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。     

多工艺路线的批量生产调度优化

以优化生产周期为目标,研究了多工艺路线的批量调度问题,提出了一种基于工序优先级的调度算法,并将该算法嵌入到遗传算法中,得到了全局优化的批量调度算法。遗传算法搜索最佳染色体,调度算法把染色体解码为调度。在调度算法中,采用了3种提高生产率的策略,即区分批量启动时间与工序加工时间,在工件到达机床之前做好准备工作;把一批工件分成多个小生产批次,每批次独立加工:一批工件加工部分后就运向后续加工机床,缩小后续机床的等待时间。仿真表明,该调度方法能取得较好结果。     

基于工件聚类的并行机调度算法及其应用

针对纺织生产广泛存在的带工件释放时间、以最小化总拖期工件数和总拖期时间为目标的大规模并行机调度问题,提出一种基于工件聚类的遗传算法。该算法将求解过程分为工件聚类和工件排序两个阶段。在工件聚类阶段,基于影响并行机调度性能的重要调度特征量,采用改进的模糊C-均值聚类方法将所有待上机工件分为多个聚类;在工件排序阶段,采用基于规则编码的遗传算法,优化各聚类内工件的加工顺序。数值计算结果及实际应用效果表明,所提出的算法适用于求解带工件释放时间的大规模并行机调度问题。     

考虑运输的柔性流水车间多处理器任务调度的混合遗传优化算法

多处理器任务调度在制造业有着较广泛的应用,为了解决实际柔性流水车间环境下的多处理器任务调度优化问题,研究了考虑运输时间和释放时间的多阶段柔性流水车间多处理器任务调度问题,该问题为NP-hard问题,以最小化最大完工时间为目标建立了柔性流水车间多处理器任务调度整数规划模型。为有效求解该问题,首先研究了工件加工机器流生成机制、单工件加工机器流矩阵编码方案和批量工件加工机器流编码方案。进而设计了基于机器空闲随机筛选的工件安排机制,产生该规划的初始解生成方法,以最小化最大完工时间原则进行新解筛选。然后构建基于工件顺序与加工机器流同步交叉的新解更新过程、基于工件顺序与加工机器流同步变异的新解调整过程,并利用迭代贪婪算法完成调整和重建操作,产生全新方案以改善求解质量,最终形成结合迭代贪婪算法的混合遗传融合优化策略。仿真实验利用解的下界得出偏差百分比,分别用遗传算法、迭代贪婪算法和混合遗传融合优化算法对不同规模的问题进行测试,结果表明,混合遗传融合优化算法能够获得较好的近优解。     

考虑动态资源和工件批量约束的柔性车间生产调度

针对实际车间生产调度过程中车间设备资源受上一调度周期剩余任务影响、工件批量和加工路径柔性等问题,构建考虑设备动态负荷和工件批量约束的柔性车间生产调度模型。提出双层嵌套式遗传算法:外层遗传算法确定工件批量划分和各子批零件的工艺路径,并设计一种基于设备优选法的解码算子来确定个体对应的批量划分中各子批零件的工艺路径;内层遗传算法确定外层遗传算法个体所对应的工件分批和加工路径约束下的调度方案,调度方案的完工时间和超出交货期时间将反馈到外层遗传算法中,用于综合评估当前分批和加工路径方案的性能,实现综合优化。最后在柔性调度标准案例10×10案例基础上增加批量、交货期、设备资源等约束,对所提模型和算法进行测试,结果表明所提算法在对工件进行合理分批和工艺路径确定的同时,能够优化调度结果,满足产品交货期和设备资源约束。     

可重入混合流水车间调度的改进遗传算法

研究了可重入多阶段混合流水车间调度问题,其中至少有一个加工阶段有多台同构并行机。考虑工件在相邻两阶段间的运输时间和工件动态到达等实际生产特征,以最小化最大完工时间为目标建立数学模型。在传统遗传算法的基础上,结合NEH启发式算法产生工件初始加工顺序,令遗传参数随进化代数和个体适应函数值2个方面进行自适应调节,以避免算法陷入早熟,提出改进遗传算法用以求解该NP-hard问题。分别利用所提出的改进遗传算法与传统遗传算法、NEH启发式算法对不同规模的问题进行仿真测试,结果表明,改进遗传算法在较短的计算时间内能够获得较好的近优解。     

加工时间可变的含多功能机的柔性制造单元调度

考虑了加工时间可变且制造单元中包含多功能机的工件加工调度问题.工件包含前道和后道两道工序,且工序加工时间线性增加.多功能机具有加工工件前、后道工序的能力,建立数学模型,模型的目标是时间最小化最大完工的时间,解的形式为工件加工路径的组合,采用遗传算法和启发式算法进行求解.最后,实验结果显示了所述方法的有效性.     

