混合流水车间调度问题研究综述

混合流水车间在流水车间的基础上,在所有或部分阶段引入多台可选择的并行机器,提高了车间的生产能力和柔性,是车间调度领域的研究热点之一。按阶段数和机器特征对混合流水车间调度方法进行了综述,系统总结了实际工程背景下相关扩展问题的研究现状,并指出了当前研究中存在的问题和可能的解决途径。结合运筹学的发展趋势,对混合流水车间调度在新兴领域中的应用前景进行了探讨。最后,指出了未来若干可能的研究方向。     

可重入混合流水车间调度的改进遗传算法

研究了可重入多阶段混合流水车间调度问题,其中至少有一个加工阶段有多台同构并行机。考虑工件在相邻两阶段间的运输时间和工件动态到达等实际生产特征,以最小化最大完工时间为目标建立数学模型。在传统遗传算法的基础上,结合NEH启发式算法产生工件初始加工顺序,令遗传参数随进化代数和个体适应函数值2个方面进行自适应调节,以避免算法陷入早熟,提出改进遗传算法用以求解该NP-hard问题。分别利用所提出的改进遗传算法与传统遗传算法、NEH启发式算法对不同规模的问题进行仿真测试,结果表明,改进遗传算法在较短的计算时间内能够获得较好的近优解。     

基于SP-MCTS算法的混合流水车间机器人调度

针对混合流水车间存在并行设备、物料机器人和设备约束等导致调度过程复杂化的问题,提出融合标准差的选择策略、单分支扩展和启发式规则模拟的改进型SP-MCTS算法。该算法将混合流水车间机器人调度问题转化成搜索车间状态演变用时最短的分支路径问题,并利用马尔科夫决策过程建立混合流水车间机器人调度问题的动态模型。优化过程中,运用选择策略评估各分支收益,选择高潜力分支进行探索,并扩展多次遍历的分支节点,最后以启发式规则模拟探索,获取调度解集。另外,搜索中通过剪枝法缩小搜索宽度,单分支扩展法避免多次同路径探索,有效利用计算资源;最后,采用基准算例进行算法测试,验证了所提算法在多工序、多设备的混合流水车间调度问题求解方面的优越性。     

基于遗传算法的混合流水车间构建方法

在混合流水车间的构建过程中，每个阶段配置几台平行机最为合理是一个有待确定的问题。以设备空闲时间和工件平均流程时间加权均值最小化为目标函数对该问题进行了研究，采用遗传算法求解该NP-hard问题，染色体编码采用一种新的整数与实数相结合的方法，可实现对问题空间的全局随机寻优。算例研究显示，对任一算例，10次随机计算的目标函数平均值与最优值的差别率均小于1．3％，计算重复性好；计算花费时间均在20～30s，计算效率较高。     

具有随机加工时间和机器故障的流水车间调度

不同的流水车间往往具有不同的生产方式,为提高调度方案对不同生产方式下随机因素的处理能力,重点考虑了2种生产方式下3种不同情况的随机调度。针对这3种情况,以最小化最大完工时间为目标,研究了具有随机加工时间和随机机器故障的置换流水车间调度问题,提出了处理不同生产方式下随机因素的3种计算方法,通过预测机器的期望故障时刻来计算每个任务的完工时间。采用启发式规则和遗传算法相结合的方法,确定出最佳调度方案,并进行了实验分析和比较。     

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。     

蚁群算法求解混合流水车间分批调度问题

为解决混合流水车间分批调度问题,提出一种三级递阶结构的蚁群算法.算法中,第一级蚁群算法设计了一种批量大小动态结合的柔性分批策略,完成产品的批次划分;第二级蚁群算法考虑工件在各设备的加工时间和设备可用能力,设计蚂蚁设备间的转移概率,完成工序约束下各批次的设备选择;第三级蚁群算法考虑同一设备上批次顺序相关的换批时间,设计蚂蚁批次间的转移概率,完成各设备的批次排序.通过实例仿真,分别对分批算法和混合流水车间调度算法性能进行比较分析和评价,结果表明了算法的有效性和优越性.最后从生产实际出发给出算例,验证了算法的有效性和对生产实践的指导作用.     

基于知识进化粒子群算法的模糊交货期流水车间调度问题

针对模糊交货期的流水车间调度问题的特点,提出采用知识进化算法和粒子群优化的混合算法来求解问题。该算法首先在多个群体空间内采用粒子群优化寻找局部最优解,然后利用知识进化算法的猜测操作和反驳操作建立以群体空间知识为基础的一个知识空间,最后通过知识空间的协同进化更新其中的社会知识,从而形成问题的最优解。通过采用所提算法对带模糊交货期的流水车间调度问题的实例进行测试,并比对遗传算法和粒子群优化算法,表明了混合算法的可行性和有效性。     

基于仿真的多机流水车间成组作业调度

以总流程时间为优化目标,首先对多机流水车间成组作业调度的最小化总流程时间问题进行了数学建模,然后以三机调度为例在eM-Plant（仿真软件）环境里对该问题进行仿真建模,最后在eM-Plant环境里将仿真模型与遗传算法结合起来对这一类实例进行求解;结果表明这是一种实际有效的方法.     

