模具虚拟企业项目调度遗传算法研究

为解决模具虚拟企业资源受限的多项目调度问题，提出了多项目调度的数学模型。在此基础上采用了一种混合遗传算法的求解方法，该方法分两个阶段进行：先采用优先规则启发式方法产生一组可行解，该过程可视为遗传算法解的初始化；然后对这组可行解采用遗传算法进行优化，以得到次优解或者近似最优解。最后通过实际算例所得结果并与其他方法的比较分析验证了该方法的有效性。     

基于关键链多项目鲁棒调度

为提高关键链项目调度解的鲁棒性,以鲁棒性指标最大化和多项目工期最小化为目标,提出基于关键链的多项目鲁棒性调度模型。在求解模型方面,为打破优先规则的局限,求解得到解的鲁棒性和质量鲁棒性均较优的关键链调度方案,提出一种关键链多项目调度混合优化算法,通过遗传算法寻找活动的优先权列表,结合基于优先权的关键链多项目调度算法,生成关键链多项目调度计划。通过算例验证并与其他算法进行比较,验证了所提模型和算法的有效性。     

基于改进遗传算法的车间调度问题求解

针对车间调度问题(Job Shop Problem,JSP)的特点,提出一种改进遗传算法。该方法利用剩余作业时间最多(MostWork Remaining,MWR)的工件优先排列的启发式规则来产生初始种群,并且在进化过程中采用分代交叉算子进行操作来避免算法早熟。通过分析算例结果表明,该改进遗传算法可以在进化初期就得到比较理想的调度方案,而且优化收敛速度快、结果优,更适用于解决车间调度问题。     

基于资源推拉技术的多项目调度算法

为充分利用多个项目竞争的资源并缩短项目工期,提出了一种基于资源推拉技术的多项目调度算法.对资源在活动过程中的工作状态进行分析,并在分析资源推送和拉动的基础上,提出了基于资源推拉技术的冲突消解模型.针对该模型研究冲突检测的方法,并根据概率论方法对调度目标进行分解,从而通过定义资源冲突强度构建基于最小冲突强度和最小延迟时间的动态优先规则,实现了基于该规则的资源受限的多项目调度算法.运用数值算例说明了优先规则的有效性,并结合船舶分段生产计划的实例,进一步说明了该调度算法的可行性.     

DNA遗传算法在Job Shop调度优化中的应用

利用DNA计算和遗传算法求解Job-Shop调度问题最优解的有效性和实用性的特点,提出了一种实现Job-Shop调度的DNA遗传算法,该方法将基于调度优先的人工DNA应用于遗传算法的矩阵编码,解决了常规遗传算法的编码方式和局部收敛问题.对该方法与在满足约束条件下采用的常规遗传算法进行了模拟仿真计算与对比,结果表明,该算法避免了陷入局部最优并最终趋于全局最优.     

与启发式规则相结合的遗传算法在车间调度问题中的研究

通过在对遗传算法的解码过程中引入启发式规则 ,构造一种新型的与启发式规则相结合的遗传算法 ,即分别利用遗传算法和启发式规则各自的特点来实现不同的调度目标 ,用于解决大规模离散生产类型车间调度问题。通过实例计算分析表明 ,算法适用于大规模离散生产类型车间调度问题     

启发式算法和遗传算法在生产调度中的应用

根据现代制造企业对生产调度的要求,提出了一种启发式算法和遗传算法相结合的生产调度系统结构。使用启发式规则为各工序分配机器,制定加工计划,调用遗传算法对加工计划进行排序,生成最终调度结果。通过将CLIPS推理机嵌入到系统中,实现了决策规则和程序体的分离,易于规则的修改和进一步扩展,系统更具有柔性。由启发式规则生成遗传算法的部分初始种群,提高了初始种群的质量。通过将任务分解,降低了问题求解的复杂度,并由实例验证了其可行性。     

