多生产线作业协调调度的PSOGA混合优化算法

为了求解多目标多生产线调度问题,采用协同进化思想,提出了多种群PSOGA混合优化算法(MC-HPSOGA)。以最小化最大完工时间、最大化生产线利用率和最大化客户满意度为目标函数,建立了多生产线作业协调调度问题的多目标批量调度数学模型,并且设计最小批量动态分批策略,将MC-HPSOGA算法应用于BSPT公司角磨机装配线的多目标多生产线调度问题实例中,通过与粒子群(PSO)和遗传算法(GA)的比较,验证了MC-HPSOGA算法和模型的有效性。     

改进细菌进化算法在作业车间调度问题的应用

应用细菌进化算法求解了作业车间调度中单目标多解排程问题,采用了基于操作的编码来保证调度方案的可行性,并采用互换交叉操作的局部调度应用于基因的交换优化,以改进经典细菌进化算法,最后采用多个范例进行计算,以验证所提方法的绩效。     

基于多目标—约束优化进化算法的能源综合调度

针对钢铁企业多能源介质的动态平衡和优化调度问题,基于全局优化和系统节能思想,建立了煤气—蒸汽—电力等多介质多周期混合优化调度的数学规划模型;应用多目标优化的基本思想,将这一复杂的约束优化问题转化为具有两个目标的多目标优化问题,其中第1个目标取为原问题的目标函数值,第2个目标由约束条件转换得到,表示违反所有约束条件的程度,并采用混合约束优化进化算法求解。实例分析结果表明了模型和方法的有效性,经优化计算得出的调度决策方案实现了煤气—蒸汽—电力等介质的最优化分配、转换和使用,在提高能源综合利用效率的同时,也使钢铁企业获得最大的经济效益。     

基于并行协同的多车间协同调度问题研究

传统企业在实际生产中,其多个关联车间之间的生产计划与调度存在难以协作的问题。为此,针对多车间协同调度问题建立了调度模型,提出了一种多车间协同调度的并行协同进化遗传算法(PCE-GA),并且采用该算法对上述模型进行了求解。首先,以最小化订单完工时间为目标,建立了单目标调度模型;然后,采用了并行协同进化遗传算法,对上述单目标调度模型进行了求解,基于工件、机器、装配关系的三层整数编码的染色体编码方案,提出了一种协同适应度值计算的方法;最后,以某液压缸生产企业为例,针对单目标调度问题,采用该算法与单车间遗传算法(JSP-GA)、并行协同模拟退火算法(PCE-SA)分别进行了求解,并对其结果进行了比较,以验证PCE-GA算法的优越性。研究结果表明：采用PCE-GA算法得到的优化率为13.3%,比单车间作业调度遗传算法求解的数据优化11.5%,该结果证明了PCE-GA算法在解决多车间协同优化问题时的优越性。     

基于差分进化与块结构邻域的作业车间调度优化

作业车间调度问题是一类非常重要的生产调度问题,具有广泛的工程应用背景.针对优化最大完成时间指标,研究通过交换或插入关键路径块结构中的工序产生可行解的方法,提出基于块结构的交换邻域和插入邻域.结合问题的结构特点和基本差分进化算法的原理,提出一种解决作业车间调度问题的离散差分进化算法.该算法采用基于操作的编码方式,设计了离散的变异算子和交叉算子,能够直接产生可行调度解.进而提出一种自适应的多邻域局部搜索算法,并将其嵌入离散差分进化算法中来改善优化质量;基于典型算例的仿真试验验证了所提算法的有效性和优越性.     

准时制生产模式下预制构件订单间调度与订单内调度的联合优化

在预制构件实际生产过程中，通常一个订单中包含多个工件。为满足客户交货期和方便管理，来自同一订单的工件需要连续生产，就需要解决订单间调度与订单内调度的联合优化问题(JOP＿IOSIOS)。该问题是比传统流水线调度问题更为复杂的问题，是典型的NP-hard问题。为解决该问题，通过对工序约束、订单间、订单内约束等的深入分析，基于准时制生产模式，以最小化总提前和拖期惩罚费用为目标建立了混合整数规划模型。鉴于问题的复杂性，基于分解与协同进化框架，提出一种有效的协同进化混合遗传—离散差分进化算法(CoHGA-DDE)。其主要思想是首先构造订单间调度种群和订单内调度种群，然后对两个种群分别采用离散差分进化策略和遗传进化策略，并通过两个种群之间的交互作用来提高各自性能。为验证协同进化框架和CoHGA-DDE的有效性，设计了协同进化遗传算法(CoGA)、协同进化离散差分进化算法(CoDDE)、遗传算法(GA)、离散差分进化算法(DDE)、和迭代贪婪(IG)算法。对不同规模订单进行测试，计算结果显示，与GA,DDE和IG相比，协同进化方法具有更好的求解质量和鲁棒性，而在协同进化方法中，CoHGA-DDE具...     

