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.     

无成组技术条件下流水车间调度的多目标优化

针对有工件组调整时间的流水车间调度问题,提出了无成组技术假设条件下的多目标优化模型,并设计了一种进化计算与局部搜索结合的混合遗传算法.模型的目标函数是最小化最大完工时间和最大拖期.在局部搜索过程中,根据问题的特征定义了两种邻域结构,采取两阶段搜索策略,以提高算法的优化搜索效率.进化过程中,采用基于个体的累计排序数和密度值的适应度分配方法,以保持群体多样性,并采取精英保留策略,以保证解的收敛性.通过测试问题和实际问题的实验以及与其他算法的比较,验证了所提模型和算法的有效性.     

一种求解Flow-Shop调度问题的混合量子进化算法

针对Flow—Shop调度问题,在量子进化算法的基础上,提出了一种求解置换流水车间调度问题的混合量子进化算法（HQEA）,融合了量子进化算法和经典遗传算法的优点,并提出了一种新的针对置换流水车间调度问题的解码方法和一种新的量子门更新旋转角策略,最后针对一系列典型置换流水车间调度问题进行了对比仿真。研究结果表明,所提出的混合量子进化算法HQEA具有良好的全局搜索能力和较快的收敛速度。     

基于SP-MCTS算法的混合流水车间机器人调度

针对混合流水车间存在并行设备、物料机器人和设备约束等导致调度过程复杂化的问题,提出融合标准差的选择策略、单分支扩展和启发式规则模拟的改进型SP-MCTS算法。该算法将混合流水车间机器人调度问题转化成搜索车间状态演变用时最短的分支路径问题,并利用马尔科夫决策过程建立混合流水车间机器人调度问题的动态模型。优化过程中,运用选择策略评估各分支收益,选择高潜力分支进行探索,并扩展多次遍历的分支节点,最后以启发式规则模拟探索,获取调度解集。另外,搜索中通过剪枝法缩小搜索宽度,单分支扩展法避免多次同路径探索,有效利用计算资源;最后,采用基准算例进行算法测试,验证了所提算法在多工序、多设备的混合流水车间调度问题求解方面的优越性。     

批量生产集成调度问题的嵌套式混合遗传算法

针对多级供应链环境中制造商利用混合流水车间方式生产时如何确定生产、采购及产品运送决策的问题,提出基于混合流水车间调度的批量生产与运送调度模型。考虑双重调度的复杂性,设计了两层嵌套式混合遗传算法,外层针对批量生产与运送调度,限制搜索最优运送频率及生产周期;内层解决混合流水车间调度,特别设计染色体的复式均匀交叉机制,求解产品生产排序及相应的原材料采购批量问题。通过算例验证了算法对解空间的搜索广度、准确度和全局收敛性能,为进一步研究较大规模的复杂供应链调度问题提供了可借鉴的方法。     

基于Memetic算法的车间动态调度策略研究

针对车间动态调度问题的求解,提出了一种基于Memetic算法的车间动态调度策略。该策略结合滚动窗口机制,并采用基于周期和事件的混合驱动策略,运用Memetic算法对每个滚动窗口工件集进行重调度。该算法采用顺序交叉算子和基于邻域搜索的新型变异算子,在交叉和变异后均采用改进的模拟退火策略进行局部搜索。通过对改进后的基准实例进行实验,验证了该策略的有效性。
     

基于Memetic算法的车间动态调度策略研究

针对车间动态调度问题的求解,提出了一种基于Memetic算法的车间动态调度策略。该策略结合滚动窗口机制,并采用基于周期和事件的混合驱动策略,运用Memetic算法对每个滚动窗口工件集进行重调度。该算法采用顺序交叉算子和基于邻域搜索的新型变异算子,在交叉和变异后均采用改进的模拟退火策略进行局部搜索。通过对改进后的基准实例进行实验,验证了该策略的有效性。     

自适应小生境混合遗传算法在车间调度中的应用研究

针对传统启发式算法早熟,全局搜索能力差等缺点,提出了一种基于自适应小生境混合算法求解作业车间调度问题的新方法。引入了基于共享机制的小生境技术,通过调整种群的适用度值来维持种群的多样性和提高搜索探测能力,从而提高全局搜索能力。于此同时,采用了自适应遗传算子与精英保留策略相结合的算法,保证了算法收敛速度。最后,通过仿真实例说明了该方法的有效性。     

