含局部流水的柔性作业车间调度研究

针对含有局部流水生产的柔性作业车间生产调度问题,首先在柔性作业车间调度问题的基础上建立调度模型,然后提出一种基于模拟退火法的调度算法,同时对加工路径和加工顺序进行优化,并实现最小化完工时间的调度目标。最后通过实例进行仿真,结果表明了算法的可行性和有效性。     

改进遗传算法求解低碳约束的柔性车间调度问题

考虑了实际生产的碳排放问题,提出低碳排放约束下的柔性作业车间调度问题,以最大完工时间最小和碳排放最小为目标。采用改进的遗传算法求解低碳约束下的柔性作业车间调度问题,采用分步求解,先以最大完工时间最小进行调度方案的优化,再以碳排放指标进行调度方案的选取。在低碳约束下,同时考虑机器加工运转和空闲运转,设计不同机器间的碳排放模型。通过使用改进的遗传算法求解仿真案例得到不同的调度方案,根据预设碳排放模型比较分析得出调度方案的优劣。最后通过对企业生产实例的计算,并对不同调度方案进行总碳排放的对比,验证所建立的碳排放模型的有效性。     

基于改进NSGA-II算法的高维多目标柔性冲压车间生产调度优化

为了优化柔性冲压车间的生产调度、减少车间的生产能耗、实现绿色可持续发展，以车间总能耗、最大完工时间、总拖期、设备总负载最小为目标，建立了高维多目标柔性车间调度模型。提出改进的二代非支配排序遗传算法NSGA-II,该算法优化了局部搜索操作、精英选择策略、交叉和变异概率。根据柔性冲压车间的生产实例，利用传统和改进的NSGA-II算法分别对4个目标函数进行求解，并对各目标的优化迭代过程进行对比，验证了改进算法的有效性。同时，采用优劣解距离法选取一个调度方案，与基于传统NSGA-II算法求出的生产调度方案相比，改进算法得出的调度方案的车间总能耗降低了22.1%、最大完工时间缩短了14.8%、设备总负载减少了11.6%。     

基于自适应NSGA-Ⅱ算法的柔性车间多目标生产调度

针对大型军工电子装备企业的组件制造生产调度问题,建立了以最小化最大完工时间、生产成本和最大设备负荷为目标的柔性车间生产调度模型。依据柔性车间多目标调度问题的特点,提出了一种改进的自适应NSGA-Ⅱ算法,在遗传算法的不同阶段动态的调整交叉和变异的概率,提高了算法的计算效率。同时,为了提高种群多样性、避免非法解产生和最优解丢失,该算法对工序和设备进行独立的交叉和变异操作,并采用独立于种群的精英保留策略。最后通过实例验证了算法的有效性,相较于初始输入的最大完工时间、生产成本和设备负荷分别减少了34.97%、9.80%和31.63%。     

云制造模式下基于变邻域动态烟花算法的柔性车间调度

针对云制造模式下多目标柔性车间调度问题,考虑柔性车间零件加工的优化及云任务与自生产任务的协同调度,建立了以最大完工时间最小、机器利用率最大、碳排放量最小为最优指标的多目标柔性车间调度模型。在无需预先生成工件的加工路线的前提下,提出了一种基于变邻域搜索的动态烟花算法。通过变邻域搜索有效提高局部最优解的精度。引入进化速度的概念,利用进化速度计算算法迭代过程中需要更新的维度,实时调整相关参数,加速算法收敛,避免陷入局部最优。最后,通过对比仿真验证模型和算法的有效性和鲁棒性。     

基于强繁殖NSGA-Ⅱ算法的柔性车间调度多目标优化

为了实现减少车间完工时间、机器总负荷和车间能耗等优化目标,提出了基于强繁殖NSGA-Ⅱ算法的柔性车间调度优化方法。对柔性车间调度问题进行了描述,建立了车间调度的多目标优化模型,给出了调度问题编码和甘特图解码方法。以NSGA-Ⅱ算法为基础,根据繁殖能力的不同将染色体分为强繁殖子群和普通子群,两个子群根据自身特点使用不同的遗传操作,从而给出了强繁殖NSGA-Ⅱ算法。将强繁殖NSGA-Ⅱ算法应用于柔性车间调度优化,改进算法求解的Pareto解集分布优于传统NSGA-Ⅱ算法;选择一个折中解进行验证,强繁殖NSGA-Ⅱ算法解的甘特图完工时间、机器总负荷、车间能耗均小于传统NSGA-Ⅱ算法解的参数,验证了NSGA-Ⅱ算法在柔性车间调度多目标优化中的优越性。     

