一种基于改进遗传算法的多目标动态调度优化

静态调度问题一般是NP-hard问题,而动态调度问题的性能指标比静态调度的更为复杂,并且以多目标综合性能指标居多.在系统地研究了多目标动态作业车间调度问题的基础上,运用滚动窗口技术和改进的遗传算法来解决动态调度问题.滚动窗口技术将调度过程分成连续静态调度区间,在每个区间内用多目标遗传算法进行调度优化.最后开发了面向应用的动态调度原型系统,并对改进的Job-shop基准实例进行仿真试验,证明了提出策略的可行性和有效性.     

异常事件监控驱动的动态再调度研究

针对实际生产中由于各种异常事件导致初始调度计划不能适应动态生产环境的问题,提出了一种基于异常事件监控的动态再调度优化策略。建立异常事件监控系统与动态再调度之间的关联框架,通过监控获知异常事件的发生并以此来驱动再调度。再调度是运用滚动窗口技术把动态变化的过程转换为连续的静态调度区间,然后用Pareto的多目标遗传算法对每个区间进行调度优化。根据异常事件的不同,设计了相应再调度机制(滚动窗口的更新、算法参数的初始化),又根据动态调度问题的特性,设计了有效的多目标选择操作和遗传操作,最后通过实例验证这种动态调度的有效性和可行性。     

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。     

基于紧急订单的并行流水线动态调度研究

针对工艺流程的特殊性,对基本遗传算法进行改进,设计了双染色体编码方法。运用改进遗传算法与仿真分析相结合的混合智能方法,以完工时间、交货惩罚为目标,建立仿真优化模型,首先得到多目标模糊并行流水线的静态调度方案;然后在分析紧急订单这一扰动因素的基础上,求解并行流水线动态调度问题;最后以某汽车零部件生产企业冲压流水线为实例,验证了混合智能方法对研究并行流水线动态调度问题的有效性。     

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。     

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。
     

动态环境下的柔性作业车间调度问题研究

针对动态环境下的柔性作业车间调度问题,提出了一种基于改进离散粒子算法的动态调度方法。动态调度方法采用在动态车间调度中应用最为广泛的滚动窗口与改进离散粒子算法相结合的再调度策略,最后通过对两类突发动态事件的仿真测试,验证了本文所提方法能够解决各类突发动态事件,及时有效地对初始方案进行调整,并与原方案有效衔接。     

基于遗传算法的多资源作业车间智能动态优化调度

提出一种基于遗传算法的调度算法，用于解决多资源制约(机床、工人和机器人)条件下作业车间的动态优化调度。为了表达加工工件的批量，提出了一种新的染色体基因型，基因型的长度随加工环境的变化而变化。研究的动态环境包括：加工工件连续不断地到来；机床设备突然损坏；损坏的机床被修复；工件的预定订货时间被提前；有新类型的工件要求被加工等等。采用一种基于周期和事件驱动的滚动窗口调度，以适应连续加工过程中的环境变化。调度算法中采用权重可变的双目标评价函数来优化调度结果。仿真结果表明该算法是可行的，与传统的静态优化调度相比，其优越性是明显的。     

基于滚动时域优化策略的柔性作业车间动态调度研究

根据传统柔性作业车间静态调度模型很难适应实际生产过程中动态性和不确定性的特点,通过对动态环境下柔性作业车间调度问题的研究,构建以生产系统最大完工时间最小为优化目标的数学模型。基于滚动时域优化基本框架,设计一种生产设备出现故障情况下周期和事件混合驱动的动态调度策略。同时,采用一种扩展的基于工序和设备双层染色体编码的遗传算法来对动态调度模型进行求解。最后,通过对某一具体生产车间实例进行仿真求解,验证该动态调度策略的可行性和有效性。     

面向作业车间重调度的改进合同网机制研究

针对柔性作业车间动态重调度问题,提出了一种将滚动窗口技术与基于Q学习的进化规划算法相结合的重调度算法.该算法设计了局部和全局两种滚动窗口更新方法,较好地缩小了问题求解规模；并在滚动机制的驱动下,为了能够较好地吸收和修复动态事件对调度的影响,重新设计了进化过程和每一次进化的Q学习过程；通过内嵌该算法提高了合同网协商机制的学习能力；最后,通过仿真实验验证了改进机制的有效性.研究结果表明,改进的合同网协商机制与基本合同网协商机制虽然都具有良好的反应能力,但是改进机制在最大完成时间和加工时间背离两项指标上更具有优势.     

