一种改进的遗传算法在车间调度中的应用

研究现代生产先进制造车间调度问题 ,对于发挥先进制造车间的高效性和灵活性具有十分重要的意义。生产过程的计划调度问题 ,是实现制造系统运筹技术、管理技术与优化技术的核心。因此 ,优化调度算法的性能直接影响到FMS的生产效率和应变能力。本文在传统的遗传算法的基础上 ,对车间调度算法进行了深入的研究。基于机床负荷平衡的思想 ,提出了面向先进制造车间的平衡遗传算法 ,并与传统的遗传调度算法进行了对比。实验表明 ,该调度方法具有较高的可行性、有效性和稳定性。保证了各个机床的负荷平衡 ,满足了交付期的要求     

关键链约束理论解决柔性车间调度问题

柔性作业车间的调度难题一直以来都是NP难题,随着加工零件数量和机床数量的增加,调度优化难度将会以呈指数倍增长。本研究提出以约束理论为基础依托,选用最小临界比规则及遗传算法,结合各自的优点对柔性作业车间基于关键链进行调度优化,有效的解决了传统遗传算法容易陷入局部最优和最小临界比规则鲁棒性不强等问题。使设计的调度算法更加地符合车间真实的制造生产状况,改善了制造过程中资源设备利用率相对较低的问题,把设计的算法和传统遗传调度算法解决典型的柔性作业车间难题得到的结论相对比,验证设计算法的优势。     

FPD-GA求解多目标柔性作业车间调度问题

针对柔性制造车间调度问题的特点,提出一种求解该类问题的定点扰动-遗传算法(Fixed Point DisturbanceGenetic Algorithm,FPD-GA)。根据车间生产实际构建以完工时间、机床负荷和设备使用率为目标函数的多目标优化模型。针对遗传算法局部搜索能力差、易早熟收敛的缺点,设计定点扰动策略,增强局部寻优能力,并改进传统的遗传选择操作,保持种群的多样性,提高遗传算法的进化效率。以车间生产计划为实例测试改进算法,并与典型遗传算法的测试结果相比较,验证新算法的可行性与有效性。     

多目标批量生产柔性作业车间优化调度

研究批量生产中以生产周期、最大提前/最大拖后时间、生产成本以及设备利用率指标(机床总负荷和机床最大负荷)为调度目标的柔性作业车间优化调度问题。提出批量生产优化调度策略,建立多目标优化调度模型,结合多种群粒子群搜索与遗传算法的优点提出具有倾向性粒子群搜索的多种群混合算法,以提高搜索效率和搜索质量。仿真结果表明,该模型及算法较目前国内外现有方法更为有效和合理。最后,从现实生产实际出发给出多目标批量生产柔性调度算例,结果可行,可对生产实践起到一定的指导作用。     

基于混合遗传算法的车间调度问题的研究

作业车间调度问题是最困难的组合优化问题之一，也是计算机集成制造系统中的一个关键环节，在实际生产中具有广泛应用。为此，提出了实现车间调度的混合遗传算法的设计方案，把遗传算法与模拟退火算法相结合，充分发挥遗传算法良好的全局搜索能力和模拟退火算法有效避免陷入局部极小的特性。通过实验验证了基于GASA混合算法的作业车间调度方法显著提高了搜索效率，改进了收敛性能。     

基于智能计算方法的AGV制造车间调度问题研究现状

基于智能制造车间物流系统中AGV的复杂动态调度问题,阐述了智能计算方法在复杂调度技术方面及其在智能制造车间AGV调度的研究应用.对群智能计算、遗传算法、人工神经网络等常见智能计算方法的特性及调度问题应用进行分析.针对群智能计算方法重点探究了粒子群算法、蚁群算法及人工蜂群算法在制造业AGV调度中的应用;结合遗传算法与柔性制造系统生产理念总结了AGV调度研究现状;在人工神经网络方法上,介绍了基于深度学习、强化学习有关的AGV调度问题研究及特点.基于智能计算方法各自计算特点对其在制造车间AGV调度应用进行了探讨,总结了智能计算方法在制造车间关于AGV智能调度的研究的发展趋势,方便未来AGV车间调度系统的技术研究选择合适的算法.     

基于智能计算方法的AGV制造车间调度问题研究现状

基于智能制造车间物流系统中AGV的复杂动态调度问题,阐述了智能计算方法在复杂调度技术方面及其在智能制造车间AGV调度的研究应用.对群智能计算、遗传算法、人工神经网络等常见智能计算方法的特性及调度问题应用进行分析.针对群智能计算方法重点探究了粒子群算法、蚁群算法及人工蜂群算法在制造业AGV调度中的应用;结合遗传算法与柔性制造系统生产理念总结了AGV调度研究现状;在人工神经网络方法上,介绍了基于深度学习、强化学习有关的AGV调度问题研究及特点.基于智能计算方法各自计算特点对其在制造车间AGV调度应用进行了探讨,总结了智能计算方法在制造车间关于AGV智能调度的研究的发展趋势,方便未来AGV车间调度系统的技术研究选择合适的算法.     