混合NSGA-Ⅱ算法求解多目标柔性作业车间调度问题

针对柔性作业车间调度问题(Flexible job scheduling problem,FJSP),以最大完工时间、提前/拖期惩罚函数、生产总成本为优化目标,提出了一种融合NSGA-Ⅱ与模拟退火算法的混合算法来求解多目标柔性作业车间调度问题。个体编码方式采取工序与对应机器的双层编码表达方式;在选择过程中采用更加有效的模拟二进制交叉与模拟退火相结合的方法,来保持种群的多样性,使得进化更加完全;使用非支配排序规则获取种群中个体间的支配关系,得到问题的Pareto解集。通过文献中的仿真实例,验证了算法的优越性。     

考虑机器故障的柔性作业车间动态调度

针对生产过程中不确定性机器故障使初始调度方案可执行性降低的问题，提出了一种考虑机器故障概率的柔性作业车间重调度方法。采用事件和基于故障概率的周期混合驱动策略，综合使用多种重调度方式，引入最大完工时间偏差、工序开始时间累积偏差、工序机器变动量作为评价指标，借助结合变邻域搜索的改进遗传算法对调度方案进行求解。通过对处理后的柔性作业车间案例仿真分析，结果表明，相比于单一重调度方式该方法最优重调度方案在性能评价指标上有显著提升，验证了所提出重调度方法应对不同情况下机器故障扰动的优越性。     

基于熵增强混沌遗传算法的柔性作业车间调度

为使企业获得最优综合调度质量的车间调度方案,研究了多目标柔性作业车间调度数学模型及其求解算法,建立了基于最大完工时间、最大机器负荷差、机器总负荷和调度复杂度4个调度质量指标的多目标柔性作业车间调度问题模型(MFJSP),提出熵增强混沌遗传算法(ECGA)求解该模型,应用伯努利混沌映射公式改进算法选择操作,用高斯云模型改进变异算子和交叉算子,提高算法的全局寻优能力和搜索效率。根据计算的交叉概率和变异概率执行切牌式交叉操作和两基因片段式变异操作提高种群基因的多样性。以M8J12P3调度问题为例验证了MFJSP模型和ECGA算法的有效性。结果表明,与SGA、PSO和ABC相比,ECGA具有更快的收敛速度和更好的全局搜索能力,有助于企业提高生产效率和降低成本。     

可靠度区间维护与调度集成优化

针对柔性作业车间生产过程中的预防性维护方案难以有效预测设备故障造成的维护过量和不足等问题进行了研究.为了有效应对这种情况,提出了基于设备健康状态的可靠度区间维护与鲁棒性调度生产集成优化模型.以最小化最大完工时间最小和工序偏差度最小为优化目标,应用多目标遗传算法NRGA对模型求解,针对柔性作业车间特点采用四层编码方案.最...     

基于离散多元宇宙算法的柔性作业车间调度北大核心

针对柔性作业车间调度问题计算复杂度高,求解困难的难题,提出了一种离散多元宇宙优化算法。首先,建立起以最大完工时间为目标的柔性作业车间调度模型,使用两段式整数编码和贪婪插入解码建立算法与调度问题之间的联系;其次,设计宇宙种群初始化方法,以确保初始调度解的质量和多样性;然后,在基本多元宇宙算法的基础上,设计新的白洞选择,黑洞白洞传输和向最优宇宙移动机制,提高了算法求解柔性作业车间调度问题的性能。通过基准算例与其他智能算法比较,实验表明,所提算法可以有效的求解柔性作业车间调度问题。     

改进粒子群算法求解生产计划与柔性作业车间调度集成问题

为解决机加工企业制定的生产计划与车间调度方案不兼容的问题,建立以最小化最大完工时间、最小化加工成本为目标函数的生产计划与柔性作业车间调度集成模型。提出一种改进粒子群算法（IPSO）作为全局优化算法,在传统粒子群优化算法（PSO）的基础上,引入遗传算子交叉的方式改进群体进化,同时设计随机性的边界变异,提高种群多样性,避免局部最优,学习因子及惯性权重采用幂函数动态变化,增强其搜索能力,更快收敛。最后通过生产实例,验证了IPSO在解决生产计划与车间调度集成问题上的可行性。同时将PSO、灰狼优化算法（GWO）和遗传算法（GA）作为对比算法,在15个Brandimarte基本算例上开展实验,得到的结果均优于其他算法,证明了IPSO求解柔性作业车间调度问题时的有效性和优越性。     

