鲁棒优化与多智能体协调的电梯群控调度

针对电梯群控调度过程中交通流不确定和优化求解复杂性的问题,提出一种混合鲁棒优化方法和多智能体协调的电梯群控调度方法。分析了电梯群控调度中的交通流不确定问题,建立了解决该不确定问题的电梯调度决策鲁棒优化模型。为了弥补模型求解复杂度过高的不足,进一步提出鲁棒优化和多智能体调度结合的混合调度决策方法。仿真结果表明,该方法能有效改善群控调度的性能,提高群控调度对交通模式的适应性。     

多生产线作业协调调度的PSOGA混合优化算法

为了求解多目标多生产线调度问题,采用协同进化思想,提出了多种群PSOGA混合优化算法(MC-HPSOGA)。以最小化最大完工时间、最大化生产线利用率和最大化客户满意度为目标函数,建立了多生产线作业协调调度问题的多目标批量调度数学模型,并且设计最小批量动态分批策略,将MC-HPSOGA算法应用于BSPT公司角磨机装配线的多目标多生产线调度问题实例中,通过与粒子群(PSO)和遗传算法(GA)的比较,验证了MC-HPSOGA算法和模型的有效性。     

一类已知概率分布下的混合车间鲁棒调度问题研究

为解决一类产品生产需经上游作业车间的零部件加工和下游流水车间的零部件总装的调度问题,在研究生产调度文献的基础上,给出了混合车间调度问题;给出一类已知概率分布下的混合车间鲁棒调度方法,并建立鲁棒调度模型;采用遗传算法求解鲁棒调度模型。最后进行了实证研究,证明所建模型以及遗传算法在求解混合车间调度问题上是有效的。     

基于改进遗传算法的多目标装配线平衡优化研究

针对离散制造企业装配线再平衡问题,文章提出基于改进遗传算法的多目标装配线平衡优化方法.以最小化生产节拍、最大化产线平衡率和最小化平滑指数为优化目标建立装配线再平衡优化模型,并采用改进的遗传算法对平衡模型进行求解,算法基于任务排序的种群初始化方法,采用两点交叉方法,提高了算法寻优能力.文章最后以青贮机装配线实际案例验证了...     

基于混合教与学优化算法的炼钢连铸调度

根据炼钢厂的实际生产环境,建立了无等待多工艺路线的炼钢连铸模型,提出一种混合教与学优化算法求解该模型。在混合算法中,引入转换规则的教与学优化算法求解离散问题;采用变邻域搜索调整机器选择,教与学优化算法调整调度顺序的方式,将并行问题串行化。对具体实例进行测试,将人工调度方法、遗传算法、教与学优化和混合教与学优化算法的结果进行比较,验证了所提算法的可行性和有效性。     

带缓冲时间的不确定性作业车间鲁棒调度研究

对机器故障下的作业车间鲁棒调度问题进行了研究。根据威布尔概率分布函数和故障浴盆曲线将不确定的机器故障转化为定量化的故障区间,建立带缓冲时间的性能鲁棒调度优化模型。用遗传算法求解该模型过程中,确立带缓冲时间的鲁棒解码规则,且交叉片段在整个父代中搜索与片段对等的基因,有利于扩大交叉范围。最后的仿真实验表明,优化模型保证了调度的鲁棒性,提出的改进遗传算法对问题求解的有效性。     

基于人工免疫算法的鲁棒满意项目调度

针对不确定的资源受限项目调度问题,采用模糊数描述不确定的项目活动执行时间和项目交货期,建立了以最大化客户满意度和调度鲁棒性为目标的鲁棒满意项目调度模型.针对这一优化问题,设计了一种人工免疫算法.仿真计算结果表明,所建立的鲁棒满意项目调度模型在提高项目调度鲁棒性的同时,并没有过多地降低客户满意度,该模型可以实现两个优化目标之间很好的折中.     

随机工时下柔性加工车间的鲁棒优化调度方法

为了提高柔性加工车间调度方案的可行性、保障生产过程的稳定性,提出一种鲁棒优化调度方法。引入两个不确定参数来描述随机工时的波动程度和约束条件的允许违背程度,提出随机变量服从概率分布时一般线性规划问题的鲁棒优化方法。采用该方法将含随机工时而难以求解的随机型柔性加工车间调度模型转化为确定型鲁棒对等模型。基于该模型,将随机工时融入适应度函数中,结合遗传进化的全局优化和邻域搜索的空间拓展能力研制出鲁棒调度算法,同步实现工件排序和机器分配的双重决策。案例测试表明,所提方法可以在较短计算时间内、以较小性能损失、将近95%的置信度获得当前最优解。     

带有区间不确定任务时间的装配线鲁棒平衡

为解决任务完成时间为连续区间参数的第二类装配线平衡问题,提出了装配线鲁棒平衡的思想.采用最小化最大后悔值的鲁棒决策准则,建立了装配线鲁棒平衡的数学模型,提出了计算给定任务分配方案对应节拍时间最大后悔值的策略,并设计了基于遗传算法的求解方法.通过一系列测试问题和某实际汽车总装生产线平衡问题,验证了所提方法的可行性和有效性.     

