批量投放与交付的柔性动态Job Shop调度问题及其调度仿真研究

基于汽车零部件生产企业制造系统,提出一种工件批量投放与交付的柔性动态Job shop调度问题,工件以批量方式动态陆续投放,整批交付,车间中具有多种类型的机器集合,以批工件总拖期及拖期批工件百分比作为调度目标。由于问题属于强NP困难问题,采用离散事件动态系统仿真方法对问题进行了仿真调度试验研究。提出问题的离散事件仿真建模中批工件投放时间与交货期的设置方法,设计6个新的调度规则,与选择的文献中所提出的9个调度规则一并纳入仿真调度试验。对仿真调度进行试验设计,采用单因素方差分析和验后比较对试验结果进行统计处理,并详细分析15个调度规则对所提调度问题的求解性能。结果表明,所提出的EMDD.b (Equivalent modified earliest due date for batch)规则在各种试验参数配置下均表现出最优的性能,所提出的其他一些新规则在两个调度目标(或某个调度目标)下也表现出较好性能。     

人机交互的Job Shop车间动态调度方法

指出对于离散事件的Job shop调度,采用人机交互与仿真相结合的方法,简单易行。描述调度过程中人的行为模型,建立一种人机交互的生产调度系统框架结构。探讨适用于该框架结构的动态调度机制。     

考虑工序相关性的Job Shop调度问题及其析取图模型

提出了一类考虑工序相关性的Job Shop调度问题,对工序相关性从代数描述、甘特图表示和类型转换等方面进行了较为系统的数学描述;进一步提出在经典的车间作业计划析取图模型中,通过加入相关弧以表示工序的相关性。具体叙述了相关弧的添加方法及考虑工序相关性的 Job Shop调度问题的析取图建模方法,并对一实例进行了建模。     

考虑刀具流的Job Shop动态调度的研究

在基于虚拟工序队列技术的基础上,从工件流和刀具流的辩证关系出发,建立了二者的调度模型,提出了一种新的决策点确定方法,给出了刀具外借量最小规则,解决了动态调度中何时选择以及如何选择工件等关键问题,取得了较好的系统性能。     

考虑工序相关性的Job Shop调度问题及其析取图模型

提出了一类考虑工序相关性的Job Shop调度问题，对工序相关性从代数描述、甘特图表示和类型转换等方面进行了较为系统的数学描述；进一步提出在经典的车间作业计划析取图模型中，通过加入相关弧以表示工序的相关性。具体叙述了相关弧的添加方法及考虑工序相关性的Job Shop调度问题的析取图建模方法，并对一实例进行了建模。     

求解随机Job Shop调度问题的混合分布估计算法

提出一种混合分布估计算法用于求解具有随机工时的Job shop调度问题。建立随机Job shop调度问题(Stochastic Job shop scheduling problem, SJSSP)数学模型并给出随机期望值模型的评价方法。为提高种群多样性,将(μ+λ)-进化策略(Evolutionary strategy, ES)的重组、变异过程引入分布估计算法(Estimation of distribution algorithm, EDA),构造一种混合分布估计算法,ES-EDA。根据所采用的基于工序的编码方式,对父代工序继承率的概念进行了定义,并为重组过程设计基于父代工序继承率的个体重组方法,该方法不仅能使子代有效继承父代的优良特征,同时可避免非法解的产生。在标准算例FT06、FT10、FT20的基础上构造加工时间随机的3组算例,并选择文献中的5种算法作为混合分布估计算法的对比算法,仿真试验结果表明混合分布估计算法在优化性能方面具有明显优势。     

求解Job Shop问题的一种免疫模拟退火算法

针对以最小化加权拖期和为优化目标的Job Shop调度问题,提出了一种基于瓶颈工件识别的免疫模拟退火算法。为描述各工件对最终调度性能影响的关键程度,定义了工件瓶颈特征量并提出基于人工调度经验的模糊推理系统以计算该特征量值。根据瓶颈工件需优先调度这一思路设计了一种有效利用工件瓶颈特征信息的免疫机制。在模拟退火过程中引入该免疫算法,并进行了大量数值计算实验。对不同规模问题的计算实例表明,该算法能够加快优化过程的收敛速度,取得较好的优化结果。     

Job-Shop调度问题的Chance-Makespan方法

提出的算法考虑了固定的完工时间及可能发生的完工时间,且其评价函数是用来推论出更多的平行加工及更少的中断,并证明了为缩短完工时间而调整加工顺序的一个有效的步骤。Chance—Makespan算法建立了一个可行域的加工路线顺序,评估了在这个域内加工可能的剩余加工时间的任务,并提出具有调整性的迭代计算规则的方法。     

调整时间与工序顺序相关的Job Shop调度优化方法研究

以多目标多约束Job Shop调度问题为背景，考虑工序调整、作业相似性等特点，利用成组技术和人工智能树，提出了与工序排序有关的调整时间描述方法及其调度规则，给出了此问题的混合整数规划模型，并构造了基于生物免疫机理的调度算法以提高求解此类问题的效果。介绍了保证抗体的多样性和有效性的基于自然数的抗体编码方法和基于抗体浓度的抗体激增和抑制策略。用毛纺后整理车间的一个调度实例和La31案例证明了免疫算法用于求解复杂生产调度问题的速度和效果。     

Job Shop调度中重调度问题研究

描述重调度问题的框架,介绍重调环境、重调度策略和重调度方法,闸述车间重调度研究的重要性.     