改进GWO算法求解柔性作业车间调度问题

针对以最小化最大完工时间为目标的柔性作业车间调度问题,设计一种改进的邻域搜索灰狼算法。设计一种适于灰狼算法的基于工序和机器的双层编码方案,改进种群初始化策略、灰狼变异操作以及种群更新机制;通过两点交叉操作、插入操作以及PR操作,得到GWO算法的全局搜索邻域,提出设计禁忌搜索邻域以增强GWO算法的局部开发能力。最后将所提算法在已知算例上进行仿真实验,并与其他算法进行对比。实验结果验证了改进GWO算法具有一定的优越性。     

遗传算法求解低碳柔性车间生产调度问题

低碳生产方式已成为当前各国所认可的生产方式,是可持续发展的必然要求。从满足最大完工时间最小和生产碳排放量最小角度出发,构建低碳车间调度模型。使用改进的遗传算法对有低碳需求的车间生产方式进行求解,在求解过程中对初始解生成机制和遗传算子进行改进,提高算法收敛速度。实验结果证明提出的改进遗传算法在求解车间低碳生产调度中是可行的。     

基于pareto方法的多目标柔性车间调度问题的研究（英文）

多目标柔性车间调度问题一直是一个学术的难题,关于并行机的问题更是很少讨论。建立了基于并行机的多目标柔性车间调度的数学模型,目标函数为最小化最大完工时间和加工成本。与以往智能优化算法不一样的是,提出了一种基于pareto的简单优化算法。该算法主要包括两个模块:加工顺序模块和机器选择模块,其中机器选择模块采用了基于pareto优化算法。最后,数字实验表明了该算法的正确性和有效性。     

基于pareto方法的多目标柔性车间调度问题的研究

多目标柔性车间调度问题一直是一个学术的难题,关于并行机的问题更是很少讨论.建立了基于并行机的多目标柔性车间调度的数学模型,目标函数为最小化最大完工时间和加工成本.与以往智能优化算法不一样的是,提出了一种基于pareto的简单优化算法.该算法主要包括两个模块:加工顺序模块和机器选择模块,其中机器选择模块采用了基于pare-to优化算法.最后,数字实验表明了该算法的正确性和有效性.     

基于混合遗传算法的多目标柔性作业车间调度问题研究

针对柔性作业车间调度问题,提出一种改进的遗传算法,该算法考虑车间生产实际,使交货期短、成本降低、生产效率提高、资源利用率提高等建立多目标优化模型。对传统遗传算法进行一系列改进,在遗传算法的基础上,改进编码方式和遗传算子,结合精英保留策略和小生境技术,使算法的收敛性和多样性进一步优化,采用权重系数变化法计算染色体的适应度。仿真分析表明,提出改进后的混合遗传算法能有效解决柔性作业车间多目标调度优化问题。     

基于混合遗传算法的车间动态调度研究

针对扰动事件影响下的车间调度问题,基于事件驱动策略和滚动窗口技术,综合考虑完工时间与交货期,建立了作业车间动态调度模型。为了求解该模型,设计出模拟退火遗传算法,对算法的编码解码、遗传算子等方面进行改造。通过仿真得到初始调度方案,然后在此基础上,采用动态调度策略对交货期提前、机器故障、部件残品扰动事件进行了研究。通过对某公司产品进行实例验证,结果表明上述研究能够得到满意的调度方案。此模型和算法是可行且有效的,可以较好地应用到企业实际生产中。     

面向节能的冲压车间调度优化方法

合理的车间调度是降低制造业生产能耗的有效策略之一。结合冲压车间生产特性,分析了冲压车间中冲压件加工过程的能耗,以完工时间最小和车间总能耗最低为目标,建立了面向冲压车间的优化调度模型,在模型中考虑冲压件的批量以及运输能耗。采用遗传模拟退火算法对模型进行求解,并对4种批量冲压件的加工进行了实例分析。结果显示:采用优化调度方案与传统调度方案相比,在完工时间增加了2.56%的基础上,车间总能耗降低了5.25%,平衡了完工时间与总能耗;同时,考虑运输能耗的调度将有助于决策者选择更加节能的调度方案。研究结果验证了所建立模型的可行性及有效性。     

基于改进人工蜂群算法的柔性作业车间调度

针对柔性作业车间调度(Flexible Job Shop Scheduling)问题,建立了以最小化最大完工时间为目标的数学模型,提出了一种改进的人工蜂群算法.采用随机选择和按规则选择相结合的方法产生优质初始解,针对雇佣蜂搜索过程,提出了改进的IPOX交叉方法,在继承父代优秀个体的同时,又能平衡算法的开发和探索能力;在...