基于混合遗传算法的柔性作业车间调度研究

为更有效地求解柔性作业车间调度问题,提出一种混合遗传算法(蚁群-遗传算法)。在分层法的基础上,首先采用蚁群算法解决工艺路线选择问题,再通过遗传算法解决传统的作业车间调度问题。在混合遗传算法求解过程中,不断地在前期优化中获取调度知识,用于指导后期的优化过程。通过标准案例测试,验证了混合遗传算法对于解决柔性作业车间调度问题的有效性。     

具有柔性加工路径的作业车间批量调度优化研究

古典作业车间调度问题已经被研究了几十年并证明为 NP- hard问题。柔性作业车间调度是古典作业车间调度问题的扩展 ,它允许工序可以由一个机床集合中的多台机床完成加工 ,调度的目的是将工序分配给各机床 ,并对各机床上的工序进行排序以使完成所有工序的时间最小化。本文采用遗传算法进行柔性作业车间调度研究 ,针对柔性作业车间问题提出了一种新颖直观的基因编码方法以适用于批量调度 ,并分析了几种批量调度方案 ,最后给出了这些调度的仿真结果 ,证明单件最佳调度不适合扩展成批量最佳调度     

改进元胞遗传算法求解柔性作业车间调度问题

针对柔性作业车间调度问题(Flexible Job-shop Scheduling Problem,FJSP)中的不同性能指标优化,提出一种改进的元胞遗传算法。结合柔性作业车间调度的特点,设计一种基于工序编码和设备分配的双层编码,在交叉变异时分别对两层编码进行操作,同时在变异时引入贪婪式变异以加快收敛速度。为了克服传统遗传算法早熟和收敛慢的特点,设计了根据邻居个体自适应的选择算子。将该改进的元胞遗传算法求解柔性作业车间调度问题并同其他遗传算法的测试结果进行比较,表明所提出的改进元胞遗传算法在求解柔性作业车间调度问题上的有效性。     

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。     

柔性工作车间调度问题的多目标优化方法研究

针对各工件日标不同的多目标柔性作业车间调度问题,构建了以加工成本、加工质量及制造工期为目标函数的柔性作业车间调度多日标优化数学模型.针对传统的加权系数遗传算法不能很好地解决柔性作业车间调度多目标优化问题,提出采用改进的强度Pareto进化算法,对柔性作业车间调度问题进行多目标优化,从而得出柔性车间调度问题的Pareto综合最优解.最后,结合项目实施,以某大型空分装备企业的车间调度为例,证明了文中提出的方法能很好地解决柔性工作车间调度的多目标优化问题.     

基于遗传-粒子群混合算法的柔性作业车间多资源调度问题

在传统柔性作业车间调度问题(FJSP)中加入运输和装配环节,提出一种柔性作业车间多资源调度问题(MRFJSP),以完工时间最短为目标建立了包含加工、运输和装配的柔性作业车间调度模型。为了提高传统遗传算法(GA)在车间调度问题中的寻优能力,将粒子群算法(PSO)的寻优过程进行改进并与遗传算法进行结合,提出一种带保优策略的遗传-粒子群混合算法,利用单层编码对模型进行求解。通过算例验证了模型的可行性,并将提出的混合算法与遗传算法和粒子群算法进行比较,证明了混合算法的优越性。     

柔性作业车间调度问题的两级遗传算法

研究不同性能指标柔性作业车间调度问题的优化.针对柔性作业车间调度问题的特点,设计基于工序编码和基于机器分配编码的两种交叉和变异算子,并提出一种双层子代产生模式的改进遗传算法应用于该调度问题,以使子代更好地继承父代的优良特征.使用实例测试改进的遗传算法,并与其他遗传算法的测试结果进行比较,所提出算法的有效性得到证实.     

基于遗传算法的模糊目标柔性作业车间调度问题

针对实际作业车间调度问题目标的多样性及其不确定性,提出了一种新的柔性作业车间调度问题模型和处理方法,并在遗传算法中加以实现。计算结果表明,该问题模型能较完整地反映生产实际中调度目标的要求。     

柔性作业车间机床与搬运机器人联合调度方法

针对当前柔性作业车间机床和搬运机器人单独调度存在的不匹配问题,以车间完工时间为目标,提出基于多代竞争强进化遗传算法的机床与机器人联合调度方法。对多工件、多工序、多机床、多机器人的柔性作业车间联合调度问题进行了描述;考虑了机床生产和机器人搬运的时序约束,建立了最小化车间完工时间的优化模型;使用工序链、机床链及机器人链缠绕的染色体编码方式,将联合调度问题转化为算法优化问题;在遗传算法中引入多代竞争机理和强进化算子,其中多代竞争机理增加了优秀染色体的遗传概率,强进化算子具有保留优秀基因片段和强制差基因进化的能力。经生产实验验证,在15个工件44道工序的调度中,该算法的车间完工时间比标准遗传算法缩短了14.75%;另外,在不同规模的工件生产调度中,与克隆选择算法和标准遗传算法相比,该算法的迭代次数最少、车间完工时间最短。上述实验结果充分证明了多代竞争强进化遗传算法在柔性作业车间生产联合调度中的优越性。     

基于遗传算法和变邻域搜索的柔性作业车间同步调度方法

研究了现有的柔性作业车间问题求解算法中存在的计算等待时间与求解结果质量之间的矛盾.针对这一矛盾设计了一种名为同步调度的新型调度求解方法.同步调度实现了生产作业与调度计算同步进行,旨在同时满足零等待与精求解两大要求.基于遗传算法与变邻域搜索设计了两种同步调度算法.在静态与动态柔性作业车间问题上的仿真实验表明,同步调度算法快速而有效.     