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。     

加工装配式流水车间节能调度建模与优化

为解决具有加工装配一体化的流水车间节能调度问题,以加工机器最小能耗为优化目标,建立加工装配式流水车间节能调度模型。该模型将装配线视为具有特殊约束的加工生产线,再结合考虑车间工件工序、装配工序、装配子件加工等约束条件。分别针对简单和复杂装配约束的问题,采用混合差分进化算法求解最小能耗下工件调度方案,并与自适应差分算法对比。实验结果证明了混合差分进化算法求解该问题的有效性。     

并行生产线的批量分割和调度优化

研究了一类并行生产线上生产调度和批量分割的同时优化问题。给出了产品在生产线上连续加工时产品批量的完工时间计算公式，并证明了该公式的正确性。考虑相邻批次在生产线上加工会产生重叠，给出了产品批量开工时间的一个下界。证明了批量连续发交时保证缓冲区总是可用的充分条件，并在此基础上提出了一个求解批量开工时间的迭代算法，该算法计算复杂度与批量大小无关。最后通过建立的批次发交模型和提出的批量分割启发算法，构造了一种基于遗传进化的启发式方法以求解该类问题。计算实验表明，该方法通过批量分割可以有效地平衡生产线上的负荷。     

多目标模糊作业车间调度问题研究

研究了具有模糊加工时间和模糊交货期的多目标作业车间调度问题，首先给出了基于模糊优先规则的编码新方式，染色体的每一位表示在GT算法迭代过程中，对应机器上发生的某次冲突，根据该基因位对应的优先规则消除。然后设计了基于个体密集距离的多目标进化算法，该算法利用密集距离进行外部档案维护和适应度赋值。最后将多目标进化算法应用于模糊作业车间调度问题，以最大化最小一致指标和最小化模糊最大完成时间，并和其他算法比较。计算结果验证了多目标进化算法在模糊调度方面良好的搜索性能。     

信息不完备模型下的敏捷制造调度系统研究

针对敏捷制造单元调度问题的动态性、开放性和信息不完备等特点，构建了基于多代理生产组织和运行模式的生产任务调度系统框架结构，研究了敏捷制造环境下的不完备信息模型，提出基于CNCP扩充网协议的自组织招标机制以及基于遗传算法的调度优化模型。实验证明，在不完备信息模型下采用该模型可求取调度目标的最优解。     

大规模生产调度问题的研究现状与展望

为解决大多数已有调度算法无法直接应用于大规模生产调度的问题，以典型生产调度问题为背景，综述了现阶段已有大规模生产调度问题的算法。分析了大规模生产调度问题规模增长的因素，重点介绍了基于问题分解的各类方法、拉格朗日松弛／分解法及智能优化算法。在此基础上，展望了大规模生产调度问题的研究发展趋势。     

Technology and system of constraint programming for industry production scheduling — Part I: A brief survey and potential directions

The use of techniques and system of constraint programming enables the implementation of precise, flexible, efficient, and extensible scheduling systems. It has been identified as a strategic direction and dominant form for the application into planning and scheduling of industrial production. This paper systematically introduces the constraint modeling and solving technology for production scheduling problems, including various real-world industrial applications based on the Chip system of Cosytec Company. We trend of some concrete technology, such as modeling, search, constraint propagation, consistency, and optimization of constraint programming for scheduling problems. As a result of the application analysis, a generic application framework for real-life scheduling based on commercial constraint propagation (CP) systems is proposed.     

基于双反馈控制和分阶段调度的光纤生产调度

针对光纤生产中生产计划执行过程存在的生产定单产出数量不精确、完成时间难以控制等问题进行分析,提出建立基于双反馈控制和分阶段的生产调度系统对生产定单生产进行控制。该生产调度系统在光纤生产流程中设置三个反馈点：拉丝产出、筛选产出和入库,分别负责反馈生产流程各部分的生产情况,实时获得生产定单生产情况变动信息,及时掌握生产动态。通过对这些信息的处理并将其与计划相比较从而得出差异,形成调整指令,实时地控制原材料的投入量,提高生产定单产品生产数量的精确度;根据光纤生产特点将调度过程划分为两个阶段,采用不同的调度方法对定单生产进行调度,并在第二阶段引入台阶调度法,以牺牲部分控制精度的代价提高调度效率,缩短生产定单结束阶段的生产时间。案例证明所提方法的有效性。     

Scheduling hybrid flow shop with sequence-dependent setup times and machines with random breakdowns

