基于遗传退火算法的绿色作业车间调度

绿色制造和智能制造是工业发展的两大趋势,针对目前作业车间能耗大、设备利用率低,以及产品拖期严重等问题,以智能制造业环境中的作业车间为研究对象,建立了以车间总能耗和总拖期惩罚为优化目标的多目标调度模型,并通过设置权重系数来调节优化目标决策偏好;基于遗传算法收敛速度快、全局搜索能力强,以及模拟退火算法突跳性强的特点,设计一...     

基于遗传优化算法求解作业车间调度问题

将一类具有路径柔性的作业车间调度问题，分解为任务优化分配和任务优化调度两个子问题，结合遗传算法和启发式算法，提出了基于遗传算法的优化调度算法，并有实例证实了该算法的有效性。     

[车间调度]混合工作日历下作业车间调度遗传进化方法

针对一类混合工作日历下的作业车间调度问题,提出了一种遗传进化方法。构建了混合工作日历下以生产周期最短为优化目标的作业车间调度优化模型;提出了基于工作日历的时间推算方法,设计了遗传算法对这类问题进行求解。算法采用基于工序的编码方式;遗传操作中采用遗传算子改进策略保证子代个体的可行性,降低了计算量;解码操作中采用了基于工作日历的时间推算方法来准确计算工序的起止时刻,并采用两种技术缩短生产周期。通过案例分析验证了所提方法的有效性。     

基于动态评价免疫算法的车间作业调度研究

车间作业调度是典型的NP难题,传统求解方法都有各自的特色和不足。免疫系统强大的信息处理能力为人工免疫应用提供了丰富的暗示,因此,免疫算法被提出,并逐渐应用于许多工程实际。针对车间作业调度这个优化问题的难处理性,提出了基于动态评价的免疫算法用于求解车间作业调度问题。并建立了车间作业调度的模型,构造了抗体,设计了免疫算子,通过对著名的FT10×10标准问题进行仿真,同其他方法进行了比较,仿真结果不但验证了它的有效性,而且表明此算法优于其他算法。     

柔性作业车间动态调度方法研究

针对一类复杂工序的柔性作业车间的动态调度问题,提出了一种基于工序树的调度方案及算法。调度算法中采用多叉树形式的工序树,工序树是一种适用于作业车间调度的柔性工艺规划描述方法,工序树经过泛化和变形可以涵盖多种具体的工序样式。调度算法通过通信网络实时地获取加工车间中设备的工作状态,结合加工任务中所有产品的状态变迁,依据由加工任务的约束条件预先确定的优先调度规则,动态地生成加工任务作业进程表。算法实例的结果验证了调度方案及算法的有效性。     

基于混合差分进化算法的作业车间动态调度

针对动态多变环境下的作业车间调度问题,在基于周期和事件驱动的滚动窗口再调度策略基础上,采用冻结时段思想,同时又允许再调度在冻结时段内的资源上的闲置时段安排任务,并由此建立了机器存在不可用时段约束的动态调度模型。借鉴量子进化算法中量子旋转门更新量子位的方法,设计了三段式交叉操作,并在算法框架中嵌入了局部搜索操作,提出了混合差分进化算法作为再调度的优化方法。通过算法性能与作业车间动态调度实验,验证了所提动态调度方法的有效性。     

基于规则的柔性作业车间机床与AGV联合调度优化

利用离散事件系统建模与仿真技术和规则调度方法,对柔性作业车间机床与AGV(automatic guided vehicle)联合调度问题进行研究.基于离散事件建模仿真方法建立了柔性作业车间仿真模型,以平均流动时间、完工时间、AGV平均利用率与完工数量为评价指标,首先将不同路由规则与调度规则组合结合AGV数量进行仿真测试...     

基于基因表达式编程的单AGV加工车间调度规则生成

考虑到在含AGV的加工车间中,将AGV调度独立于工件调度会使问题复杂化,详细分析了单AGV与加工车间集成的调度问题特征并提供了解决方案。由于调度规则简单、易于应用且能及时响应生产环境,以最小化完工时间为目标,基于基因表达式编程智能挖掘出适用于该问题的高效调度规则,并详细介绍了算法用于调度规则设计的编码、两阶段解码以及规则挖掘流程。一系列典型规则对比实验以及大规模标杆案例测试证明了所挖掘规则的高效性、鲁棒性。并且通过对规则分析,找出了影响该问题的属性及其内在规律。     

基于设备可用时间约束的装配作业车间调度规则

为开发自动和手控设备混合的装配作业车间启发式调度算法,设计了装配作业和设备特性相结合的生产调度规则.分析了自动和手控设备的运作特性,以及设备和作业者的日可用时间约束对生产调度所产生的影响.首先以缩短工件平均流程时间和提高自动设备夜间运载率为目标,扩展了最短作业时间优先规则的内涵,设计了最短设备占有时间优先规则的系列;然后考虑了装配作业车间的装配特性,设计了将作业交货期最早优先规则与提出规则相结合的组合规则.经模具生产车间的仿真实验表明,所设计的组合调度规则对平均延期时间和其他相关评价指标具有较优的结果.     