运用混合优化算法的作业车间分批调度

针对作业车间调度问题,根据等分批原则,考虑车间在只加工一种零件时的最优分批方法作为分批依据,建立分批调度的数学模型,之后把分好的子批看成一个新的工件,对其重新进行编号并计算新的加工时间,利用遗传算法良好的全局搜索性能和禁忌搜索算法优良的局部搜索性能,运用混合优化算法进行生产调度。最后通过试验仿真,研究4×4和6×6的调度问题,对不同的加工任务下调度的结果进行对比分析。结果表明,加工工件的种类、工序对调度结果的影响较大,加工数量对调度结果影响较小。     

求解具有预防性维护的并行机调度的遗传算法

为了避免设备出现故障对生产造成损失,需对设备进行有效的预防性维护。本文研究了工件带有释放时间的预防性维护的并行机调度问题,以最小化总工期为优化目标。对该问题设计了一个遗传算法进行求解。染色体为工件序列和机器序列,采用最先适配启发式方法确定各工件的最优时间表。数值实验结果表明,本文设计的遗传算法的性能优于简单启发式算法——最短加工时间的最先适配算法,且计算时间是可接受的。     

均衡作业下的散货港口卸船设备协同调度研究

针对散货港口卸船设备协同调度问题以及货船舱位作业均衡要求,以卸船最大完工时间最小化、作业成本最小化为目标建立卸船设备协同调度模型,设计多目标遗传算法进行求解,将贪婪策略引入染色体解码过程以提升求解效果。计算结果表明：基于贪婪策略的多目标遗传算法求解得出的作业时间和作业成本均少于传统的多目标遗传算法,能够有效优化人工调度结果,进而验证了算法的实用性。     

考虑准备时间和工件分批的柔性作业车间调度

针对柔性作业车间调度受生产准备时间和工件批量影响的问题,构建了考虑准备时间和工件分批的柔性作业车间调度模型.根据工件批量加工中等量分批方法柔性不足的特点,采用柔性分批方法对工件进行批量划分.提出一种改进的遗传算法,以最小化最大完工时间为优化目标,采用双层编码的方式对模型求解,确定各工件的分批方案和子批工序调度排序方案.通过分析柔性调度案例,验证了该算法的有效性,能够更好地满足实际车间生产要求.     

考虑多时间约束和机器效率的柔性作业车间调度问题建模及优化

针对传统柔性作业车间调度问题只考虑加工过程的局限性,综合考虑具有工件运输时间、交货期、加工时间以及工件到达时间等多约束,构建了以机器效率最大和最大完工时间最小为目标的调度模型,其中机器效率用每台机器开始加工到结束加工之间的空闲时间和来表示。模型中充分考虑多时间因素并通过工件紧前工序、机器前置工序确定机器的可用时间段和工件的最早开始加工时间。基于遗传算法设计了分段式编码和插入式解码策略,利用S-自适应概率对染色体交叉进行改进,并采用了一种基于最大化机器使用效率的选择策略对机器部分进行变异,另外为保证后代的多样性,提出一种局部种群扩张策略以扩大种群。最后,通过两个不同规模的柔性作业车间调度案例对模型和算法进行测试。实验结果显示所构建的模型适用于该类考虑多时间和机器效率的柔性作业车间调度问题,同时改进算法的表现也优于对比算法。     

考虑学习效应的单人作业车间多目标调度算法

为减少受学习效应影响的单人作业车间的最大完工时间和工人行走时间,建立了考虑依赖加工时间和的学习效应的单人单工序多机车间调度模型,提出考虑学习效应的多目标贪婪算法(MOGL),融合了带精英策略的非支配排序遗传算法(NSGA-Ⅱ)与基于贪婪的邻域搜索,构造了迭代多目标遗传算法(IMOGA),并基于MO-GL设计了初始解集....     

