基于改进人工蜂群算法的多目标绿色柔性作业车间调度研究

针对多目标绿色柔性作业车间调度问题（MGFJSP）的特点，提出从碳排放量、噪声和废弃物这3个指标来综合评定环境污染程度，建立了以最小化最大完成时间和环境污染程度为优化目标的MGFJSP模型，并提出了一种改进的人工蜂群算法来求解该模型。算法的具体改进包括：设计了一种三维向量的编码和对应解码方案，在跟随蜂搜索阶段引入一种有效的动态邻域搜索操作来提高算法的局部搜索能力，在侦查蜂阶段提出产生新食物源的策略用于增加种群的多样性。最后进行了实验研究与算法对比，以验证所建模型和所提算法的有效性。     

Job-shop like manufacturing system with variable power threshold and operations with power requirements

This paper addresses an important issue in manufacturing by considering the scheduling of a Job-shop like manufacturing system involving a power threshold that must not be exceeded over time. A power profile is attached to operations that must be scheduled. This power profile presents a consumption peak at the start of process in order to model most of real-world machining operations. These operations must be scheduled according to the instantly available power threshold. A mathematical formulation of the problem is proposed; its main goal is to minimise the total completion time of all operations. A set of instances is built based on classical format of instances for the Job-shop problem. As it is time-consuming to obtain exact solutions on these instances with the CPLEX solver, a Greedy Randomised Adaptive Search Procedure hybridised with an Evolutionary Local Search (GRASP × ELS) metaheuristic is designed. The GRASP × ELS is compared with two other metaheuristics: a Variable Neighbourhood Search and a Memetic Algorithm. The GRASP × ELS is also compared with several algorithms developed in the literature for the classical job-shop problem. Results show the relevancy of the metaheuristic approaches both in terms of computational time and quality of solutions.     

Benchmarking flexible job-shop scheduling and control systems

Benchmarking is comparing the output of different systems for a given set of input data in order to improve the system’s performance. Faced with the lack of realistic and operational benchmarks that can be used for testing optimization methods and control systems in flexible systems, this paper proposes a benchmark system based on a real production cell. A three-step method is presented: data preparation, experimentation, and reporting. This benchmark allows the evaluation of static optimization performances using traditional operation research tools and the evaluation of control system's robustness faced with unexpected events.     

基于面向对象遗传算法的柔性车间调度研究

针对柔性车间作业调度问题,基于面向对象思想设计了一种遗传算法。该算法将实际操作封装成基因类,工件封装成工件类,机床封装成机床类,调度方案封装成染色体类,基于堆栈思想设计了染色体的创建方式,提出了全新的染色体解码方式及变异方式。通过仿真实例证明了该算法的有效性和实用性。     

基于BPEL和Drools的车间调度研究

现代企业的应用程序和信息已成为公司相当重要的资产,大多数企业都希望此应用能够提供业务流程全面的支持.这就意味着应用程序和业务流程应该紧密结合,然而,应用程序的每次修改都会减少其结构对其未来变化的鲁棒性.基于对业务流程通信便捷性的目的,本文采用实例验证的方法,结合Drools优化车间调度问题,用Web Sevices 和BPEL加以实现,并以机械加工流程为例加以验证,得出了BPEL和Drools结合能够较好实现加工流程的多服务调用和交互和通信的结论.     

工序加工时间不确定条件下作业车间调度问题的区间数求解方法

针对一类难以获取工序加工时间变量的准确分布规律或隶属度函数的作业车间调度问题,采用区间数方法描述工序加工时间不确定变量,在分析工件完工时间区间与交货期时间窗的6种关系的基础上,分析归纳出提前/拖期惩罚取值区间的求解方法;论证了提前/拖期惩罚区间可以预估提前/拖期惩罚值的波动范围,为不确定调度问题转化为区间调度问题求解提供了理论支撑。以提前/拖期惩罚的取值区间为优化目标构建了区间调度模型。通过区间可能度方法对不同的提前/拖期指标区间值进行定量比较,解决了遗传算法求解区间调度模型时适应度值的比较问题。通过算例仿真验证了区间数定理和调度算法的有效性。     

基于多种群蚁群算法的柔性作业车间调度研究

针对柔性作业车间调度的特点,设计了柔性作业车间调度析取图模型,结合蚁群分工组织的工作方式,给出了基于竞争规则的多种群蚁群算法求解方法。算法中不同种群的蚂蚁被放置在析取图中不同的工序节点上,通过核心种群的引导,充分发挥蚁群协作竞争的并行高效特点,满足柔性作业车间调度的要求。仿真实验表明该算法求解柔性作业车间调度具有可行性和有效性。     

基于单件小批企业的制造执行系统研究及优化

作为连接企业上层生产计划管理系统和底层设备控制系统之间接口的制造执行系统,是当前管理信息系统研究和开发的热点与难点。本文探讨了适用于单件小批量生产的重型机械制造企业的制造执行系统的结构框架,详细地描述了其各个功能模块的作用,并给出了实现系统优化调度的遗传算法的问题编码、遗传操作和评价函数以及算法的整个过程。按照这种框架所构建的制造执行系统,能够实现生产作业计划的实时调度以及生产过程的实时控制。     

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。     

交货期惩罚下柔性车间调度多目标Pareto优化研究

针对传统作业车间调度问题的局限性,结合实际生产过程的特点和约束条件,建立路径柔性的作业车间调度仿真模型。采用连续空间蚁群算法,对柔性车间作业进行多变量、多约束下的调度布局优化设计,在考虑各个机器提前/拖期完工的惩罚值,所有机器上的总负荷、成品合格率和最大设备利用率等性能指标更加合理情况下,为每次迭代产生的邻域解集作为Pareto非支配排序,防止算法操作过程中劣解的产生,提高求解效率。并与自适应免疫算法和交换序列混合粒子群法的优化结果进行对比,该算法可有效改善基本蚁群算法的停滞现象和全局寻优能力差的缺点。目前,该方法已在某机械公司进行示范,在提高加工效率、降低生产成本、减少协作费等方面效果显著。