考虑可再生能源的多目标柔性流水车间调度问题

为了节能减排、保护环境,针对可再生能源的柔性流水车间调度问题(FFSP-RE),提出集成低碳调度策略的快速非支配排序遗传算法。根据可再生能源的发电特性建立了可再生能源供电模型,在此基础上构建了FFSP-RE的数学优化模型;给出快速非支配排序遗传算法,其中提出基于操作的编码方法,设计了考虑可再生能源特性的低碳调度策略,线性次序交叉和基于位置交叉采用随机选择方法,变异算子采用反转逆序法,根据拥挤度和非支配等级选择进入下一代种群的个体;通过多个数值实验证明了所提算法能够有效求解FFSP-RE,可再生能源能够在保证完工时间的前提下有效降低碳排放量。     

基于混合的多目标遗传算法的多目标流水车间逆调度问题求解方法*

将逆优化理论与方法引入车间调度领域,探讨近年来车间调度领域出现的一种新方法“逆调度”。研究多目标流水车间逆调度问题,建立考虑调度效率和调度稳定性的数学模型,综合考虑了加工参数改变量、系统改变量以及完工时间和等目标。提出一种基于混合的多目标遗传算法(Hybrid multi-objective genetic algorithm, HMGA)的求解方法,将多种策略进行混合以提高算法性能,主要包括快速非支配排序遗传算法(Non-dominated sorting genetic algorithm II, NSGAII)中的快速非支配排序方法、两种多样性保持策略、混合的精英保留策略,以及改进的局部搜索策略等。通过实例测试与方差分析(Analysis of variance, ANOVA),验证了该算法的有效性。     

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。     

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.     

一种求解加工时间离散可控作业车间调度问题的混合算法

加工时间离散可控作业车间调度问题(Job-shop scheduling problem with discretely controllable processing times,JSP-DCPT)是经典作业车间调度问题(Job-shop scheduling problem,JSP)的一类扩展问题。为避免通过多项式时间近似方法求解JSP-DCPT的近似问题,提出一种混合算法直接求解JSP-DCPT。该算法基于分解方法,嵌套一种禁忌搜索模拟退火混合算法TSSA和一种快速精英保留非支配排序遗传算法NSGA-II,以分别高效求解JSP-DCPT分解所得的JSP子问题和离散时间—成本权衡子问题。基于JSP标准算例FT06,FT10和FT20构造3个不同问题规模的测试算例,试验仿真结果表明,混合算法能够得到收敛的帕累托边界。     

基于改进粒子群优化算法的多目标铜卷加工生产调度研究

针对多目标铜卷加工生产调度问题,提出一种自适应的改进粒子群优化算法。该算法采用基于个体拥挤距离排序的外部种群保留策略以避免陷入局部极值,基于个体拥挤距离概率更新全局极值以及基于支配关系更新个体极值,同时采用基于非支配解和单点交叉的内部种群规模自适应调整策略以及自适应动态惯性权重来保持种群的多样性。通过应用实例验证了该方法求解多目标铜卷加工生产调度问题的有效性。     

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.     

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。     

基于DNA遗传算法求解机床加工调度问题

研究了机床加工的多目标调度问题,提出一种基于DNA计算的混合遗传算法,结合Pareto非支配排序法来求解。为保证最优解集的多样性,采用四进制编码方式,将DNA序列分成中性和有害两部分,交叉操作只在中性部分进行;由动态变化的变异概率决定是否执行变异操作,并比较设计的算法与常规遗传算法获得的结果。试验结果表明,可以有效地解决机床加工中的多目标调度问题。     

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。     

基于果蝇优化算法的船舶管加工车间多目标生产调度研究

为了提高船舶管加工车间的生产效率,考虑多种现实约束和优化目标,建立了多目标生产调度问题的数学模型。同时,根据果蝇优化算法的基本框架,结合Pareto优化理论的思想,设计和改进嗅觉搜索、视觉搜索及种群更新等多种策略,制定了多目标果蝇优化算法框架,提出了基于果蝇优化算法的求解方法,实现船舶管加工车间多目标生产调度问题的高效求解。通过与第二代非支配排序遗传算法(Non-dominated Sorting Genetic Algorithm II, NSGA-II)的对比实验,验证了所提方法的有效性。     

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。     

基于双层配置体系的产品配置算法研究

在大规模定制生产模式下,产品配置遇到了复杂模糊配置数据的处理问题,为此,提出了基于实例重用的产品配置模糊求解技术,设计了基于多目标遗传算法的产品配置优化算法.将产品配置过程划分为部件配置与零件配置两部分,利用典型条件概率解决产品配置领域的部件模糊配置问题,设计了基于非支配排序遗传算法-Ⅱ,求解以成本、时间和库存为优化目标的零件配置,并结合两者建立完整的产品配置求解算法体系.该算法有效地解决了复杂产品配置中模糊数据处理及配置组合爆炸的问题.     