基于模糊时间并具有成组约束的车间排序算法

针对模具制造过程工件到达时间和加工时间难以精确的特点,以最小化最大完成时间为调度目标,研究了前阶段带有成组约束的两阶段柔性同序加工车间的排序问题.借助模糊数学理论,将工件的加工时间和到达时间作模糊数处理,采用均匀分布的Lee-Li法将模糊数转化为精确值,通过遗传算法优化排序,应用企业实际算例仿真说明该算法的有效性和可行性.     

面向实际生产的冲压车间调度问题研究

在大部分对汽车冲压车间调度的研究中,冲压车间被简化为一类job shop模型的作业车间。根据汽车双向冲压生产线的实际生产特点,笔者提出了基于工艺约束并行机的双向冲压生产线调度模型。在该模型中,工件按设备顺序在生产线两端同时加工,且加工的工件及其加工时间和完工时间受两端工件工序数目约束。然后设计了启发规则和遗传算法混合的求解算法,最后以最大完工时间为优化指标进行验证,得到了具有很强实际应用价值的调度结果。     

流水车间作业提前/拖期调度问题研究

在非正规性能指标提前／拖期调度问题中,工件的加工顺序和每个加工活动的开始时刻都属于需要优化的变量,增加了求解的难度。针对这一问题,提出了采用分层调度模式求解流水车间提前／拖期调度问题的联合算法。首先,采用遗传算法对加工顺序进行寻优;其次,在给定调度序列的情况下采用启发式算法对加工开始时刻进行优化,制定插入机器空闲时段的策略,确定何时插入空闲时段和空闲时段的大小,即在给定顺序下确定工件加工活动的开始时刻,以满足在加工完所有工件后,使提前惩罚费用与拖期惩罚费用之和最小。数值计算结果证明了该联合算法的有效性。     

考虑机器周期性维护的不确定加工车间调度优化研究

为使加工车间调度问题更加符合实际,将不确定加工时间和机器的预防性维护周期考虑到车间调度问题中。首先,建立考虑服从正态分布的随机加工时间和机器的预防性维护周期的联合优化模型,该模型以最大完工时间的期望最小为目标函数;其次,对基于多层编码的遗传算法进行编码操作,每个个体表示全部工件的加工顺序;最后,通过MATLAB中进行了仿真实验。通过实例验证了该模型的合理性和算法的有效性。对实际工业生产中车间加工调度具有重要的意义。     

可变机器约束的模糊作业车间调度问题研究

在车间实际加工中,工件的加工时间和交货期是一个模糊数,而且工件的某道工序有多台机器可供选择。针对这类作业的车间调度,提出了以极大化最小客户满意度为指标的可变机器约束的模糊作业车间调度模型,并给出了算法设计。应用遗传算法在适应度函数处理中引入模糊数处理方法,解决作业车间模糊调度问题,实现调度优化。仿真实验结果表明了该调度方法的有效性,为可变机器约束的模糊作业车间调度提供了一种实现途径。     

基于遗传算法的多资源作业车间智能动态优化调度

提出一种基于遗传算法的调度算法，用于解决多资源制约(机床、工人和机器人)条件下作业车间的动态优化调度。为了表达加工工件的批量，提出了一种新的染色体基因型，基因型的长度随加工环境的变化而变化。研究的动态环境包括：加工工件连续不断地到来；机床设备突然损坏；损坏的机床被修复；工件的预定订货时间被提前；有新类型的工件要求被加工等等。采用一种基于周期和事件驱动的滚动窗口调度，以适应连续加工过程中的环境变化。调度算法中采用权重可变的双目标评价函数来优化调度结果。仿真结果表明该算法是可行的，与传统的静态优化调度相比，其优越性是明显的。     

求解流水车间调度问题的瓶颈指向启发式算法

针对最小化时间表长的流水车间调度问题,提出一种根据工件加工时间特征构建工件调度的瓶颈指向启发式算法。首先,为构建初始工件排序,充分利用各机器负荷一般不相等的特点,瓶颈阶段前加工时间较短而之后加工时间相对较长的工件优先开始加工;其次,当有工件等待加工时,根据工件在瓶颈机器前或后加工时间的特征调整工件加工顺序;最后,采用邻近工件成对交换和插入的方式改进初始调度。当瓶颈机器趋于中间阶段,或瓶颈机器上工件的加工时间趋于增加时,求解效果较好。数据实验表明算法是有效的。