双资源约束的航天结构件车间生产调度方法

针对航天结构件生产调度过程中工序加工时间随操作人员能力级别而变化,关重件和关键工序特定设备和人员要求约束等问题,构建综合考虑关键设备和人员双资源约束的柔性车间作业调度数学模型,解决航天结构件生产设备资源维、人员资源维、工序信息维的描述。为实现双资源约束下的柔性调度,提出嵌套式蚁群-遗传混合算法,针对结构件加工工序设备和人员双资源选择问题,建立资源选择问题与蚁群并行搜索的映射关系,设计蚁群算法实现资源选择;为提高算法搜索性能,利用遗传算法求解当前蚂蚁资源选择下的调度问题,在避免人员资源使用冲突前提下实现设备加工工序的优化排序,使得关键设备利用率最大,总完工时间最短,并通过综合考虑蚁群和遗传算法阶段的求解目标进行蚁群算法信息素的更新,大大提高算法获得较优解的性能。最后,通过航天结构件车间实际案例进行算法测试,测试结果表明,嵌套式蚁群-遗传混合算法能有效地求解双资源约束的航天结构件车间生产调度问题,可降低资源总负荷,提高关键设备利用率,避免人员资源冲突,具有良好的综合调度性能。     

基于分布估计—蚁群混合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,对其优化方法进行了研究,建立了多目标柔性作业车间调度问题的函数模型,提出了分布估计—蚁群混合算法。该算法首先采用分布估计算法快速得到了全局较优解,然后通过选择部分较优解对蚁群算法信息素初始化进行了改进,最后利用蚁群算法正反馈机制快速寻找到了全局最优解;在改进的分布估计算法中,结合了多种方法进行机器选择和工序排序的初始化,给出了相应概率模型和种群更新方式;在改进的蚁群算法中,通过建立两个路径节点集合进行了状态转移规则的描述,并对信息素更新机制进行了分阶段局部更新和全局更新,有利于蚁群算法快速收敛到全局最优解;通过两个柔性作业车间调度实例进行了仿真分析以及和其他算法的对比。研究结果表明:分布估计—蚁群混合算法在求解柔性作业车间调度问题具有较好优化效果和高效求解能力。     

应用混合蚁群算法求解模糊作业车间调度问题

为解决蚁群算法求解时间过长和易陷入局部最优的问题,提出了一种求解模糊作业车间调度问题的混合算法,该算法将蚁群算法用于全局搜索.为了提高搜索效率,根据作业车间调度问题解的特征,提出一种基于关键工序的邻域搜索方法,并使用此邻域搜索方法的禁忌搜索算法嵌入蚁群算法.利用禁忌搜索算法较强的局部搜索能力,提高了蚁群算法的优化能力,改善了作业车间调度问题解的质量.实验结果验证了该混合搜索算法的有效性,其优化效果优于并行遗传算法和禁忌搜索算法.     

小生境蚁群优化及其在JSSP中的应用研究

借鉴蚁群的并行、多样化寻优活动,提出蚁群基本调度规则。为了改进优化性能,提出小生境蚁群优化策略,从信息素分布的时变性、蚂蚁更新信息素策略和信息交流突变性方面改进了基本蚁群算法,提出将小生境蚁群优化调度规则(MACO SR)用于求解车间调度问题的方法。并在MACO SR的启发函数、更新路径等环节中加入蚂蚁等待时间要素。通过求解目标函数为最小化最大加工完成时间的车间调度问题,并与基本蚁群算法、蚁群基本调度规则进行比较,证明了小生境蚁群优化调度规则能获得相当好的优化结果,具有较好的寻优性能。     

[车间调度]并行多机开放车间调度问题的模型与算法

发光二极管制造过程中,晶粒分类拣选工序的调度问题是典型的并行多机开放车间调度问题,属于NP-hard问题。研究了该调度问题以最小化总加权完工时间为目标的求解模型与算法。根据问题特性构建了可获得最优解的混合整数规划模型,并设计了同时考虑质量与求解效率的启发式算法和改进粒子群优化算法。仿真结果显示,启发式算法和改进粒子群优化算法都能在合理的时间内迅速有效地获得较佳的调度解。     

并行多机开放车间调度问题的模型与算法

发光二极管制造过程中,晶粒分类拣选工序的调度问题是典型的并行多机开放车间调度问题,属于NP-hard问题。研究了该调度问题以最小化总加权完工时间为目标的求解模型与算法。根据问题特性构建了可获得最优解的混合整数规划模型,并设计了同时考虑质量与求解效率的启发式算法和改进粒子群优化算法。仿真结果显示,启发式算法和改进粒子群优化算法都能在合理的时间内迅速有效地获得较佳的调度解。     

一种基于时间窗的多阶段混合流水车间调度方法

考虑同时包含单处理机和批处理机的多阶段混合流水车间调度问题,设计一种基于时间窗的蚁群算法,以最小化最大完工时间为优化目标。在解决整体调度问题的过程中,通过蚁群算法实现工序分派、排序、组批三个阶段的协同优化调度;另外在工件组批阶段加入时间窗策略,利用前瞻性算法动态构建组批方案,通过分析批处理机的时空关系设计合理的组批时间窗,以获得较高的机器利用率。试验结果表明,与无时间窗的蚁群算法相比,时间窗策略在确保最小化最大完工时间的同时,提高了批处理机的利用率;与CPLEX相比,基于时间窗的蚁群算法在最大完工时间和计算效率方面均有较大优势。蚁群算法与时间窗的结合兼顾了多个阶段多种机型的生产特点,适用于解决多阶段混合流水车间的调度问题。     

一种求解资源受限多项目调度问题的分解算法

针对资源受限多项目调度的多目标优化问题,采用约束逐层分解策略,提出了依次处理项目时序约束和资源约束的两阶段分解算法.第一阶段为时序约束优化阶段,采用蚁群算法进行任务列表的优化求解.通过改进信息素增量规则并采用并联进度生成机制,提高蚁群算法的求解效率和质量.其中,在构建任务合成链表的过程中遇到并联活动抢夺资源情形,采用基于熵权的逼近理想解排序法和基于有序加权平均算子的多属性决策方法来确定活动的综合权重,并依据权重对冲突活动进行排序,实现资源的冲突消解.第二阶段为资源约束优化阶段,以获得的优化任务合成链表为输入,逐项进行资源能力约束的核查与调整,最终生成项目调度的优化方案.通过多项目算例仿真结果验证了所提方法的有效性.     

具有交货期约束的并行多机车间调度研究

针对有不同交货期约束的车间调度问题进行分析,提出一种求解并行多机车间调度问题的蚁群优化算法。利用改进后的有向无环图(DAG)来表达任务之间拓扑顺序,人工蚂蚁在该图中遍历可以得到任务的拓扑序。此算法包括订单任务列表的优化和机床分配策略的优化,衍生出两种概率公式的设计和两种信息素;并利用启发式信息保证截止时间最早的任务优先调度。最后将该方法应用于ABS阀体制造过程中,证实了该方法的有效性和可靠性。     

求解多目标作业车间调度问题的双种群遗传算法

针对多目标作业车间调度问题,提出一种将正逆序调度方法与生成调度活动的遗传算法相结合的双种群遗传算法.该算法利用活动调度缩减解空间,提出采用正、逆序遗传调度算法分别在不同种群优化不同目标函数,将多目标问题分解成多个单目标问题.在进化过程中,通过个体迁移算子加快多个目标的并行搜索,并提出了一种构造Pareto解集的精英锦标赛法则.通过基于Benchmark算例的仿真实验,验证了该算法求解多目标作业车间调度问题的有效性.