Much of the research on operations scheduling problems has either ignored setup times or assumed that setup times on each machine are independent of the job sequence. Furthermore, most scheduling problems which have been discussed in the literature are under the assumption that machines are continuously available. Nevertheless, in most real life industries, a machine can be unavailable for many reasons, such as unanticipated breakdowns, i.e., stochastic unavailability, or due to a scheduled preventive maintenance where the periods of unavailability are known in advance, i.e., deterministic unavailability. This paper deals with the hybrid flow shop scheduling problems in which there are sequence-dependent setup times, commonly known as the SDST, and machines which suffer stochastic breakdown to optimize objectives based on expected makespan. This type of production system is found in industries such as chemical, textile, metallurgical, printed circuit board, and automobile manufacture. With the increase in manufacturing complexity, conventional scheduling techniques for generating a reasonable manufacturing schedule have become ineffective. The genetic algorithm can be used to tackle complex problems and produce a reasonable manufacturing schedule within an acceptable time. This paper describes how we can incorporate simulation into genetic algorithm approach to the scheduling of a SDST hybrid flow shop with machines that suffer stochastic breakdown. An overview of the hybrid flow shops and scheduling under stochastic unavailability of machines are presented. Subsequently, the details of incorporated simulation into genetic algorithm approach are described and implemented. Consequently, the results obtained are analyzed with Taguchi experimental design.     

解决多目标Flow-shop问题的生物免疫调度算法

生产调度是车间自动化的关键问题之一 ,生产调度的优劣对制造系统的运行影响极大。通常的确定性优化方法往往不适合生产调度这类NP完全问题的求解。文章基于生命科学中的免疫概念与理论 ,构造了基于生物免疫机理的生产调度模型 ,并研制了用于求解目标Flowshop问题的智能调度系统 ,克服了当前遗传算法用于求解此类问题时 ,易于出现早熟、搜索效率低及不能很好保持个体多样性等不足 ,大大改进了搜索效率 ,对复杂的多约束、大规模及多目标生产调度问题 ,算法效果显著 ,并且可以轻松地获得满足要求的多个优化解。文章讨论了模型的建立、算法的实现和应用实例 ,测试情况表明 ,以上模型与算法在生产调度实际中将具有广阔的应用前景     

基于生物遗传算法的FMS生产调度算法

根据遗传算法,提出了一种FMS生产调度的新算法,该算法不仅适于FMS的静态调度问题,而且由于其计算复杂性低、计算量少的特点,同样也适于FMS的动态调度问题,有效地为解决自动化生产系统的生产调度问题提供了新方法.     

An approach to process production reactive scheduling

Process manufacturing has some characteristics that make it different from other types of industry. In practice, there are many examples of process industrial settings where production resources are shared and there is no intermediate storage between two processing units. Perhaps the most important issue usually to be excluded from the academic discussion of process production scheduling/control problems is the uncertainty of the duration of real chemical processes. These properties of process manufacturing result in blocking, no-wait, and other constraints that must be taken into account during designing the production scheduling system. The first part of the paper addresses some features of process manufacturing and their influence on production scheduling. The main part of the paper analyzes the scheduling problems under the presence of typical process constraints and unpredictable process duration times and introduces a simple and reliable approach to avoid these problems. The proposed concept is presented on a case study of an industrial two-stage washing batch subprocess. It is considered that the presented approach would be relatively easy to implement in a process production scheduling system and that it can contribute to more effective process production scheduling.     

生产排程与模型构建研究

生产排程是生产运作管理的基本问题，通过仿真等方法可以编排和优化生产排程，提高及时交货率和设备利用效率。首先分析生产排程的基本概念，生产排程的三个子过程，以及生产排程问题的解决方法。然后讨论了生产排程涉及到的主要因素，并使用面向对象技术分析订单类、设备类、人员类、存储类、工件类等模型构建的主要因素，最后给出了生产排程的UML静态结构图，为设计生产排程软件奠定了基础。     

Integrated scheduling of flexible manufacturing system using evolutionary algorithms

Effective sequencing and scheduling of the material handling system (MHS) have an impact on the productivity of the flexible manufacturing system (FMS). The MHS cannot be neglected while scheduling the production tasks. It is necessary to take into account the interaction between machines and MHS. This paper highlights the importance of integration between production schedule and MHS schedule in FMS. The Giffler and Thompson algorithm with different priority dispatching rules is developed to minimize the makespan in the FMS production schedule. Its output is used for MHS scheduling where the distance traveled and the number of backtrackings of the automated-guided vehicles are minimized using an evolutionary algorithms such as an ant colony optimization algorithm and particle swarm optimization (PSO) algorithm. The proposed evolutionary algorithms are validated with benchmark problems. The results available for the existing algorithms are compared with results obtained by the proposed evolutionary algorithms. The analysis reveals that PSO algorithm provides better solution with reasonable computational time.