蚁群算法求解混合流水车间分批调度问题

为解决混合流水车间分批调度问题,提出一种三级递阶结构的蚁群算法.算法中,第一级蚁群算法设计了一种批量大小动态结合的柔性分批策略,完成产品的批次划分;第二级蚁群算法考虑工件在各设备的加工时间和设备可用能力,设计蚂蚁设备间的转移概率,完成工序约束下各批次的设备选择;第三级蚁群算法考虑同一设备上批次顺序相关的换批时间,设计蚂蚁批次间的转移概率,完成各设备的批次排序.通过实例仿真,分别对分批算法和混合流水车间调度算法性能进行比较分析和评价,结果表明了算法的有效性和优越性.最后从生产实际出发给出算例,验证了算法的有效性和对生产实践的指导作用.     

求解混合流水车间调度问题的改进灰狼算法

针对带有相同并行机的混合流水车间调度问题,以最小化最大完工时间为研究目标,提出一种改进灰狼优化算法.根据问题特征建立了数学模型;对灰狼算法中的重要控制参数C提出一种新的计算公式,保证了算法的初期全局勘探能力和后期局部搜索能力.随着狼群向决策狼聚集,为了保持狼群的多样性,提出一种基于平面镜成像学习策略,以避免算法陷入局部最优.鉴于混合流水车间每个阶段加工设备的配置不均衡,采用正序和逆序解码策略,从而提高找到问题最优解的概率.将所提算法和其他算法应用于某企业实际案例与benchmark案例进行对比,验证了算法的有效性和可靠性.     

柔性流水车间调度问题综述

智能制造是我国工厂发展的必然趋势,而流水车间在提高工厂生产效率方面起到至关重要的作用。柔性流水车间作为流水车间的扩展,在多道工序上增加多台并行机器,提高了车间的生产效率和灵活性,是目前大量学者关注的热点问题。根据不同的特征和性质对柔性流水车间调度问题进行系统性介绍;从总体上阐述了传统柔性流水车间和扩展柔性流水车间的相关研究,并按照问题的优化目标数量来进行分类描述;最后根据研究现状和当前行业发展需要提出了若干未来研究方向。     

面向节能的混合流水车间调度问题建模与优化

针对面向节能的不相关并行机混合流水车间调度问题的特点,分析了混合流水车间的能耗组成,基于Wagner建模思想提出一种以最小化能耗为目标的混合整数线性规划模型,并提出一种改进的候鸟优化算法求解该问题。在候鸟优化算法中,采用随机策略生成初始种群,提出4种解码方法;基于关键路径的思想设计了两种移动策略,目的分别是调整空闲时间段使其可以实行关机重启策略,以及尽量延迟机床开机;该算法中领飞鸟和跟飞鸟通过最优交换操作和最优插入操作进行进化。通过41组实例对加入移动和关机重启策略的候鸟优化算法,以及没有加入移动和关机重启策略的候鸟优化算法进行测试,证明了所提移动和关机重启策略能够大幅度减少车间总能耗。同时,通过41组实例测试验证了所提模型和算法的有效性和可行性。     

求解相同并行机混合流水线车间调度问题的分布估计算法

针对相同并行机混合流水车间调度问题,提出了一种有效的分布估计算法.针对基于排列的编码方式,设计了改进的启发式解码规则,进而提出了一种评价个体优劣的混合解码方式.建立了描述问题解空间分布的概率模型,通过对概率模型采样产生新个体,并基于优势种群更新概率模型的参数.通过基于标准测试集的数值仿真以及与已有算法的比较,验证了所提算法的有效性.     