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。     

基于遗传算法的多资源作业车间智能优化调度

提出一种基于遗传算法的调度算法，用于解决作业车间的加工受到机床、操作工人和机器人等多种生产资源制约条件下的优化调度。以生产周期为目标进行的优化调度，将遗传算法和分派规则相结合，通过交叉、交异等遗传操作，得到目标的最优或次优解。最后对算法进行了仿真研究，并给出了算法运行结果，仿真结果表明该算法是可行的。     

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。     

基于机床加工匹配特性的混合流水车间绿色生产调度

针对混合流水车间绿色生产过程中的设备选择和调度目标匹配问题,提出基于机床加工特性的多目标调度模型和改进遗传算法。该算法建立了混合流水车间调度的时间、能耗与成本优化模型,采用模糊隶属方法描述了机床加工特性,在遗传算法求解过程中通过机床加工特性隶属度与调度目标的权重系数匹配关系,建立了自适应的交叉、变异和优势保留策略,在每一代迭代中提高在调度目标方向上的选择压力,加速收敛。通过实例分析对比了不同算法的优化结果,从而验证了模型及算法的有效性,并提出了高效、节能、经济和综合4种调度生产模式,为混合流水车间绿色生产提供了指导。     

基于改进遗传算法的多目标柔性车间调度问题研究

通过对车间生产调度的特点和算法的研究,建立了离散车间多目标动态调度的数学模型及设计了改进的遗传算法。以最大完工时间最短、总延期时间最小和设备总负荷最小这3个目标作为车间生产优化目标调度模型。利用改进的遗传算法确定车间调度的最优解。最后通过实例分析,验证了算法的可行性。     

基于元胞机和改进GA的大型零件柔性作业车间调度算法

针对大型零件柔性作业车间调度问题,采用改进遗传算法优化元胞机局部演化规则,提出了元胞机和改进遗传算法相结合的混合调度算法。依据总加工时间最短、各工位负荷率高、同一工位组各工位负荷平衡率高的优化目标,建立了离散化后单个静态调度单元的遗传算法优化模型,并结合算例具体说明了优化过程。通过文献实例演算验证了混合算法求解大型零件柔性作业车间调度问题的可行性和有效性。     

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。     

求解作业车间调度问题的双倍体遗传算法与软件实现

作业车间调度问题是最困难的组合优化问题之一，也是计算机集成制造系统中的一个关键环节，在实际生产中具有广泛应用。为此，提出了双倍体遗传算法。该算法提供了一种记忆以前有用的基因块的功能，保留了某些低适应度染色体中的一些局部基因块，构成最优解中的基因片段，提高遗传算法的适应能力。与已有算法相比，基于双倍体遗传算法的作业车间调度方法，显著提高了搜索效率，改进了收敛性能。     

Job Shop调度研究现状及发展趋势

生产过程中的调度问题,是实现制造系统运筹技术、管理技术与优化技术发展的核心 [1];有关资料表明,制造过程中 95％的时间消耗在非切削过程中 [2];有效的调度方法与优化技术的研究和应用,已成为先进制造技术 (AMT)实践的基础和关键 [3],本文就车间生产调度问题的研究状况从调度方法、调度策略以及相关问题进行了评述,并探讨了存在的问题与发展趋势。 [1] 车间生产调度问题的描述 　　车间调度就是对一个可用的制造资源集在时间上进行加工任务集的分配,以满足一个性能指标集。从数学规划的角度看,车间调度问题可表达为在等式或不…     

批量生产柔性作业车间优化调度研究

在批量生产柔性作业车间调度问题中,不但要考虑路径选取和加工排序两个子问题,而且工件还可被分割为多个子批量,不同子批可选择不同工艺路线。该问题是对传统柔性作业车间调度问题(FJSP)的扩充,它更接近于实际生产调度问题。针对问题的特点,提出了一种基于遗传算法的柔性分批调度算法。在算法中,提出了一种基于"游标"的柔性批量分割方法,并采用一种批量分割与加工工序相融合的染色体编码方法。该算法不但可根据机床负荷将工件分割成具有柔性批量的多个子批,而且可使子批工艺路线选取及加工排序同时得到优化。通过实例仿真,对算法性能进行分析和评价,结果表明了算法的有效性和可行性。     

基于双单元制造模式的车间调度控制系统

基于敏捷制造思想研究了离散生产类型的先进制造车间的调度控制系统。在研究双单元制造模式运行和组织特点的基础上，给出了单元重组方法。研究了先进制造车间生产任务管理、生产计划、车间调度、生产运行控制、生产信息管理等问题，提出了以单元动态重组技术为基础的车间生产调度控制系统。     

基于多目标优化的改进遗传算法求解柔性车间调度问题

文章主要研究多目标的柔性车间调度问题。在实际生产过程中,调度结果受完工时间、机器负荷、成本控制和资源消耗等多方面因素影响,因此提出了一种基于多目标优化的改进遗传算法,针对最小化最大完成时间、最小化机器负荷和最小化资源消耗3个目标函数进行优化,结合改进的Pareto多目标优化方法,以及最短加工时间变异和邻域变异方法,提高了算法的寻优能力。最后通过实验验证了算法适用于求解多目标的柔性车间调度问题。     

GA-COA求解柔性作业车间多资源调度问题

针对传统柔性作业车间调度在仓储、运输方面考虑的不足，将工件的存储位置以及工件在仓库、机床之间的运输考虑到传统柔性作业车间调度问题（FJSP）中。提出一种考虑仓储、运输及加工的柔性作业车间多资源调度问题（MRFJSP），以最小完工时间为目标函数进行数学建模。考虑到遗传算法（GA）在求解车间调度问题中收敛速度慢、易陷入局部最优的问题，将郊狼优化算法（COA）的组内郊狼成长、生与死进行改进并与GA结合，提出一种带随机动态分组的遗传-郊狼混合算法。最后，通过算例验证了模型的正确性，并将混合算法与原算法进行对比，验证其优越性。