知识化制造环境下航空发动机装配线调度及自重构

航空发动机装配工序数量多、工序间装配约束复杂. 当产品需求变化时, 人工调整存在响应速度慢、装配效率低等问题. 以最小化产品完工成本、工序提前期惩罚成本及班组重构成本加权和为目标, 建立了航空发动机装配线调度和装配班组自重构优化模型. 提出一种新的基于工序局部最优排序的分解算法, 将调度问题分解为单个装配组上工序顺序优化问题. 设计了一种工序后向插入搜索策略. 最后提出装配线调度及自重构集成优化算法. 通过数值试验,验证了模型与算法的有效性.     

混合EDA求解三阶段异构并行机装配集成调度问题

本文提出一种混合分布估计算法（hybrid estimation of distribution algorithm，HEDA）用于求解带载重约束的三阶段异构并行机集成调度问题（three-stage heterogeneous parallel machine integrated scheduling problem with capacitated constraint，THPMISP_CC），第一阶段为加工阶段，即带释放时间的多工序异构并行机调度问题；第二阶段为带载重约束的运输阶段，即多维背包优化调度问题；第三阶段为装配阶段.本文研究工件从加工、运输到装配三阶段的集成调度优化问题.首先，本文构建了THPMISP_CC的数学模型，其优化目标为三阶段整体最大完工时间（Makespan）；然后，提出的HEDA用于优化THPMISP_CC；最后，对算法运用于THPMISP_CC模型的结果进行分析和比较，验证模型的可行性及算法的有效性.     

多目标等量分批柔性作业车间调度集成优化方法

针对多目标等量分批柔性作业车间调度问题,提出了一种集成优化方法。构建了一种以完工时间最短、生产成本最低为优化目标的多目标等量分批柔性调度集成优化模型。提出并设计了一种改进的非支配排序遗传算法对模型加以求解。算法中引入面向对象技术处理复杂的实体逻辑关系,采用三段式分段编码技术分别对分批方案、加工顺序、设备进行编码,采用三段式分段交叉和变异的混合遗传算子实现遗传进化,采用两种精细化调度技术进行解码以缩短流程时间。通过案例分析验证了所提方法的有效性。     

运输能力有限的分段两阶段多车间调度问题

为有效解决船舶分段生产过程中存在的返工、运输能力限制以及堆场面积约束等问题,分析两阶段多车间调度的特点,构建了运输能力有限的分段两阶段多车间调度模型。模型综合考虑了分段批次内重调度、批次间的分割合并、分段返工以及缓冲面积和运输能力约束,目标是最小化分段的最大完工时间,建立分段在加工车间、装配车间以及堆场中的调度数学模型。利用基于路径选择的分段两阶段多车间调度启发式算法进行求解,并通过数值实验以及对比分析验证了模型的合理性和算法的有效性。     

基于遗传算法的多工序多机器调度优化研究

随着人民生活质量的提高,消费者对定制化生产提出了更高的要求,此外,在新的经济环境下,降本增效对于提升制造企业的发展能力具有重要的意义,基于此,本文提出了基于遗传算法的多工序多机器调度优化研究。首先,设计了基于完工时间最小化的多工序多机器加工约束的生产调度优化模型;其次,采用遗传算法设计了求解上述生产调度优化模型的算法;最后,通过案例验证了本文构建的优化模型及设计的优化算法,并绘制了以最小化完工时间为优化目标的生产调度甘特图。研究结果表明,本文构建的模型及设计的算法具有一定的实用性,可指导企业制定较优的生产调度方案。     

基于遗传算法的某航空发动机装配车间优化调度

航空发动机装配车间装配生产线的调度问题,是一类比较典型的混合Flowshop问题,同时还带有工件可重人等特点,这就区别于一般的Flowshop和Jobshop调度问题,因此,将可重入混合车间调度问题划为第三类调度问题。关于重入式混合车间生产调度的优化问题通常来说都是属于NP难问题。文中通过某航空发动机装配车间生产线的研究,以最小化最大完工时间为目标函数,借助随机矩阵的编码方式和改进的交叉方法与变异方法,提出了基于遗传算法的调度优化方法。最后实验结果表明,文中提出的改进算法能够有效地实现装配车间调度的优化。     

混合交叉熵算法求解模糊分布式装配流水线低碳调度问题

本文针对实际生产过程中普遍存在的不确定性, 采用模糊数表示工件的加工时间与产品的装配时间, 以同时最小化模糊最大完工时间和模糊总能耗为优化目标, 建立模糊分布式装配流水线低碳调度问题(fuzzy distributed assembly permutation flow-shop low-carbon scheduling problem, FDAPFLSP)的模型, 进而提出一种混合交叉熵算法(hybrid cross-entropy algorithm, HCEA)进行求解. 首先, 通过分析现有三角模糊数排序准则特点, 并考虑生产调度问题的基本约束, 设计一种实用的三角模糊数排序修正准则. 其次, 为增强算法性能, 设计一种自适应变邻域局部搜索以实现对解空间不同区域的有效搜索. 最后, 仿真实验与算法对比验证HCEA可有效求解FDAPFLSP.     

