基于虚拟零部件的零等待约束复杂产品综合调度算法

针对复杂产品实际生产中工序间存在零等待约束的综合调度问题,提出一种基于设计结构矩阵和遗传算法的综合调度算法。该算法在提出零等待虚拟零部件、非零等待虚拟零部件、叉点虚拟零部件以及子虚拟零部件等概念的基础上,设计一种更为有效的基于数字化虚拟零部件下三角设计结构矩阵的编码方式,不仅满足了复杂产品的加工装配顺序约束关系,而且体现了工序间存在的零等待约束;设计了能满足加工装配顺序约束的遗传算子,避免了不可行子代个体转化操作;提出一种满足零等待约束的解码方法,且能确保染色体经过解码后能够产生主动调度。与现有算法进行对比试验,结果表明所提出的调度算法对于存在零等待约束的复杂产品综合调度问题具有良好的求解速度和质量。     

基于工序约束链编码的遗传算法求解产品综合调度问题

针对产品综合调度优化问题,提出一种基于工序约束链编码的遗传算法。该算法设计的编码方法,不但能准确体现产品工艺树中的工序约束关系,而且不会强加新的约束,保证了初始解空间的可行性和完备性;同时避免了分区编码方法存在强加约束和遗漏解空间的问题。针对交叉、变异操作产生不可行解的问题,设计了一种基于邻接矩阵的修复方法。实验测试结果验证了所提算法的有效性。     

基于DNA遗传算法求解机床加工调度问题

研究了机床加工的多目标调度问题,提出一种基于DNA计算的混合遗传算法,结合Pareto非支配排序法来求解。为保证最优解集的多样性,采用四进制编码方式,将DNA序列分成中性和有害两部分,交叉操作只在中性部分进行;由动态变化的变异概率决定是否执行变异操作,并比较设计的算法与常规遗传算法获得的结果。试验结果表明,可以有效地解决机床加工中的多目标调度问题。     

多层级装配作业车间等量分批策略与调度算法

针对多层级装配作业车间中差异化零部件的加工装配进度协同极为困难的问题,通过零部件合理分批来提升车间的流动性,进行更灵活的进度协同并缩短生产周期,给出了此类车间最小化Makespan的分批调度模型;提出加工/装配阶段的分批策略,以及基于可行域搜索的改进型遗传算法,其初始种群生成及交叉变异考虑了批量变化带来的约束动态性,能够始终保证进化过程中染色体的合法性.通过实验验证了算法的基础性能,揭示了4种分批策略对不同产品结构的适应性,并验证了协同复杂性导向策略的效果.     

改进NSGA-Ⅱ算法求解考虑运输约束的柔性作业车间节能调度问题

传统柔性作业车间调度通常忽略工件在机器间的运输时间和能耗,针对该问题建立了考虑运输约束与节能的柔性作业车间调度模型,并提出了改进的NSGA-Ⅱ算法求解该模型。首先,在柔性作业车间调度数学模型中设立最大完工时间、总延期、设备总负载、车间总能耗4个目标,并根据运输约束实现了调度模型矩阵编码、解码、交叉与变异,基于子代向最优解学习机制改进NSGA-Ⅱ算法迭代过程中易陷入局部最优解问题。最后,在考虑车间机器之间运输约束的前提下结合Kacem、Brandimarte算例对调度模型进行可行性分析,结果表明该模型与算法求解效率高,能有效解决车间运输约束导致的调度方案与实际加工偏差问题。     

一种混合生产形态下的多订单调度遗传算法

针对混合生产形态下（既有加工也有装配）的多订单调度问题,提出一种新的遗传算法。该算法首先提出一种双层编码方法,可以有效解耦装配约束及记录订单权重信息,以指导后继遗传操作;新算法在种群初始化采用＂首基因＂规则以提高种群多样性,在交叉操作时设计基于订单的多父辈交叉算子,不仅能够保证子辈染色体更多地继承父辈的优秀信息,还不会出现不可行解;基于订单权重的变异算子可以在防止算法非成熟收敛的同时,尽量保证权重高的订单按时完成。通过数据仿真结果证明,该算法可有效求解混合生产形态下的多订单调度问题。     

考虑工件移动和成本的多目标柔性作业车间调度问题优化研究

针对考虑工件移动时间约束的柔性作业车间调度问题,构建了以加工总成本和最大加工时间最小为目标的数学模型并用改进遗传算法求解。针对柔性作业车间调度问题(FJSP)特性,算法中采用基于工序的集成编码操作,实现工序排序和机器匹配的内在关联并由此产生可行的调度方案;根据编码结构设计了有效的交叉和变异操作,从而避免了非法调度解的出现;为克服遗传算法的早熟收敛和减少调度开销,用贪婪解码算法生成主动调度、设计了自适应变异规则并采用混合子代产生模式提高染色体适应值。最后通过测试问题的求解及数值分析,证明了算法和模型的有效性及鲁棒性。     

MES柔性作业车间调度优化算法的研究

MES即制造企业生产过程执行系统,是一套面向制造企业车间执行层的生产信息化管理系统。针对MES生产调度模块的柔性作业车间调度问题,提出一种改进的多阶段优化调度算法。在算法的第一阶段借鉴了基于工序顺序与基于机器相结合的编码方式,提出了基于矩阵序列的分层式编码方式,在选择操作前设计一种基于第三层高位编码值的淘汰机制;第二阶段结合通过删减网络的神经元或连接来降低网络复杂度的思想,提出一种遗传算法与神经网络算法结合的小范围竞争择优策略,并在交叉操作中提出了双层交叉操作以及分层交叉操作;第三阶段在变异操作后增加一种基于相似度值提高种群多样性的方法。经过仿真实验证明了该算法的优良性。     

基于多色集合的改进遗传算法求解多品种柔性调度问题

为克服传统遗传算法求解调度问题所存在的早熟或收敛过慢等不足,提出基于多色集合理论的改进遗传算法.在编码、解码和变异过程中,通过搜索围道矩阵提高算法速度,进而提高求解效率;采用单层编码方式表示调度问题中的双层约束,以降低算法的时间与空间复杂度.通过实例比较验证了所提算法的可行性与优越性.     

元胞遗传算法求解柔性作业车间调度问题

针对柔性作业车间调度问题的特点,采用基于工序和基于机器分配的两部分编码方式,在交叉变异时对两部分基因串分别进行操作。与其它优化算法的结果进行对比分析,利用该算法求解经典柔性作业车间调度问题具有有效性。