统将神经网络和补偿模糊逻辑相结合,采用动态、全局优化的运算,充分利用了相互间的优点.在神经网络的学习算法中,动态优化补偿模糊运算,使网络更适用、更优化.网络不仅能适当调整输入输出模糊隶属函数,也能借助于补偿逻辑算法动态优化相应的模糊推理,由于补偿模糊逻辑神经网络引入了补偿模糊神经元,能使网络从初始定义的模糊规则开始训练,使网络容错率更高,系统更稳定.仿真实验证明该模型在智能诊断中具有收敛速度快,诊断精度高,而且适应性强等优点.     

基于补偿模糊神经网络的智能诊断系统

提出了一种基于补偿模糊神经网络的智能诊断系统,该系统将神经网络和补偿模糊逻辑相结合,采用动态、全局优化的运算,充分利用了相互间的优点.在神经网络的学习算法中,动态优化补偿模糊运算,使网络更适用、更优化.网络不仅能适当调整输入输出模糊隶属函数,也能借助于补偿逻辑算法动态优化相应的模糊推理,由于补偿模糊逻辑神经网络引入了补偿模糊神经元,能使网络从初始定义的模糊规则开始训练,使网络容错率更高,系统更稳定.仿真实验证明该模型在智能诊断中具有收敛速度快,诊断精度高,而且适应性强等优点.     

不确定条件下车间动态重调度优化方法

分析车间生产环境复杂、多变以及生产过程中各种随机扰动所导致的不确定性问题,将扰动分为显性扰动和隐性扰动两类。分别采用主动和被动触发式重调度驱动规则,对各种扰动进行响应,并通过建立重调度优化集,结合滚动时域优化方法,对大规模动态重调度优化问题进行了简化。提出重调度优化集内待加工工件的选取规则,以减少工序间机器空闲时间。最后提出混合粒子群调度优化算法,对优化集内待加工工件进行智能优化调度,并采用该算法结合具体的仿真实例验证了该动态随机重调度优化方法的有效性。     

考虑加工时间和交货期模糊的批调度问题研究

针对实际生产中存在的时间参数不确定性问题,对单机环境下同时考虑模糊加工时间和模糊交货期的成批调度问题进行研究。分别用三角模糊数和梯形模糊数表示模糊加工时间与交货期,分析了最小化总延迟的情况下工件的模糊交货期和模糊加工时间的隶属度函数与决策者对该工件的完工时间满意度的函数关系,以满意度为优化目标,建立模糊数学优化模型。设计BFEDD(Best Fit Earliest Due Date)启发式算法,以及改进的殖民地同化策略（殖民地移动）,建立改进的帝国主义竞争算法（IICA,Improved Imperialist Competitive Algorithm）对所研究问题进行求解,最后设计仿真实验验证了算法的有效性。     

含有混合中间存储策略的模糊流水车间调度方法

针对中间产品在相邻加工步骤间存在不同存储策略的流水车间调度问题，提出了一种含有混合中间存储策略的流水车间调度模型。在该模型中，考虑无限中间产品存储、有限中间产品存储、无中间产品存储3种策略同时存在的情况下对调度问题的影响，采用三角模糊数来描述生产过程中操作时间的不确定性；通过对三角模糊数的操作，并利用面积补偿的比较方法，将原有的模糊调度模型转化为确定性的调度模型；应用双倍体遗传算法对问题进行优化求解。仿真结果证明了模型和算法的有效性。     

基于模糊神经网络的半导体生产线重调度策略优化

针对缺乏半导体生产线重调度策略优化方法的研究现状,提出了基于模糊神经网络的半导体生产线重调度策略优化技术。将重调度策略划分为半导体生产线、设备组和设备重调度层次,利用仿真评价确定优化的重调度策略,并获得样本数据。通过对模糊神经网络训练,建立干扰和半导体生产线状态等输入参数与优化的重调度策略输出之间的映射关系。以上海某125mm晶圆生产线为例,结果表明了该重调度策略优化方法的有效性。