低能耗柔性作业车间调度研究

针对柔性作业车间低能耗调度问题,对机床运行模式下能源消耗特点和完工时间进行了研究。建立了以能源消耗和完工时间为目标函数的多目标优化模型;结合该模型特点,采用目标加权法,得到了能源消耗和完工时间两个变量加权求和的最小值;针对遗传算法单一染色体在解决较复杂问题时,无法准确表达问题解的缺点,设计了多层编码策略,对柔性作业车间制造过程中工件加工顺序和机床选择进行了优化,实现了面向能耗优化的多目标柔性作业车间调度;在Matlab环境中对生产实例进行了仿真。实验结果表明:在加入低能耗要求的车间调度中,基于改进遗传算法的调度策略是可行和有效的,决策者可根据偏好在一系列可行解中进行选择,以提高解的合理性、科学性。     

基于滚动窗口技术和遗传算法的柔性作业车间动态调度研究

在柔性车间的动态调度过程中,存在生产效率和设备利用率低的问题,为此,提出了一种基于滚动窗口技术和遗传算法的柔性车间动态调度新方法。首先,采用最大完工时间最小作为评价指标,根据滚动窗口技术的特点,对滚动窗口中参数的修正、重调度时刻的解码以及窗口中工件的数量和调度周期进行了分析,为后续研究提供了理论指导;然后,采用分段编码的方式对机器选择部分和工序排序部分进行了编码,并设计了相应的交叉操作、选择操作方法;最后,采用工件和机床数据对柔性车间动态调度新方法进行了实验验证。研究结果表明:采用基于滚动窗口技术与遗传算法的新方法求得的最短完工时间值为17,在保证了遗传算法具有全局搜索性能的基础上,既能满足用户多品种、中小批量生产的要求,又能有效降低生产成本;在有效处理动态事件的前提下,该方法既能提高作业车间的生产效率,又能保证设备具有较高的利用率,满足柔性作业车间的动态调度要求。     

超启发式遗传算法柔性作业车间绿色调度问题研究

针对启发式算法通用性较差的问题,建立了多目标柔性作业车间绿色调度模型,设计了一种超启发式遗传算法对问题进行求解.首先,建立了以最大完工时间和最小能耗为目标的柔性作业车间绿色调度模型,并设计了超启发式遗传算法对模型进行优化求解;然后,对于高层启发式策略采用遗传算法,随机生成初始种群,对种群进行了选择、交叉和变异操作,并且...     

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。     

面向能耗的多工艺路线柔性作业车间分批优化调度模型

合理的调度方案能有效降低柔性作业车间总能耗。针对柔性作业车间中加工工件种类多、单批工件数量大、加工工艺路线柔性大等问题,研究一种面向能耗的多工艺路线柔性作业车间分批优化调度模型。分析柔性作业车间中工件加工过程能耗特性,以车间总能耗最低和完工时间最小为优化目标建立了多工艺路线柔性作业车间分批优化调度模型,并采用多目标模拟退火算法对模型进行优化求解。通过算法优化得到的调度方案与经验调度方案的对比分析,验证了该模型的有效性和实用性。     

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。     

基于改进自适应遗传算法的柔性作业车间调度问题研究

为了克服遗传算法在解决柔性作业车间调度问题中收敛速度慢、易陷入局部最优的缺陷,根据柔性作业车间调度问题的特点,提出一种具有自适应交叉概率与变异概率的改进自适应遗传算法。将交叉概率与个体适应度值相关,将变异概率同时与个体适度值与进化代数相关,采用有效的编码、解码机制,引入精英保留策略。通过对两个基准问题进行仿真分析,验证了改进自适应遗传算法的有效性。     

考虑准备时间和工件分批的柔性作业车间调度

针对柔性作业车间调度受生产准备时间和工件批量影响的问题,构建了考虑准备时间和工件分批的柔性作业车间调度模型.根据工件批量加工中等量分批方法柔性不足的特点,采用柔性分批方法对工件进行批量划分.提出一种改进的遗传算法,以最小化最大完工时间为优化目标,采用双层编码的方式对模型求解,确定各工件的分批方案和子批工序调度排序方案.通过分析柔性调度案例,验证了该算法的有效性,能够更好地满足实际车间生产要求.     

免疫算法求解多目标柔性作业车间调度研究

研究了多目标柔性作业车间调度问题，优化了设备分派方案。建立了多目标柔性作业车间调度的数学模型。提出了双种群双倍体自适应免疫算法，并用该算法求解某航空制造企业的多目标柔性作业车间调度问题，得到了优化调度方案。仿真结果表明，双种群双倍体自适应免疫算法是求解多目标柔性作业车间调度问题的有效算法。     

扰动机制下的遗传算法求解柔性作业车间调度

针对柔性作业车间调度问题,提出一种扰动机制下的遗传算法,该算法以最大完工时间最小为优化目标。为了克服传统遗传算法早熟的缺点,引入差异度阈值策略对传统遗传算法的结构进行动态调整,同时设计了灾变机制和大变异策略相结合的扰动机制,增强了算法的搜索性能。最后,通过基准案例进行测试并与其他算法的结果进行对比,验证了扰动机制下的遗传算法对于解决柔性作业车间调度问题的有效性和优越性。