考虑装卸的柔性作业车间双资源调度问题

针对“研产混线”中各类制造资源利用率低、非加工时间过长、调度难度大的问题,以生产中最紧缺的夹具资源为例,提出考虑装卸的柔性作业车间双资源调度问题.首先,以最小化完工时间和准结时间为目标建立该问题的数学优化模型;然后,设计快速非支配排序遗传算法对问题进行求解,根据问题特性综合考虑两个目标并设计降准解码算法,随机从交叉算子池和变异算子池中选择算子进行操作,根据非支配等级和拥挤度选择进入下一代的个体;最后,通过数值实验表明,针对考虑装卸的柔性作业车间双资源调度问题,所提出算法能够有效求解该问题,保证完工时间的同时降低准结时间.     

考虑多目标的柔性工艺与调度集成优化算法

针对工艺规划与车间调度集成优化问题,在考虑零件的加工工序柔性、工序次序柔性及加工机器柔性的基础上,以最大完工时间、总加工成本和总拖期时间为优化目标,对多目标柔性工艺与车间调度集成问题建模,提出一种基于改进人工蜂群算法的多目标柔性工艺与车间调度集成优化策略,并提出邻域变异操作以及全局交叉操作,对种群进行更新。引入Pareto方法,通过对适应度评价、贪婪准则、Pareto最优解集构造和保存以及解得多样性维护等方面进行改进,设计了一种基于Pareto方法的多目标人工蜂群算法。最后,通过采用基本人工蜂群算法及改进人工蜂群算法对六个工件、五台机床的柔性工艺与车间调度集成问题进行优化,验证了改进算法的有效性。     

面向多停泊基地的港口拖轮调度优化研究

拖轮调度是典型的多处理器任务调度问题,针对多停泊基地和不同作业模式下的拖轮调度,以最大完工时间和总作业油耗最小化为目标,建立了拖轮调度多目标优化模型。采用演化策略算法对多停泊基地拖轮调度优化问题进行计算,提出一种基于轮盘赌概率分配的编码和解码方法。计算结果表明了演化策略算法的有效性和可行性,优化后的最大完工时间最小值相比仿真运行结果取得较大的改善,不同作业模式下均减少了约16%;计算结果还表明不同作业模式对拖轮调度结果会产生较大影响。     

求解区间柔性作业车间调度的多目标进化算法

针对不确定多目标柔性作业车间调度问题,将工序加工时间采用区间数表示,以区间最大完工时间和区间机器总负荷为优化目标,构建多目标区间柔性作业车间调度模型,并设计一种多目标进化优化算法对该模型进行求解.算法采用混合策略生成初始化种群,并采用贪婪插入法对染色体进行解码,通过基于可能度的占优关系评价个体性能,将区间目标归一化结合拥挤距离反映优化解的分布情况.实验结果验证了所提出算法的有效性.     

相关工件车间调度问题的拓扑算法

针对加工装配型离散制造企业实际生产的特点,提出了一类用于表示工序之间偏序关系的相关工件车间调度问题。为了利用已有的求解表示工序之间的线序关系的传统车间调度算法求解相关工件车间调度问题,设计了一种拓扑算法,该算法能够将工序之间的偏序关系转化为线序关系,将相关工件车间调度问题转化为传统的车间调度问题,通过实证研究,结果表明了拓扑算法是可行和高效的。     

多AGV和机器集成的多目标柔性作业车间调度研究

为解决智能制造环境中具有多时间和多AGV约束的柔性作业车间调度问题,构建了以最小化最大完工时间、最小化总延期、最小化设备总负荷为目标的机器/AGV双约束多目标调度模型,模型中综合考虑加工时间、工件到达时间、交货期等多时间因素,进行了多AGV和机器集成调度。为求解该模型,设计了新的AGV调度规则和改进的NSGA-算法,算法中提出了基于工序的扩展染色体编码方式和基于AGV分配的贪婪式解码策略,同时设计了不同参数控制的多种群二元锦标赛选择和分段交叉变异策略以及基于Pareto级的去重精英保留策略,以促进个体协同优化搜索。通过实例实验,分析了不同AGV数量任务分配方案下的模型有效性,对4个案例的仿真测试和同类算法比较解也验证了改进NSGA-算法求解该模型的有效性。     