考虑工时不确定的混合流水车间滚动调度方法

针对加工时间不确定的混合流水车间动态调度问题,提出一种基于滚动窗口的改进蚁群算法。为实现对事件驱动机制下重调度发生频率的有效缓冲,设计基于交货期偏差容忍度的滚动调度策略。同时为提高调度算法的计算效率,以应对现实生产中工时偏差的频繁发生,在滚动时域分解方法框架下提出一种改进的蚁群算法。一方面,通过压缩蚂蚁可选路径限制其移动范围,在缩短蚂蚁搜索周期的同时寻求新的解;另一方面,通过适当刺激蚂蚁尝试具有较弱信息素路径,提高所得解的全局性。通过实例仿真,分别对滚动调度策略和动态调度算法性能进行分析验证,得出较优的滚动调度策略参数,并验证了算法的优越性。最后给出实际生产算例,验证了滚动调度方法的有效性。     

一种基于动态粗集的工件滚动调度识别方法

为在动态加工环境下采用滚动优化调度时,研究了调度窗口内工件的识别问题。基于动态粗集和其元素动态迁移特性,提出了一种工件滚动调度识别方法,考虑在工件加工过程中有生产设备损坏、工件到期时间改变和急加工工件等动态环境中,通过滚动优化调度工件的识别,不仅能适应加工环境的动态变化,获得满意的调度结果,而且减少了再调度次数和调度问题求解的规模。仿真结果验证了该方法的有效性。     

确定性单机调度问题的一种两阶段方法

针对工件动态到达最小化工件完成时间之和的单机确定性调度问题,将规则和滚动时域方法相结合,设计了一种基于初始调度的两阶段滚动调度方法,滚动的局部调度子问题中增加了终端惩罚函数,兼顾了局部目标和全局目标的一致性。理论分析和仿真试验结果表明,两阶段滚动调度相对初始调度有大的改善,相对已有两阶段调度方法在大多数情况下全局解的质量更好。     

用于供水系统直接优化调度的蚁群改进算法

在城市供水系统中建立了多目标在线直接优化调度模型,并对影响优化调度的各方面因素进行了系统的分析和挑选。使用化多为一的乘除法,将该多目标决策问题转化为单目标问题求解,提出了使用乘法形式的罚函数将模型中的约束函数转化为目标函数。采用蚁群算法求解调度模型。为了更好地得到全局最优解,对算法进行了改进,加入了更多的决策点,实现蚁群算法的二进制编码方法,并采用单只最优蚂蚁更新路径上的外激素值、外激素值限定在一定范围内等改进方法。使用改进算法实现了某小区供水系统的直接优化调度,并与遗传算法优化调度的过程进行了对比,新算法在优化时间及得到最优解的次数上都优于遗传算法。     

基于改进的两阶段控制策略的AGV路径优化调度研究

提出了一种基于改进后的两阶段控制策略和多目标的带约束遗传算法的控制策略,并用通过速度调节的冲突解决模式,实施对AGV系统的优化调度。首先利用遗传算法离线生成k条最优路径,再采用速度调节的冲突解决模式对其进行在线动态路径规划;若k条路径均不能满足条件,则用带约束多目标遗传算法计算最优路径。仿真证明:本文提出的调度策略,大大增加了AGV调度系统的柔性、效率和鲁棒性,提高了系统效率,为实际应用提供了技术依据。     

基于综合分解策略的船体分段空间调度方法

考虑到船体分段建造调度的复杂性和长周期性,研究基于时间和空间的综合分解方法,将复杂的动态空间调度问题分解为若干短周期和单作业平台上的调度子问题.时间分解根据滚动变时域法,利用分段加工的时间窗动态设置滚动调度窗口和滚动机制;空间分解利用移动瓶颈法,依次在单平台上进行调度.通过企业实际数据,利用一维排序和二维布局结合的启发式算法对分解策略进行试验和比较,获得良好的调度结果,证明综合分解策略在空间调度问题上的有效性.     

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。     

面向大规模定制的装配线优化调度研究

针对大规模定制生产模式下汽车装配线调度存在的问题,提出一种多目标优化调度的方法,设计了相应的目标函数。提出一种多目标遗传算法,设计了相应的编码、选择和交换方案,在算法实现中对精英策略和选择机制进行了改进。仿真实验说明该算法可行有效,优于VEGA、PGA和NPGA等其他遗传算法。     

多目标柔性作业车间稳健性动态调度研究

研究了以调度稳定性和鲁棒性为优化目标的柔性作业车间动态调度问题。建立了多目标柔性作业车间动态调度问题模型;针对动态事件特点,采用工件到达发生器和机器故障预维护发生器模拟动态事件,提出了基于周期与事件驱动的混合重调度策略,该策略在每个重调度点对工件进行完全重调度或右移重调度;为克服传统差分算法早熟的缺点,设计了一种改进的多目标差分进化算法求解该调度问题;实例验证了提出策略和算法的有效性。     

用遗传算法求解一类不确定性作业车间调度问题

对具有不确定加工时间和交货期窗口的一类作业车间调度问题进行了研究.不确定加工时间用区间数来表示,以工件提前或者拖期遭受惩罚的可能性的总加权和最小作为优化目标.设计了带精英交叉策略的遗传算法求解此类问题.仿真实验验证了该算法的有效性.计算结果表明,该遗传算法有更快的收敛速度、更高的优化精度和更好的初值鲁棒性.