基于近似动态规划的模具项目调度

模具制造工程中普遍存在任务工期不确定,以及多并行项目共享和竞争企业有限资源的情形,目前尚缺乏求解这类项目调度问题的方法。鉴于此,考虑了部分任务工期服从已知离散分布下的模具项目调度问题,基于马尔可夫决策过程理论构建了以总加权拖期成本期望最小为优化目标的数学模型。针对传统随机动态规划在求解大规模问题时面临的维数灾,分别提出了基于经典优先规则、遗传算法和近似动态规划的求解方法。通过随机生成的项目算例验证了所构建模型和方法的有效性。结果表明,所提近似方法能够在耗费较少计算资源的情形下获得可接受的次优或最优解,可用于求解工程实际问题。     

粒子群优化算法求解多模式项目再调度问题

针对有资源约束的项目调度问题中,项目执行环境发生变更时的项目再调度问题,分析了项目执行环境变更的情况和项目再调度变更费用的构成,建立了以再调度变更费用为优化目标的多模式项目再调度模型并应用基于粒子群优化算法进行求解.在该算法中,粒子分为优先级粒子和模式粒子,实现对活动优先顺序和模式的优化.部分初始优先级粒子位置矢量通过启发式规则产生,以提高解的质量.通过仿真计算分析了关键参数的选择,并与其他启发式算法进行了比较.仿真结果表明,该算法能有效地求解多模式项目的再调度问题,在实际工程中有一定应用价值.     

启发式算法和遗传算法在生产调度中的应用

根据现代制造企业对生产调度的要求,提出了一种启发式算法和遗传算法相结合的生产调度系统结构.使用启发式规则为各工序分配机器,制定加工计划,调用遗传算法对加工计划进行排序,生成最终调度结果.通过将CLIPS推理机嵌入到系统中,实现了决策规则和程序体的分离,易于规则的修改和进一步扩展,系统更具有柔性.由启发式规则生成遗传算法的部分初始种群,提高了初始种群的质量.通过将任务分解,降低了问题求解的复杂度,并由实例验证了其可行性.     

一种新调度类型及其在作业车间调度中的应用

研究改进遗传算法解决作业车间调度问题,问题染色体的编码采用基于工序的编码。针对传统的调度类型的局限性,提出全主动调度及其基于工序编码的产生机制。为了克服传统遗传算法求解调度问题易于早熟收敛的缺点,设计基于优先工序交叉(Precedence operation crossover,POX)和改进子代产生模式的遗传算法。用改进的遗传算法求解传统调度问题、交货期调度问题和提前/拖期(Earliness/Tardiness, E/T)调度问题,研究半主动、主动和全主动三种不同的调度解码机制对遗传算法提供解质量的影响。     

混合多处理机任务作业车间调度问题的仿真研究

针对现代钢结构制造企业车间生产中工件的一道加工工序需要不止一台处理机(工人、设备等)同时加工处理的情景,建立了混合多处理机任务作业车间调度模型。同时,结合企业生产过程中快速改变生产环境的生产方式,利用PlantSimulation仿真软件实现仿真模型。此外,针对遗传算法局部搜寻能力较弱设计混合优先调度规则的混合遗传算法对仿真模型进行优化。最后,通过算例对仿真模型和优化算法进行验证,并针对某钢结构车间的实际生产问题进行调度安排。     

非流水型生产调度问题的研究

采用赋时库所Petri-Net对非流水型的生产作业建立一般的调度模型,然后对模型进行代数化的描述,同时证明了非流水型生产调度问题的解空间如此之大以致很难用解析法来求得最优解.因此,运用深度优先规则和最短优先处理规则来搜索局部最优,得到的算法是一种(成本-时间)折中的启发式调度算法,在一定的程度上解决了对生产调度要求不高的调度问题.     

