带学习策略的遗传算法求解柔性作业调度问题

多个不同最优染色体之间存在许多共有特征,如果进化过程中能识别这些优秀特征并尽可能遗传到后代个体中,则可以改善后代种群质量,加快遗传算法的收敛速度。在分析柔性作业调度问题的基础上,采用共生遗传算法并加入学习策略进行改进,在进化过程中学习父代优秀特征并指导后代的进化。通过实验测试,并与其他文献中的结果进行比较,表明改进算法在解的质量上有较好的效果。     

基于Memetic算法的车间动态调度策略研究

针对车间动态调度问题的求解,提出了一种基于Memetic算法的车间动态调度策略。该策略结合滚动窗口机制,并采用基于周期和事件的混合驱动策略,运用Memetic算法对每个滚动窗口工件集进行重调度。该算法采用顺序交叉算子和基于邻域搜索的新型变异算子,在交叉和变异后均采用改进的模拟退火策略进行局部搜索。通过对改进后的基准实例进行实验,验证了该策略的有效性。
     

面向随机加工时间的车间作业调度

提出了面向随机加工时间的车间作业调度方法,认为在整个遗传进化过程中出现频率越高的个体对环境的适应能力越强,该个体对应的调度方案为较优方案,构造了用于解决加工时间为服从正态分布的随机变量的车间作业调度问题的扩展遗传算法.在算法中设计了考虑设备能力空间的解码算法以产生活动调度方案;在交叉/变异过程中通过设计的基因调整算法确保新个体的合法性,以满足工序约束;采用基于适应值的轮盘赌的选择策略控制遗传进化的方向,使算法快速收敛到最优解.仿真实验验证了该算法在企业实际随机车间作业调度中的有效性.     

高扰动模具制造车间的负荷均衡生产控制方法

试制性模具生产中,路径与工时各异的零件先机加工再装配,关联零件进度不一致将影响装配开工,而返工返修等高频事故干扰着进度协同。实时决策的调度规则更能及时协同进度,但分散的规则难以在负荷波动且不均衡的车间协同众多零件,将引入投放控制来均衡各任务队列,降低规则协同进度的难度。构建一类耦合投放控制、设备选择与作业分派的多层递阶方法,实验说明其优良性能和各控制层级中面向进度协同与准备时间节省两类规则的关联性。     

基于Agent多层次的柔性车间调度多目标决策研究

对于多目标job-shop柔性制造系统调度决策问题,在实际调度过程中不同优化目标之间存在层次关系,同时在实际生产环境中所调度追求目标并非固定常常处于变动之中。为此提出了基于Agent多层次目标任务调度规划模型,将复杂的求解问题按层次分解为具有相对独立性的各求解子问题单元并建立各单元间的联系机制,采用交互式策略对复杂调度问题进行求解。通过对不同调度算例的求解并得到满意调度方案,并验证此方法的合理性及可行性。     

禁忌-并行遗传算法在作业车间调度中的应用

根据并行遗传算法与禁忌搜索算法的优点,提出了一种禁忌一并行遗传算法。该算法能够避免早熟,不仅保证了算法的全局收敛,而且提高了算法收敛速度和解的质量,特别是在求解大规模问题上具有优势。仿真结果证明了该算法的有效性。     

Solving Job-Shop Scheduling Problems by Genetic Algorithms Based on Building Block Hypothesis

In this paper, we propose a new genetic algorithm for job-shop scheduling problems （JSP）. The proposed method uses the operation-based representation, based on schema theorem and building block hypothesis, a new crossover is proposed ： By selecting short, low order highly fit schemas to genetic operator, the crossover can exchange meaningful ordering information of parents effectively and can search the global optimization. Simulation results on MT benchmark problem coded by C ＋ ＋ show that our genetic operators are very powerful and suitable to job-shop scheduling problems and our method outperforms the previous GA-based approaches.     

变扰动强度下柔性装配作业车间调度性能分析

柔性装配作业车间是柔性作业车间的一类现实化扩展,其调度问题既要考虑复杂的加工路径柔性,还要考虑零件间的装配关联约束,以及由其带来的关联零件生产进度协同难题。首先给出了柔性装配作业车间调度问题的数学模型;然后考虑现实生产中普遍存在的随机扰动,采用了完全反应式与预测-反应式两类动态调度策略,并提出了相应的优先度规则算法和周期性滚动遗传算法。前者能快速协同各关联任务,但其决策分散,缺乏全局优化力度;后者进行全局周期决策,但扰动将导致性能的下降。最后构建了一般化的仿真模型,并设计了大量的比较实验,分析了不同综合扰动强度对两种调度策略的影响,为实际生产调度策略选择提供了有效的依据。