利用猫群算法求解流水车间调度问题

流水车间调度问题是一类传统的生产调度问题,其已被证明是NP-hard问题,而群体智能算法在求解此类问题中表现出优秀的性能。猫群算法是一种较新颖的群体智能算法,将猫群的行为模式分为搜寻模式和跟踪模式,通过一定比例的猫群数量执行两种不同的模式来达到优化的目的。通过将猫群算法与标准粒子群算法和蝙蝠算法在求解流水车间调度问题的结果进行比较,表明了猫群算法在调度问题中的良好优化性能以及应用前景。     

带多处理器混合流水车间调度问题的混合鱼群算法

针对带多处理器的混合流水车间调度问题(hybrid flow shop scheduling with multiprocessor task problems),以最小化所有工件的最大完成时间(makespan)为优化目标,提出一种融合了改进的人工鱼群算法和禁忌搜索算法的混合算法。首先改进人工鱼群算法相关行为及实验优选算法参数,提高了人工鱼群算法收敛速度和精度;然后结合人工鱼群算法收敛快和禁忌算法局部搜索能力强的特点,利用改进的人工鱼群算法进行全局搜索,获得较好的优化解域,再通过禁忌算法在优化解域内进行局部寻优,得到一个最终满意的优化解。基于180个标准算例,算法实验结果表明混合算法的优化性能明显优于禁忌算法和粒子群算法,并且很接近改进的遗传算法。     

多目标混合流水车间作业调度的演化算法

针对多目标条件下混合流水车间作业调度的优化问题,提出了一种在优化进程中能够动态调整适应度分配的演化算法。该算法采用矩阵编码描述多阶段并行机调度方案,结合问题的优化模型,对每一代Pareto解在各目标方向上的改善程度进行度量,进而通过多目标的选择性权重系数计算种群个体的适应度,以获得在改善指示方向上的选择压力。通过BENCHMARK问题测试和实际算例分析,表明新算法的性能优于现有的求解算法,特别是对于高维多目标优化问题,能够获得较高的演化收敛速度。     

基于混合蚁群算法的顺序流水车间调度优化研究

针对最大-最小蚂蚁系统在求解顺序流水车间调度问题时易陷入局部最优的问题,对提升算法求解质量进行了研究。将最好-最坏蚂蚁系统的正负反馈机制、变异机制和模拟退火算法中Metropolis准则引入到最大-最小蚂蚁系统的信息素更新环节中,并引入局部寻优,提出了一种混合蚁群算法。在典型测试集上的实验表明,新算法在顺序流水车间调度问题上所得结果普遍优于最大-最小蚂蚁系统,具有更好的全局寻优能力。     

混合流水车间调度问题研究综述

混合流水车间在流水车间的基础上,在所有或部分阶段引入多台可选择的并行机器,提高了车间的生产能力和柔性,是车间调度领域的研究热点之一。按阶段数和机器特征对混合流水车间调度方法进行了综述,系统总结了实际工程背景下相关扩展问题的研究现状,并指出了当前研究中存在的问题和可能的解决途径。结合运筹学的发展趋势,对混合流水车间调度在新兴领域中的应用前景进行了探讨。最后,指出了未来若干可能的研究方向。     

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。     

基于混合的多目标遗传算法的多目标流水车间逆调度问题求解方法*

将逆优化理论与方法引入车间调度领域,探讨近年来车间调度领域出现的一种新方法“逆调度”。研究多目标流水车间逆调度问题,建立考虑调度效率和调度稳定性的数学模型,综合考虑了加工参数改变量、系统改变量以及完工时间和等目标。提出一种基于混合的多目标遗传算法(Hybrid multi-objective genetic algorithm, HMGA)的求解方法,将多种策略进行混合以提高算法性能,主要包括快速非支配排序遗传算法(Non-dominated sorting genetic algorithm II, NSGAII)中的快速非支配排序方法、两种多样性保持策略、混合的精英保留策略,以及改进的局部搜索策略等。通过实例测试与方差分析(Analysis of variance, ANOVA),验证了该算法的有效性。     