具有柔性加工路径的作业车间智能优化调度

用遗传算法研究了具有柔性加工路径的作业车间的智能优化调度问题 ,提出了一种将遗传算法和分派规则相结合的调度算法 ,将加工计划与生产调度同时考虑 ,避免了加工计划和生产调度相脱节的弊端。最后给出了此调度算法的仿真结果 ,证明该算法是可行的 ,并获得优异的结果     

基于混合遗传算法的车间调度问题研究

利用遗传算法(GA)和模拟退火算法(SA)求解该问题近优解的有效性和实用性,提出一种实现车间调度的混合遗传算法(GASA),给出了一个新的编码方法,并建立了相应编码的解码规则.对初始温度的确定方法和获得适应度函数的方法进行了探讨.基于LA16调度问题,分别利用该方法和单纯遗传算法及模拟退火算法进行了模拟仿真计算,计算结果表明该混合算法克服了单纯遗传算法和模拟退火算法在车间调度优化方面的不足,具有较高的鲁棒性.     

工序松弛规则及其在动态Job-Shop调度问题中的应用仿真研究

针对动态Job-Shop调度问题,提出了一种新的优先规则SOP,并在考虑具有扩展工艺约束的动态车间作业调度问题中,用仿真试验测试了该规则的性能;从工件总拖期和拖期工件百分比两个性能指标进行分析,探索了车间模型参数扩展工艺约束程度及交货期宽裕度系数对调度规则性能的影响。结果表明所提出的规则性能较好,具有较好的鲁棒性,且扩展工艺约束程度及交货期宽裕度系数对调度规则性能均有不同程度的影响,并给出了两种参数对调度规则性能的影响趋势。     

工艺路线可变的双资源双目标车间调度优化

将遗传算法与启发式调度规则相结合 ,研究了工艺路线可变的双资源双目标的作业车间调度优化问题。在探讨过程中 ,不仅考虑到了每个工件有几条可行的工艺路线 ,而且考虑到了工件的调度受到机床、工人等资源的制约 ,以及在加工过程中发生的储存费用、机床的加工费用和工人的劳动费用对工件调度的影响 ,设计了以生产周期和生产成本综合优化为目标的适应度函数。启发式调度规则使该算法具有较高的局部搜索效率 ,遗传算法保证了解的全局最优性。最后给出了算例 ,并对计算结果进行了分析和讨论     

基于正逆序策略的混合流水车间遗传调度算法

针对最小化Makespan的混合流水车间调度问题,提出一种将活动调度技术、正逆序调度策略与遗传算法相结合的求解算法。该算法不但采用活动调度技术进行空间缩减,而且采取正逆序调度策略消除算法对问题数据的依赖性、提高种群的多样性。在算法设计中,提出一种新的染色体编码方案用来表示完整的活动调度解及其生成方式;通过选择有效的优先规则集,以活动调度技术为基础设计相应的种群初始化策略和遗传操作。基于Benchmark算例的仿真实验结果表明了该算法的有效性,既可以在很短的时间内求出全部a类和b类算例的最优解;对于相对难解的c类和d类算例,又可以找到质量较高的调度解,其平均偏差仅为3.060%。     

一种求解Job-shop调度问题的遗传局部搜索算法

利用遗传局部搜索算法求解了作业车间调度问题,遗传算法中的染色体编码采用基于工序的编码,并用插入式贪婪解码机制将染色体解码至主动调度。为了克服传统遗传算法易于早熟收敛的缺点,设计了一种改进的优先操作交叉IPOX操作和子代产生模式的遗传算法。对于遗传算法每个染色体个体,使用基于N6邻域结构的局部搜索进一步使它们得到改善。利用所提出的混合遗传算法求解基准问题,验证了算法的有效性。     

基于遗传算法和模型仿真的调度规则决策方法

为了完成特定生产环境下的调度规则选择问题,提出一种将遗传算法和过程仿真相结合的调度规则求解方式。在该求解方式中,遗传算法采用分段整数编码,每个染色体都代表一组可用于描述具体调度方案的规则组合;遗传操作包括选择、交叉、变异三种类型;为获得适应度函数值,利用基于某扩展Petri网的生产过程模型进行仿真,以在每一代种群中,得到与每个染色体相对应的各项性能指标值,进而以一种集成层次分析法和方案模糊评判的决策优化方法求取相应的适应度函数值。另外,为了改善串行遗传算法不切实际的解答时间,用主从式并行遗传算法代替传统遗传算法,保证了解在时间上和质量上的可行性。