基于BP-NSGA的注塑参数多目标智能优化设计

为获得成型性能最优的注塑参数设计方案,提出了基于BP神经网络和非支配排序遗传算法的注塑参数多目标优化方法。将注塑模结构尺寸参数和注塑工艺参数作为待优化的设计变量,建立了以高质量、低成本、高效率为优化目标的注塑参数优化设计模型。基于非支配排序遗传算法获取给定参数范围内的所有Pareto最优解,并通过建立多输入和多输出的BP神经网络来快速获得非支配排序遗传算法优化进程中所有个体的适应度值。开发了基于BP神经网络与非支配排序遗传算法集成的注塑参数智能优化设计系统,并通过鼠标注塑参数设计实例,验证了其适用性和有效性。     

分时电价下多目标绿色可重入混合流水车间调度

针对多目标绿色可重入混合流水车间调度问题（RHFSP）的特点，在机器分配和工序排序的基础上引入分时电价机制，构建了以最小化最大完工时间、总能耗成本和碳排放为目标的绿色调度优化模型，提出了一种改进的多目标文化基因算法（MOMA）来求解该问题，通过数值实验验证了所设计的MOMA算法的可行性。实验结果表明MOMA算法在非劣解的收敛性、多样性和支配性指标方面都显著优于多目标蚁狮优化算法(MOALO)、多目标粒子群优化算法（MOPSO）和带精英策略的非支配排序遗传算法（NSGA-Ⅱ），四种算法的分布性指标无显著差异。所提出的模型能够使企业有效避开高电价时段作业，合理转移用电负荷，达到降低总用电成本和碳排放的目的。     

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。     

基于多目标优化的生产调度与设备维护集成研究

为了解决生产实际中工件调度与维修计划的相互影响问题,提出基于多目标遗传算法的联合优化方案,以单机系统为研究对象,设备失效函数服从威布尔分布,考虑机器和工件的堕化效应,综合决策工件加工顺序和预防性维护时间。以工件流程时间最短化和维修成本最小化为联合优化目标,基于非支配排序遗传算法框架,提出一种新的选择机制以及去除重复个体的方法以提高种群多样性,设计改进的多目标遗传算法以求解Pareto最优解。通过不同设置下的数据实验验证了基于多目标优化的联合决策比独立决策表现更优异。实现了生产与维修部双目标之间的权衡,使决策者可根据偏好选择不同的满意解,有效协调车间的生产调度与设备维护计划。     

基于改进小世界遗传算法的网络环境下跨单元调度

为了从总体上提高设备利用率、降低企业生产成本、快速响应市场需求,针对网络环境下单元制造系统中特殊工件需要跨单元加工的问题,建立了以最小化最大完工时间和总成本为优化目标的跨单元调度模型。针对多目标遗传算法求解大规模调度问题时全局搜索能力差、收敛速度慢等问题,设计了一种改进小世界遗传算法。通过分析优化目标和制造网络模块度的关系,提出基于制造网络模块度的初始解生成机制,对小世界遗传算法初始解进行改进。通过计算实例,说明优化目标与制造网络模块度呈显著相关性,将制造网络模块度用于初始解的生成可有效改进初始解的质量;通过与带精英策略的快速非支配排序遗传算法、小世界遗传算法的运算结果进行对比,得出改进小世界遗传算法在求解大规模调度问题时,收敛速度更快、求解质量更高的结论。     

多重资源约束下的多目标U型装配线平衡

为处理因设备故障、订单变化等引起的任务量波动或生产中断问题,在关键工序设置多个并行可选设备、在生产子线设置助理,以保证装配线的生产率。针对该类问题,构建随机工时下基于资源分配的成本、效率双目标U型装配线平衡模型,并采用Benders分解法,将问题分解为设备和助理分配主问题、工序分配子问题,以降低模型求解的复杂度。提出基于Benders分解的快速非支配遗传算法,通过三层编码及解码来适应多决策变量;采用非回溯的Pareto层级构造和拥挤距离,实现种群评价与选择;提出基于概率的层次化遗传操作,以扩充邻域结构、增强寻优能力、避免局部优化。通过非支配解比率、Pareto前沿解收敛性和个体间距度量指标分析所提算法、多目标遗传算法和非支配排序遗传算法,证明算法获得了逼近Pareto最优前沿的非支配解集,且具有良好的收敛性和分布性。     

机器多转速的柔性作业车间绿色调度问题

为了减少制造过程中的能耗,从生产运作的角度探讨了如何在制造业生产调度中实现绿色制造。以柔性作业车间调度问题为背景,考虑了机器多转速,在不影响生产进度的前提下通过调节机器转速来实现绿色制造。首先建立了考虑机器多转速的柔性作业车间调度优化模型,构建了能耗计算模型;然后依据带精英策略的非支配排序遗传算法的框架,提出了综合考虑完工时间和能源消耗的低碳调度算法,设计了多种变异方式,提出了精英保留与末位淘汰的选择方式;最后的数值实验结果表明,所提算法能够很好地求解此类问题。