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。     

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。     

基于遗传算法的作业车间模糊调度问题的研究

在研究作业车间模糊调度问题的基础上，建立了两种作业车间模糊调度模型。对于只考虑模糊加工时间的问题，以最小完工时间作为优化目标；对于同时考虑模糊加工时间和模糊交货期的问题，以平均满意度最大作为优化目标。模糊加工时间用三角模糊数和梯形模糊数来表示，模糊交货期用梯形模糊数和六点模糊数来表示，给出了两种模糊数比较方法。应用遗传算法来求解最优调度顺序，并对遗传算法编码、初始种群的产生办法、解码、交叉及变异方法等方面做了研究。最后，给出了仿真实验结果和结论。     

自适应遗传算法求解模糊作业车间调度问题

研究模糊作业车间调度问题(FJSSP),用三角模糊数表示模糊加工时间,用半梯形模糊数表示模糊交货期,以最大化最小客户满意度为调度目标,建立了模糊环境下Job-shop调度问题的模型。提出了一种自适应遗传算法,该算法采用基于优先列表的编码方式,提高了编码效率;在进化过程中对种群采用精英保留策略,确保最优个体不被破坏;并对自适应交叉变异算子进行了改进,使种群最优个体参与进化。仿真结果证明所提算法在寻优能力及收敛性能方面均有所改善。     

模糊交货期条件下的IPPS问题研究

集成工艺规划和车间调度(Integrated Process Planning and scheduling,IPPS)可以有效地提高系统的柔性和企业的经济效益。随着准时制的发展和产品客户的多元化,生产中产品交货期已不再局限于一个确定的值。针对工艺规划和车间调度集成中零件交货期不确定问题,引入模糊数来表征工件的交货期,以工件的交货满意度加权之和最大、最大完工时间最小为优化目标,建立其数学模型,并采用一种多层编码结构的遗传算法获得最优的工件排序以满足目标函数,最后用实例验证了模型和算法的有效性和可行性。     

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.     

模糊分布式柔性作业车间调度优化

针对考虑工件加工时间不确定性的模糊分布式柔性作业车间调度问题(fuzzy Distributed Flexible Job Shop Scheduling Problem,fDFJSP),将加工时间用三角模糊数表示,以最小化最大模糊完工时间为优化目标,提出一种改进的人工蜂群算法进行求解.针对fDFJSP的分布式特点,设...     

基于人工免疫算法的鲁棒满意项目调度

针对不确定的资源受限项目调度问题,采用模糊数描述不确定的项目活动执行时间和项目交货期,建立了以最大化客户满意度和调度鲁棒性为目标的鲁棒满意项目调度模型.针对这一优化问题,设计了一种人工免疫算法.仿真计算结果表明,所建立的鲁棒满意项目调度模型在提高项目调度鲁棒性的同时,并没有过多地降低客户满意度,该模型可以实现两个优化目标之间很好的折中.     

基于启发式倒排算法的配合加工调度问题研究

实际生产中的配合加工调度问题是生产调度理论研究的一个难点,它既要考虑常规调度标准约束,还要考虑工件与工件之间的配合工序约束.以最短加工时间为目标函数,建立配合加工调度模型,并采用启发式倒排算法对其进行求解.该算法能有效保证工件交货期,最后以一个实例验证算法的有效性.     

基于模糊时间并具有成组约束的车间排序算法

针对模具制造过程工件到达时间和加工时间难以精确的特点,以最小化最大完成时间为调度目标,研究了前阶段带有成组约束的两阶段柔性同序加工车间的排序问题.借助模糊数学理论,将工件的加工时间和到达时间作模糊数处理,采用均匀分布的Lee-Li法将模糊数转化为精确值,通过遗传算法优化排序,应用企业实际算例仿真说明该算法的有效性和可行性.     

不确定环境下再制造加工车间生产调度优化方法

针对再制造加工车间工况兼具随机性与模糊性,采用模糊随机变量表示废旧件加工时间,以描述再制造加工车间工况的双重不确定性;在不确定理论的基础上,建立基于模糊随机机会约束的再制造加工车间生产调度问题模型,并提出求解该问题混合智能优化算法:基于Arena仿真平台应用模糊随机模拟技术产生输入和输出数据,利用粒子群优化算法训练径向基函数神经网络以逼近不确定函数,将训练好的神经网络嵌入至遗传算法中优化再制造加工车间生产调度问题;通过仿真实例验证该混合智能优化算法解决加工时间为模糊随机变量的不确定环境下再制造加工车间生产调度问题的有效性和合理性。     

知识化制造环境下模糊调度模型和算法

为解决实际生产中一些不精确调度知识的描述问题,通过引入模糊理论中的测度概念,建立了模糊调度模型和求解该模型的混合模糊遗传算法.首先,在变速并行机生产环境下,针对工件加工时间和交货期的不确定性,基于可能性测度和必然性测度的定义,提出了工件拖期可信度指标,用于衡量工件发生拖期的可能性;然后,基于工件拖期可信度指标,建立了以最小化工件平均拖期可信度为目标的混合整数规划模型,通过分析该调度模型,得到最优模糊调度的相关性质;最后,以上述工作为基础,给出一种混合模糊遗传算法的求解方法,并以某电机制造企业为例,对所提出的算法进行了有效性验证.     