考虑工序相关性的动态Job shop调度问题启发式算法

提出一类考虑工序相关性的、工件批量到达的动态Job shop 调度问题,在对工序相关性进行了定义和数学描述的基础上,进一步建立了动态Job shop 调度问题的优化模型。设计了一种组合式调度规则RAN(FCFS,ODD),并提出了基于规则的启发式算法以及该类动态Job shop 调度问题的算例生成方法。为验证算法和比较评估调度规则的性能,对算例采用文献提出的7种调度规则和RAN(FCFS,ODD)进行了仿真调度,对调度结果的分析表明了算法的有效性和RAN(FCFS,ODD)调度规则求解所提出的动态Job Shop 调度问题的优越性能。     

双资源约束的鲁棒Job Shop调度问题研究

针对机器-工人双资源约束下加工时间具有随机性的Job shop调度问题(Job shop scheduling problems,JSSP),考虑工人熟练程度差异和工人数量不足的约束,采用鲁棒调度的方法建立机器-工人双资源约束的鲁棒Job shop调度模型(Dual-resource constrained robust JSSP,DR-RJSSP).鉴于DR-RJSSP同时考虑工人合理指派和双目标优化,提出机器-工人两阶段指派方法,在主动降低加工时间随机扰动的同时最小化工人约束对调度性能的影响.其次,提出多目标混合分布估计算法求解DR-RJSSP,以得到兼顾调度性能和鲁棒性的Pareto解集.最后,采用8组仿真算例将所提出的兼顾工人熟练程度和负载均衡的指派策略与基于熟练程度的指派策略和随机指派策略进行对比,验证了所提指派策略的Pareto优化性能.此外,通过对制造企业调度案例的仿真分析,验证了基于两阶段指派策略的MO-HEDA求解DR-RJSSP的有效性.     

基于TOC理论的大规模作业车间调度问题研究

针对大规模Job Shop调度问题,提出了一种基于TOC(theory of constraints)的免疫遗传算法。该算法依据TOC理论中瓶颈机约束生产系统性能的思想,利用瓶颈机器的特性,在染色体编码及遗传操作过程中,对瓶颈机与非瓶颈机采用不同的处理方式,以使瓶颈工序得到最优化调度。而非瓶颈工序在满足瓶颈工序的调度方案的基础上进行快速调度,降低大规模作业车间调度问题的复杂度,提高算法的求解效率。为提高算法求解质量,克服遗传算法的随机性及迭代退化问题,将TOC理论中的瓶颈机器拓展至瓶颈工件,提出候选瓶颈工件集及瓶颈工件的定义。通过对瓶颈机接种"瓶颈工件邻域对换"免疫算子,充分利用种群中个体的特征信息,辅助遗传算法的优化过程。仿真结果表明:瓶颈特征的应用以及免疫算子的融入是有效的,免疫遗传算法可以在较短的时间内求得令人满意的解。     

面向IC生产模式的Job Shop调度问题的研究

针对即时定制生产模式的车间调度的特点,提出基于粒子群算法(PSO)的车间调度问题的解决方案.利用粒子群算法本身的优越性解决复杂的车间作业排序问题,克服了传统调度算法存在寻优效率低或全局寻优能力差的弱点.对粒子群的编码及寻优操作进行研究,确定了更适合车间调度问题的编码和操作方式,并将算法进行编程,应用到系统的车间调度部分.仿真结果表明,通过设置适当的参数,可以快速地得到理想的排序结果,能够适用于IC生产模式的车间调度问题.     

基于多代理结构的Job Shop动态优化调度策略的研究

把基于多代理技术的Job Shop动态调度方法与基于规则的调度策略相结合,在提出的基于多代理的Job Shop动态调度系统结构的基础上,着重研究了,规则调度策略在各级Agent行为设计中的应用,提出了Agent之间竞争与协作方式及投标计算方法,并在实验系统中对仿真结果进行了分析,为解决车间零件加工动态调度问题提供了一种新的方法。     

基于置换Flow Shop调度问题的混合量子算法研究

安排合理有效的生产调度是生产活动能井然有序开展,生产资源得到最佳配置,运作过程简明流畅的有力保证。置换Flow Shop调度问题是流水车间的典型问题,同时也是NP-C难题。从问题出发,设计了由量子进化,最佳模式和其他优化技术所构成的混合量子算法(HQA)。HQA模仿量子行为迭代演化,将种群一分为二,种群1在量子作用和其他优化作用下,探索解空间。种群2保留最佳模式,提高了搜索的效率。经计算测试,验证了HQA在求解排序问题中的可行性,测试结果表明HQA具备了求解置换Flow Shop调度问题的能力。     

基于交货期和设备能力约束的作业车间调度方法研究

以往对作业车间调度问题的研究中,不少学者尝试添加新的约束条件使之更符合实际的生产情况。但对设备能力约束的考虑不够细致,往往简单地将设备能力视为常数或连续的能力空间。针对这种情况,本文建立了以交货期为指标并带有设备能力约束的作业车间调度模型,采用双向调度方法力求工件的完工时间和交货期尽量靠近,从而使惩罚成本最低。设计了利用时间坐标映射求解工序开／完工时间的方法,该方法消除了因设备能力不等造成的工作时间段间隔,最终通过遗传算法求得优化的调度方案。     

Job Shop调度问题自适应蚁群算法的研究

Job Shop问题是与实际生产相关的多约束组合优化问题,具有约束较多,计算量大的特点,一直以来是研究的热点.本文对利用自适应蚁群算法求解该问题进行了研究,并且进行了仿真试验,试验结果表明蚁群算法在求解类似Job Shop问题是非常有效的.     

基于SAP系统的面向Job Shop调度的混合遗传算法研究

通过构造一种新型的与启发式算法相结合的遗传算法,即充分利用启发式算法和遗传算法的优点来解决离散生产类型车间调度问题.并通过某一车间调度应用项目,验证该算法的可性行.     

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。