求解液压阀块加工车间调度的多作用力微粒群算法

为有效地解决液压阀块加工车间调度问题,考虑工序间和机器间的约束关系,以最大完成时间最小为目标,给出了液压阀块加工车间调度优化模型。为平衡算法的全局和局部搜索能力,提出了多作用力微粒群(MFPSO)算法,采用多作用力阶段性搜索策略,将搜索过程划分为前期、中期、后期3个阶段,并对应构造单一斥力、平衡引斥力、单一引力3种作用力规则,在不同搜索阶段采用不同的作用力规则,提高了算法的搜索机制和寻优性能。将MFPSO算法用于求解液压阀块加工车间调度问题,利用矩阵变量来处理约束条件,给出了一种基于矩阵的微粒编码、解码方法。通过液压阀块加工车间调度优化实例,将MFPSO算法与微粒群算法、中值导向微粒群算法、扩展微粒群算法、蚁群算法进行了对比,结果表明,提出的MFPSO算法结果最优,从而验证了该算法的有效性。     

基于机床加工匹配特性的混合流水车间绿色生产调度

针对混合流水车间绿色生产过程中的设备选择和调度目标匹配问题,提出基于机床加工特性的多目标调度模型和改进遗传算法。该算法建立了混合流水车间调度的时间、能耗与成本优化模型,采用模糊隶属方法描述了机床加工特性,在遗传算法求解过程中通过机床加工特性隶属度与调度目标的权重系数匹配关系,建立了自适应的交叉、变异和优势保留策略,在每一代迭代中提高在调度目标方向上的选择压力,加速收敛。通过实例分析对比了不同算法的优化结果,从而验证了模型及算法的有效性,并提出了高效、节能、经济和综合4种调度生产模式,为混合流水车间绿色生产提供了指导。     

考虑工时不确定的混合流水车间滚动调度方法

针对加工时间不确定的混合流水车间动态调度问题,提出一种基于滚动窗口的改进蚁群算法。为实现对事件驱动机制下重调度发生频率的有效缓冲,设计基于交货期偏差容忍度的滚动调度策略。同时为提高调度算法的计算效率,以应对现实生产中工时偏差的频繁发生,在滚动时域分解方法框架下提出一种改进的蚁群算法。一方面,通过压缩蚂蚁可选路径限制其移动范围,在缩短蚂蚁搜索周期的同时寻求新的解;另一方面,通过适当刺激蚂蚁尝试具有较弱信息素路径,提高所得解的全局性。通过实例仿真,分别对滚动调度策略和动态调度算法性能进行分析验证,得出较优的滚动调度策略参数,并验证了算法的优越性。最后给出实际生产算例,验证了滚动调度方法的有效性。     

基于改进混合作用力微粒群算法的液压阀块加工车间调度优化

针对微粒群算法作用力规则的不足，提出改进混合作用力微粒群(IHFPSO)算法。采用阶段性搜索策略，将算法的搜索过程分为前期和后期2个搜索阶段：在前期搜索阶段，微粒在其他微粒的引斥力作用下进行最优搜索，以保持种群多样性；在后期搜索阶段，微粒在双引力及引力提供的加速度的共同作用下向最优解收敛，以提高局部搜索能力。将所提出的IHFPSO算法应用于液压阀块加工车间调度问题，利用矩阵变量来处理约束条件，给出一种基于矩阵的微粒编码、解码方法。通过液压阀块加工车间调度优化实例，将IHFPSO算法与微粒群算法、中值导向微粒群算法、扩展微粒群算法、多作用力微粒群算法进行对比，验证提出的IHFPSO算法结果最优，实现液压阀块加工车间调度优化。     

置换流水车间调度粒子群优化与局部搜索方法研究

采用粒子群优化算法求解置换流水车间调度问题,提出了一种基于工件次序和粒子位置的二维粒子编码方法.为提高粒子群算法的优化性能,在描述了面向置换流水车间调度问题的粒子邻域结构后,提出了三种基于粒子邻域操作的局部搜索方法,分别是基于互换操作、基于插入操作和基于逆序操作的局部搜索方法.计算结果说明,粒子群算法的优化性能好于遗传算法和NEH启发式算法.三种局部搜索算法均能有效地提高粒子群算法的优化性能,采用基于互换操作局部搜索的粒子群算法的优化性能要好于其它两种局部搜索算法.     