用遗传算法求解一类不确定性作业车间调度问题

对具有不确定加工时间和交货期窗口的一类作业车间调度问题进行了研究.不确定加工时间用区间数来表示,以工件提前或者拖期遭受惩罚的可能性的总加权和最小作为优化目标.设计了带精英交叉策略的遗传算法求解此类问题.仿真实验验证了该算法的有效性.计算结果表明,该遗传算法有更快的收敛速度、更高的优化精度和更好的初值鲁棒性.     

基于混合粒子群算法具有交货期瓶颈的作业车间调度问题

为了解决一类具有交货期瓶颈的作业车间调度问题,给出了基于订单优势的交货期满意度和交货期瓶颈资源确定方法,以工件拖期加权和最小为优化目标,建立了基于交货期满意度和瓶颈资源约束的作业车间调度模型;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,该算法采用随机工序表达方式进行编码,并在模拟退火算法中引入变温度参数来提高算法效率。通过随机仿真,分别采用PSO-SA、SA和PSO对所建立的调度模型进行求解,结果显示PSO-SA算法的广泛性好、求解效率高且算法的稳定性好,验证了模型和算法的有效性。     

改进遗传算法求解JIT环境下的Flow—shop问题

研究了准时生产环境下不同交货期窗口提前／拖期调度问题的特征。采用区间数表示弹性作业人数环境下的加工时间,运用多属性决策方法将传统遗传算法的适应度函数选定和适应度的计算两个步骤合二为一,减少了中间过程,避免信息的损失,增强了模糊评价的有效性。仿真实验验证了算法的有效性。     

采用量子粒子群算法的一类模糊作业车间调度问题的研究

针对一类具有模糊加t时间和模糊交货期的作业车间调度问题,提出一种收敛速度快、全局性能好、不易陷入局部最优的智能迭代算法--量子粒子群算法,对其进行求解.通过仿真实例对此算法进行验证,结果表明,在求解带模糊加丁时间和模糊交货期的作业车间调度问题时,量子粒子群算法有很好的效果.     

基于模糊时间窗的多中心开放式车辆路径问题

针对受时间窗影响的多中心开放式车辆路径问题,采用时间窗模糊化处理方法,假设时间窗是一个梯形模糊数,定义客户满意度函数和时间惩罚费用函数,建立有鲁棒优化模型。基于整体法假设虚拟配送中心,设计改进的蚁群算法求解,选取合适的测试算例实验。实验结果表明,所提算法能获得较好的解,是求解该类问题的有效方法;所建模型满足问题的多中心、多需求点和开放式特征,模型合理有效;与软时间窗和硬时间窗设置相比,模糊时间窗设置合理有效,同时展示了模糊时间窗设置下客户满意度对模型求解结果的影响。     

基于GASA优化算法的不确定条件下Job-Shop调度问题研究

针对不确定因素和动态干扰事件下Job-Shop调度问题,基于模糊数理论和动态调度策略,综合考虑完工时间、机器加工成本和机器负荷,建立了作业车间多目标不确定性调度模型;为了求解该调度模型,结合遗传算法和模拟退火算法的特点,设计了遗传模拟退火混合算法,并针对作业车间的复杂性要求,对算法的编码解码、交叉变异算子以及保优策略等方面进行了改进;通过仿真,得到了初始调度方案,然后在此基础上,采用动态调度策略对紧急插单、机器故障、工件取消和交货期变更等不确定干扰事件进行了研究.通过对某电动产品生产公司车间进行的实证研究结果表明,根据上述研究得到的较好的调度方案,可以有效地提高机器利用率和客户满意度.该模型和算法能够较好地应用到企业实际生产中.     

采用改进粒子群算法的铣削参数优化研究

为了提高数控铣削加工的生产效率,降低生产成本,同时改善生产工件的加工质量,根据最优化思想,建立以铣削加工参数为优化变量,以铣削力、机床主轴转速和加工面粗糙度等为约束条件,以最短加工时间和最低生产成本为目标的优化函数。在标准粒子群算法的基础之上,引入惩罚函数,将多约束优化问题转变为无约束优化问题,改善了求解过程的复杂性;同时,针对粒子群算法容易陷入局部最优的问题,将其与模拟退火算法结合,增强粒子的全局搜索能力,改善粒子的局部收敛性。通过仿真实例验证了改进粒子群算法的有效性和优越性,改善了工件的加工时间与生产成本。