求解模糊作业车间调度问题的混合优化算法

针对模糊作业车间调度问题(Fuzzy job-shop scheduling problem, FJSSP),提出一种结合化学反应优化和禁忌搜索的混合算法(Chemical-reaction optimization and tabu search, CROTS),优化的目标是最小化最大模糊完工时间。算法采用基于工序的编码,通过扩展壁面碰撞、分子碰撞、合成、分解等操作算子,改进了基本化学反应优化(Chemical-reaction optimization, CRO)的四类基元反应。给出一种有效的交叉算子,并应用到分子碰撞、合成、分解三种基元反应中。对最好解进行禁忌搜索,进一步提高种群的搜索能力。结合16个经典算例试验分析,并与三种典型算法比较,验证算法具有较强的全局和局部搜索能力。通过18个随机算例的测试,验证算法具备求解较大规模问题的能力。     

基于微粒群算法的柔性流水车间调度优化

为了有效地解决柔性Flow-shop调度问题,提出用改进的微粒群算法进行求解,给出了一种能够保证个体合法性的编码方法;提出速度的计算公式采用自适应惯性权重和收缩因子相结合的方法。最后以某汽车发动机厂金加工车间的生产调度实例进行仿真,比较结果表明该算法的效果较好。     

基于激素调节机制改进型自适应粒子群算法在置换流水车间调度中的应用研究

研究以最小化最大流程时间为调度目标的离散型生产作业中的置换流水车间调度问题,将基于激素调节机制的改进型自适应粒子群算法应用到其中。在该算法中,粒子群算法的个体最优初始值不再是随机生成,而是由基于启发式信息的贪婪随机自适应算法得到的工件加工顺序转换而成,同时借鉴激素调节机制,引入激素调节因子,根据单个粒子周围的粒子的信息,对粒子的飞行方程进行改进,以提高搜索效率和搜索质量。对置换流水车间调度实例Rec系列基准问题进行测试,结果验证算法的有效性。     

基于遗传算法的服装生产流水调度研究

针对服装生产流水线调度问题,以最小化最大流程时间为目标,将具有全局优化特点遗传算法应用于服装生产流水线调度中.算法采用基于工序的编码方式和具有简单操作的单亲遗传算子,并在调度实例应用中取得满意的效果.仿真结果表明:该算法优化了调度方案,缩减了最小化完工时间,能够有效、高质量地解决服装生产流水线调度问题.     

改进差分进化算法求解混合流水车间调度问题

对于求解混合流水车间调度问题,标准差分进化算法存在易陷入局部极值的缺点,为此,以最小化最大完工时间为目标函数建立了仿真优化模型,并提出了一种改进差分进化算法进行求解.将所提算法结合反向学习策略生成初始种群,在差分进化中进一步引入自适应差分因子,并在个体选择机制中引入模拟退火算法的Metropolis准则,有效提高了该算...     

基于粒子群优化和模拟退火的混合调度算法

提出了一种离散粒子群调度算法，采用基于工序的编码方式及相应的位置和速度更新方法，使具有连续本质的粒子群算法直接适用于调度问题。针对粒子群算法容易陷入局部最优的缺陷，将其与模拟退火算法结合，得到了粒子群-模拟退火算法、改进的粒子群算法、粒子群-模拟退火交替算法以及粒子群-模拟退火协同算法等4种混合调度算法。仿真结果表明，混合算法均具有较高的求解质量。     

一种求解Job-shop调度问题的遗传局部搜索算法

利用遗传局部搜索算法求解了作业车间调度问题,遗传算法中的染色体编码采用基于工序的编码,并用插入式贪婪解码机制将染色体解码至主动调度。为了克服传统遗传算法易于早熟收敛的缺点,设计了一种改进的优先操作交叉IPOX操作和子代产生模式的遗传算法。对于遗传算法每个染色体个体,使用基于N6邻域结构的局部搜索进一步使它们得到改善。利用所提出的混合遗传算法求解基准问题,验证了算法的有效性。