多目标离散灰狼优化算法求解作业车间节能调度问题

针对作业车间节能调度问题,建立了一种以优化总能耗和工件最大完工时间为目标的节能调度模型,并提出一种多目标离散灰狼优化算法进行求解.根据问题的特点,首先采用离散整数编码方式,利用调度规则生成初始种群;其次引入一种基于跟踪模式和搜寻模式的双模式并行搜索方法,并在搜索过程中动态调整两种模式下个体的数目,以协调算法全局和局部搜索能力;为了使算法适用于多目标离散调度问题,在跟踪模式下提出一种基于交叉操作的离散个体更新方法,在搜寻模式下提出一种基于记忆池机制和邻域结构的离散个体更新方法.对40个作业车间调度问题基准算例进行改造,并验证了所提算法的有效性.     

模糊分布式柔性作业车间调度优化

针对考虑工件加工时间不确定性的模糊分布式柔性作业车间调度问题(fuzzy Distributed Flexible Job Shop Scheduling Problem, fDFJSP),将加工时间用三角模糊数表示,以最小化最大模糊完工时间为优化目标,提出一种改进的人工蜂群算法进行求解。针对fDFJSP的分布式特点,设计了基于车间-工序-机器的三层编码方式,针对不同编码层,采用多种混合搜索策略,以提升算法的邻域和全局搜索能力。为测试算法的性能,设计了2组实验对5个算例进行测试,并与代表性算法进行对比。结果表明,所提算法结果总体优于其他对比算法,能够有效求解具有模糊加工时间的模糊分布式柔性作业车间调度问题。     

基于混合遗传鲸鱼优化算法的柔性作业车间自动导引车融合调度方法

针对柔性作业车间调度问题,考虑自动导引车(AGV)在车间制造过程中只参与装卸和搬运工作,提出一种实现AGV路径规划与柔性作业车间调度集成优化的融合调度模型。采用基于工序排序与机器选择两个子问题的二维向量编码方案,并在解码过程中提出基于最先服务原则的AGV安排策略。对鲸鱼优化算法进行离散化改进,针对性地设计了多种种群初始化策略,引入遗传算法的交叉、变异操作以提升鲸鱼优化算法的全局搜索能力,并嵌入局部搜索算法以达到全局搜索和局部搜索的平衡,构建了一种混合遗传鲸鱼优化算法（HGWOA）来求解该融合调度模型。通过经典测试算例验证了算法性能,并使用正交试验优化了算法参数。研究结果表明,HGWOA算法用于求解柔性作业车间AGV融合调度问题可以获得较好的效果。     

基于改进MOEA/D的多目标置换流水车间调度问题

针对工期和总流水时间的两目标置换流水车间调度问题,提出一种改进的基于分解的多目标进化算法(MOEA/D).为了改进非支配解集的质量,提高算法效率,在MOEA/D中嵌入分组和统计学习机制提出一种两阶段局部搜索策略改进外部存档.利用基于距离的替换策略更新种群,提高种群的多样性,保证了分组机制的有效性.基于Taillard标准测试问题的实验结果表明,所提出的改进MOEA/D算法明显优于传统MOEA/D、NS-GA-Ⅱ、MEDA/D-MK等算法.     

考虑衰退的流水车间生产与预防性维护集成调度方法

为有效解决流水车间生产与预防性维护的集成调度问题,提出考虑设备衰退的基于改进人工蜂群算法的集成调度方法。对具有设备衰退特征的流水车间集成调度问题域进行了描述,并以最小化完工时间和最小化维护成本为优化目标建立了数学规划模型。针对生产与维护两个决策变量,提出改进双目标人工蜂群算法。该算法融合改进的基于分类排序的Pareto遗传算法的快速排序规则,引入局域禁忌搜索策略和概率接受准则以提高搜索性能。仿真实验表明了该算法的可行性和有效性。     

基于混合粒子群优化算法的置换流水车间调度问题研究

针对最大完工时间最小的置换流水车间调度问题,提出一种粒子群优化算法与变邻域搜索算法结合的混合粒子群优化（hybrid particle swarm optimization,HPSO）算法。在该混合算法中,采用NEH启发式算法进行种群初始化,以提高初始解质量。运用基于随机键的升序排列规则（ranked-or-der-value,ROV）,将连续PSO算法应用于离散置换流水车间调度问题中,提出了一种基于关键路径的变邻域搜索算法,以进一步提高算法的局部搜索能力,使算法在集中搜索和分散搜索之间达到合理的平衡。最后,运用提出的混合算法求解Taillard和Watson基准测试集,并将测试结果与一些代表算法进行比较,验证了该调度算法的有效性。