分时阶梯电价下流水车间节能调度问题研究CSCD

节能降耗是制造业的发展趋势,车间的节能调度问题一直是企业重点关注的问题之一。在综合考虑分时电价和阶梯电价政策下,针对流水车间环境,建立了以最小化电力成本为目标的生产调度数学模型,设计了一种基于工序及时间编码的遗传算法。最后,通过实例验证所建模型的正确性和算法的有效性。     

有限缓冲区流水线调度的多搜索模式遗传算法

针对有限缓冲区流水线调度问题,提出了一种多搜索模式遗传算法,算法使用多个交叉和变异操作进行解空间的探索和改良,并采用基于有向图的邻域结构来增强局部搜索。同时,局部搜索和变异操作受决策概率控制。基于典型算例的仿真和比较研究验证了所提算法的有效性。     

一种求解Flow-Shop调度问题的混合量子进化算法

针对Flow—Shop调度问题,在量子进化算法的基础上,提出了一种求解置换流水车间调度问题的混合量子进化算法（HQEA）,融合了量子进化算法和经典遗传算法的优点,并提出了一种新的针对置换流水车间调度问题的解码方法和一种新的量子门更新旋转角策略,最后针对一系列典型置换流水车间调度问题进行了对比仿真。研究结果表明,所提出的混合量子进化算法HQEA具有良好的全局搜索能力和较快的收敛速度。     

求解混合流水车间调度问题的变量相关EDA算法

针对混合流水车间调度问题和分布估计算法的特点,提出将变量按工序分组,通过组内概率约束、组间概率耦合的方式建立混合流水车间调度问题变量间概率关系的新方法。对分布估计算法中的紧致遗传算法的种群产生和概率更新机制进行了改进,以解决流水车间调度问题等复杂问题。通过仿真实验、与其他算法比较以及在大规模生产实际问题中的应用,验证了该算法的有效性和鲁棒性。     

求解分布式混合流水线调度问题的改进双层嵌套式遗传算法

针对分布式混合流水线生产的生产调度问题,模拟实际排产中的排产到线和排产到时的排产策略,提出了基于改进双层嵌套式遗传算法的两层优化模型。外层依据流水线分配平衡和准时交货等基本原则总体上解决生产订单在流水线之间的分配问题,内层以最小生产时间为主要目的求解流水线的生产订单生产次序问题。考虑到双层嵌套式遗传算法的时间复杂性,基于模糊逻辑理论设计了一种模糊控制器来动态调整遗传算子,并采用主动检测停止方法,提高算法效率。使用某空调工厂的实际生产数据验证了算法的可行性、计算结果的准确性及排产策略的有效性,为高级计划与排程(Advanced Planning and Scheduling,APS)中大规模复杂供应链调度问题提供了可借鉴的方法。     

基于混合差分进化的混排Flow-shop分批优化调度

考虑到实际环境中的订单批量性,研究Flow-shop制造过程分批优化调度.针对制造过程中不同产品所含批量之间允许交叉生产的情况,考虑传输批量大小约束,建立了问题模型.基于分批生产策略设计了一种混合差分进化算法来优化确定批量划分和排序优化.该算法采用两级染色体编码,对划分染色体和排序染色体分别采用前面所设计的进化过程.为了进一步缩短完工时间,在算法解码过程中基于分批传输策略进行二次划分,得到小传输子批.通过实验仿真对所提方法进行比较分析,验证了所设计划分方法的有效性以及算法的优化性能.     

求解相同并行机混合流水线车间调度问题的分布估计算法

针对相同并行机混合流水车间调度问题,提出了一种有效的分布估计算法.针对基于排列的编码方式,设计了改进的启发式解码规则,进而提出了一种评价个体优劣的混合解码方式.建立了描述问题解空间分布的概率模型,通过对概率模型采样产生新个体,并基于优势种群更新概率模型的参数.通过基于标准测试集的数值仿真以及与已有算法的比较,验证了所提算法的有效性.     

基于改进遗传算法的柔性作业车间调度方法研究

针对柔性作业车间调度问题,提出了一种自适应的遗传机制,构造出自适应的适值函数定义方法,设计了相应的自适应选择、交叉和变异3种算子。为了解决同一工序的不同机器的负荷平衡,提出了表征机器加工能力的能力系数。通过轮换方法实现了相同工序不同机器之间的调度。仿真实验结果表明,该调度算法具有可行性。     

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.     

双资源多工艺路线作业车间模糊调度问题研究

在研究双资源、多工艺路线作业车间调度的基础上,从实际作业车间调度系统存在大量不确定因素的情况出发,建立了模糊调度的数学模型。以最小完工时间和平均满意度最大为优化目标,基于遗传算法,对算法中初始种群的构造、适应度计算、遗传操作等方面进行了研究;应用改进的遗传算法,求解最优调度工序。最后给出了实例仿真和结论。     

知识化制造环境下模糊调度模型和算法

为解决实际生产中一些不精确调度知识的描述问题,通过引入模糊理论中的测度概念,建立了模糊调度模型和求解该模型的混合模糊遗传算法.首先,在变速并行机生产环境下,针对工件加工时间和交货期的不确定性,基于可能性测度和必然性测度的定义,提出了工件拖期可信度指标,用于衡量工件发生拖期的可能性;然后,基于工件拖期可信度指标,建立了以最小化工件平均拖期可信度为目标的混合整数规划模型,通过分析该调度模型,得到最优模糊调度的相关性质;最后,以上述工作为基础,给出一种混合模糊遗传算法的求解方法,并以某电机制造企业为例,对所提出的算法进行了有效性验证.