基于双层遗传编码的柔性作业车间自适应重调度研究

针对不确定环境下的柔性作业车间调度,设计了能适应订单异动、操作延时和机器故障等3种常见扰动类型的重调度方法。通过设置可用机器集和操作时间等基本参数,制定各扰动单独或组合发生后基本参数的更新策略,建立了面向3种不确定扰动类型的自适应重调度框架;结合工序码和机器码形成了一种双层染色体编码,该编码能有效表征上述系统参数,实现自适应重调度;利用遗传算法,通过选择算子寻优及交叉变异算子的种群拓展实现全局优化。400个具有不同规模的实例证明了该重调度方法所得方案可信,计算时间可控,能有效应用于生产实际。     

混合工作日历下作业车间调度遗传进化方法

针对一类混合工作日历下的作业车间调度问题,提出了一种遗传进化方法。构建了混合工作日历下以生产周期最短为优化目标的作业车间调度优化模型;提出了基于工作日历的时间推算方法,设计了遗传算法对这类问题进行求解。算法采用基于工序的编码方式;遗传操作中采用遗传算子改进策略保证子代个体的可行性,降低了计算量;解码操作中采用了基于工作日历的时间推算方法来准确计算工序的起止时刻,并采用两种技术缩短生产周期。通过案例分析验证了所提方法的有效性。     

基于遗传算法的作业车间调度优化

车间调度问题由于具有重要的理论和实用价值吸引了很多研究者的兴趣 ,但以前的大多数研究集中在经典的作业车间调度问题 ,忽略了很多重要的因素 ,离应用尚有不少的差距。本文结合实际的生产过程 ,考虑到工件的加工受到机床、工人和机器人等资源的制约 ,并且可以有多种可行的工艺路线。提出了一种与启发式调度规则相结合的混合遗传算法 ,调度规则使该算法具有较高的局部搜索效率 ,遗传算法保证了解的全局最优性 ,算例表明该算法在求解性能和效率两方面均具有显著的优势     

基于动态事件的柔性作业车间重调度节能优化

为了解决机械加工过程中出现紧急任务插单或机床故障等动态事件干扰调度方案执行,导致原调度方案能耗增高、完工时间延长等问题,研究了一种考虑紧急插单和机床故障动态事件的柔性作业车间重调度节能优化方法。首先分析了动态事件下柔性作业车间的工件加工过程能耗特性,然后以总能耗最低、完工时间和鲁棒性最小为优化目标建立了面向节能的动态重调度优化模型,并提出基于多目标引力搜索算法的重调度节能优化求解方法,最后通过案例对比分析,验证了所提方法的有效性。     

基于ATC的智能工厂分布式柔性作业车间动态调度

针对传统多车间生产调度方法不能满足智能生产系统调度优化的问题,结合智能工厂需求,以分布式柔性作业车间为研究对象,提出基于“生产计划-车间调度-物流仓储”的ATC层次模型,该模型是以时间、成本组成的一个多目标优化模型;提出两级效能偏差判别机制,在物联环境下动态识别扰动并根据扰动影响作出实时决策。最后,以3个车间调度问题为例,基于遗传禁忌搜索算法,验证了该模型的有效性。     

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。     

基于改进遗传算法的作业车间调度

针对传统遗传算法在求解作业车间调度问题时存在的算法收敛速度慢、寻优结果易陷入局部最优等缺点,提出了基于禁忌搜索算法的遗传交叉算子,利用禁忌表对交叉过程重复产生的子代进行有效禁忌,以加快算法的收敛速度,提高算法的全局搜索能力。算法设计了特殊的禁忌交叉方式,经实例表明:与传统的遗传算法相比,改进后的遗传算法在算法的收敛速度和求解的质量方面有了明显提高。     

基于强化学习的柔性作业车间动态调度算法研究

随着制造模式往多品种、小批量的转变,车间生产过程变得复杂多变,传统的依赖于人工和静态式的调度方法已经无法适应实际的车间环境。为此,设计一种基于马尔可夫决策过程的柔性作业车间调度模型。以车间环境作为状态空间,以设备选择作为动作空间,以最小化完工时间作为调度目标,将柔性作业车间调度视为序列化决策问题,使用一种基于策略梯度下降的深度学习方法训练该模型,在仿真环境中对该算法进行验证。结果表明：本算法降低了总完工时间,均衡了机器负载,提高了生产效率和调度智能性。     

双资源约束作业车间动态调度研究

针对双资源约束作业车间动态调度优化问题的求解特点,基于局部时窗调度思想构造包含动态扰动分析、动态扰动评估以及动态调度方法在内的三层动态调度系统,并结合最小化调度方案修订的动态调度实际需求,设计基于染色体还原机制与局部工序的分阶段调度优化的混合动态调度算法,最后通过仿真实验验证了基于局部时窗调度思想的动态调度方法有效降低随机扰动影响的良好应用效果。     

柔性作业车间调度优化的改进遗传退火算法

针对更符合实际生产的柔性作业车间调度问题(FJSP)及其NP难得特性,在已有遗传退火算法(GASA)的基础上,提出了改进的遗传退火算法(EGSA),以便更高效地解决FJSP问题。在算法的操作上,引入了S-自适应遗传算子以及非齐次的降温策略,不仅能对交叉和变异概率进行自适应非线性调整而且还能很好的控制温度的下降,增补了遗传算法的进化能力。最后,将提出的EGSA算法通过3个基准问题仿真,统计结果表明了算法的可行性和有效性,同时也说明提出的算法在求解FJSP问题方面具有高效性和精确性;在收敛性能方面与传统算法相比具有更好的鲁棒性和收敛性。