面向订单的混流装配线多目标调度研究

针对面向订单的混流装配线车间组装过程中出现堆叠的问题,对该类生产线特点进行了分析,提出了一种理论调度优化模型及其算法.建立了以车间交货时间的准时度和组件完工的同时度为目标函数的车间多目标调度优化模型;对粒子群算法进行了改进,设计了基于吸引子与自然选择的社会粒子群算法来求解多目标优化模型;研究了粒子群的信息描述方法,提出...     

基于混合离散蝙蝠算法的跨工序协同调度问题

针对跨工序的生产与配送协同调度问题,构建了前工序单机批加工、后工序多产线逐订单加工,且工序之间采用自动引导车循环配送的协同调度模型。以最小化最大完工时间和后工序前的在制品等待时间为调度目标,设计了融合模拟退火算法与解串算法的混合离散蝙蝠算法,与改进的离散粒子群算法和Ullrich遗传算法相比,该算法能很好地减少后工序产线前的队列等待时间,缩短产品的生产周期。     

基于混合差分进化算法的并行机批处理调度问题研究

考虑到实际生产中产品多、批量小的特点,建立了一种带工艺约束的并行机批处理调度优化模型。为解决调度中的分批问题,提出了一种新的基于产品需求量的批量划分方案及批量染色体编码方式,采用两级差分进化算法来解决批量划分和批次调度问题;针对标准差分进化算法收敛速度慢、易出现早熟现象等问题,引入动态随机搜索和随机变异的局部搜索策略,以增强标准差分进化算法的局部搜索能力。测试算例及调度实例的仿真结果表明,该算法能有效地提高算法收敛速度,平衡其全局搜索和局部探索能力。     

多目标批量生产柔性作业车间优化调度

研究批量生产中以生产周期、最大提前/最大拖后时间、生产成本以及设备利用率指标(机床总负荷和机床最大负荷)为调度目标的柔性作业车间优化调度问题。提出批量生产优化调度策略,建立多目标优化调度模型,结合多种群粒子群搜索与遗传算法的优点提出具有倾向性粒子群搜索的多种群混合算法,以提高搜索效率和搜索质量。仿真结果表明,该模型及算法较目前国内外现有方法更为有效和合理。最后,从现实生产实际出发给出多目标批量生产柔性调度算例,结果可行,可对生产实践起到一定的指导作用。     

加工装配式流水车间节能调度建模与优化

为解决具有加工装配一体化的流水车间节能调度问题,以加工机器最小能耗为优化目标,建立加工装配式流水车间节能调度模型。该模型将装配线视为具有特殊约束的加工生产线,再结合考虑车间工件工序、装配工序、装配子件加工等约束条件。分别针对简单和复杂装配约束的问题,采用混合差分进化算法求解最小能耗下工件调度方案,并与自适应差分算法对比。实验结果证明了混合差分进化算法求解该问题的有效性。     

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。     

基于混合粒子群算法具有交货期瓶颈的作业车间调度问题

为了解决一类具有交货期瓶颈的作业车间调度问题,给出了基于订单优势的交货期满意度和交货期瓶颈资源确定方法,以工件拖期加权和最小为优化目标,建立了基于交货期满意度和瓶颈资源约束的作业车间调度模型;为了求解该调度模型,设计了一种基于模拟退火的混合粒子群算法,该算法采用随机工序表达方式进行编码,并在模拟退火算法中引入变温度参数来提高算法效率。通过随机仿真,分别采用PSO-SA、SA和PSO对所建立的调度模型进行求解,结果显示PSO-SA算法的广泛性好、求解效率高且算法的稳定性好,验证了模型和算法的有效性。     

基于改进粒子群算法的车间作业排序的优化设计

兼顾车间作业排序中的制造周期和机器利用率,建立了以最小化最大完工时间为主目标、以最大化机器利用率为从目标的优化模型。设计了引入自适应技术的惯性权重,使基本粒子群算法的学习因子可动态变化地改进粒子群算法,并用该改进后的算法对车间作业排序进行了优化设计。实例研究表明：改进后的粒子群算法在收敛速度和收敛可靠性上均优于未改进的粒子群算法,在求解车间作业排序问题的应用中具有更高的求解质量。     

基于粒子群算法的并行多机调度问题研究

将港口拖轮作业调度问题描述为一类带特殊工艺约束的并行多机调度问题,采用粒子群算法求解该类调度问题,提出了一种2维粒子表示方法,通过对粒子位置向量进行排序生成有效调度,并采用粒子位置向量多次交换的局部搜索方法来提高算法的搜索效率。最后,通过计算验证了混合粒子群算法的有效性。     

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。     

不确定信息条件下Job-shop调度的混合智能算法

目前大多数生产调度的研究往往聚焦于经典调度问题的优化算法而忽略了车间中大量存在的不确定性，因而难以应用于实际车间调度。采用随机变量来描述真实车间中存在的一些不确定信息，在基于不确定规划理论的基础上建立了相应的不确定性调度模型，并研究了解决此类问题的混合智能算法。开发了混合智能优化原型系统，并结合仿真工具对该调度模型和混合智能算法进行了验证。