Multi-objective flexible job shop schedule: Design and evaluation by simulation modeling

Flexible job shop schedule is very important in both fields of combinatorial optimization and production management. In this paper, a simulation model is presented to solve the multi-objective flexible job shop scheduling problem. The proposed model has been coded by Matlab which is a special mathematical computation language. After modeling the pending problem, the model is validated by five representative instances based on practical data. The results obtained from the computational study have shown that the proposed approach is a feasible and effective approach for the multi-objective flexible job shop scheduling problem.     

Inventory based two-objective job shop scheduling model and its hybrid genetic algorithm

Job shop scheduling problem is a typical NP-hard problem. An inventory based two-objective job shop scheduling model was proposed in this paper, in which both the make-span (the total completion time) and the inventory capacity were as objectives and were optimized simultaneously. To solve the proposed model more effectively, some tailor made genetic operators were designed by making full use of the characteristics of the problem. Concretely, a new crossover operator based on the critical path was specifically designed. Furthermore, a local search operator was designed, which can improve the local search ability of GA greatly. Based on all these, a hybrid genetic algorithm was proposed. The computer simulations were made on a set of benchmark problems and the results demonstrated the effectiveness of the proposed algorithm.     

基于正态云模型的状态转移算法求解多目标柔性作业车间调度问题

为了求解具有多目标多约束的柔性作业车间调度问题,提出一种基于正态云模型的状态转移算法.构建以最小化最大完工时间、机器总负荷及瓶颈机器负荷为目标的多目标柔性作业车间调度问题的数学模型;针对灰熵关联度适应度分配策略在Pareto解比较序列与参考序列之间的差值相等时不能引导算法进化的情况,提出一种改进灰熵关联度的适应度值分配策略;同时引入兼具模糊性和随机性的云模型进化策略以改进状态转移算法,可有效避免算法早熟并增加候选解的多样性.仿真结果表明:基于正态云模型的状态转移算法能够有效解决多目标柔性作业车间调度问题;与其他算法相比,所提出算法求解问题的收敛精度更高、收敛速度更快.     

汽车装配车间生产计划与调度的同时优化方法

文中提出三种新方法来解决汽车装配车间生产计划与调度的同时优化问题.首先将汽 车装配线简化为一个Flow shop问题,并建立其混合整数规划模型,以求得使各装配工位的准 备成本和空闲时间尽可能少并尽可能满足产品需求的粗生产计划.然后在粗生产计划的基础上 考虑装配线的细节,用Tabu搜索法与快速调度仿真相结合的三种不同启发式算法使生产计划 与调度同时得到优化,并给出了三种算法的复杂性.大量算例的比较研究表明了这些算法的有 效性和适用性.     

An efficient search method for multi-objective flexible job shop scheduling problems

Flexible job shop scheduling is very important in both fields of production management and combinatorial optimization. Owing to the high computational complexity, it is quite difficult to achieve an optimal solution to this problem with traditional optimization approaches. Motivated by some empirical knowledge, we propose an efficient search method for the multi-objective flexible job shop scheduling problems in this paper. Through the work presented in this work, we hope to move a step closer to the ultimate vision of an automated system for generating optimal or near-optimal production schedules. The final experimental results have shown that the proposed algorithm is a feasible and effective approach for the multi-objective flexible job shop scheduling problems.     

面向能耗机制的多目标柔性作业车间调度*

针对面向绿色制造的车间调度问题,考虑能源消耗、最大完工时间、生产成本等调度目标,建立了多目标柔性作业车间调度问题模型,并提出一种改进离散蝙蝠算法来求解。针对这个模型的特点,为了有效地表达出工序与粒子种群之间的关系,提出一种整数编码策略。为了避免粒子早熟收敛、求解精度低等问题,设计了一种具有记忆能力的粒子变异操作。为了克服基本蝙蝠算法固定参数不足的缺点,重新调整惯性权重的值,提出一种线性递减的惯性权重策略。针对具体生产实例进行验证,实验数据表明,该改进算法在求解多目标柔性作业车间调度问题上具有良好的性能,是一种有效的调度算法。