半导体炉管区批调度问题的粒子群优化算法研究

为改善粒子群算法对大规模问题求解的性能,提出了一种基于文化进化的并行粒子群算法,详细阐述了该算法的原理和具体实施方案.针对半导体炉管区批调度问题,设计了双层粒子群算法,外层应用基于文化进化的并行粒子群算法进行批量计划问题的求解,内层采用传统的粒子群算法求解调度问题.通过对其他文献中的仿真实例进行计算和结果比较表明,该算法优于文献中的启发式算法和蚂蚁算法.     

面向航空发动机装配车间知识化制造系统自进化

针对存在缺件情况的航空发动机装配车间,研究了知识化制造系统自进化问题。采用事件和周期混合驱动型自进化机制,结合滚动时域法实现车间自进化。基于生产特点提出一种滚动规则,用于各决策时刻选取工序进入滚动窗口,建立了每个决策时刻系统中静态决策问题的数学模型,并给出了自进化问题的求解算法。针对模型设计了一种遗传—变邻域搜索算法进行求解。通过仿真实例对算法的性能进行了分析。实验数据表明,自进化在提升系统生产性能方面发挥了重要的作用。     

面向机床精密主轴加工过程的混合流水生产线分批调度研究

面向机床精密主轴加工过程,对混合流水生产调度问题进行研究.通过深入分析机床精密主轴加工工艺流程,以主轴粗精磨削工艺、分批规则、设备利用率等作为约束条件,以加工时间最小化为目标,建立混合流水生产模式下、机床精密主轴加工智能分批调度模型,并设计了基于差分进化-遗传混合算法的二阶段优化算法对模型进行求解;以某精密主轴生产线的实际订单为例进行仿真实验,与传统加工方案及其他典型分批调度算法对比分析,验证了该智能分批调度模型的有效性、算法的准确性及解决实际问题的优越性,能够有效缩短生产节拍,提高加工效率和设备利用率.     

解决无等待流水线调度问题的新算法

提出了解决无等待流水线调度问题的3种新算法,即离散粒子群优化算法、离散差异进化算法和阈值接收算法。离散粒子群优化算法和离散差异进化算法采用了基于工件序列的编码方式和新的个体生成方法,从而使具有连续性质的粒子群优化算法和差异进化算法能直接用于求解调度问题。仿真试验表明了上述算法的有效性。     

求解多目标作业车间调度问题的双种群遗传算法

针对多目标作业车间调度问题,提出一种将正逆序调度方法与生成调度活动的遗传算法相结合的双种群遗传算法.该算法利用活动调度缩减解空间,提出采用正、逆序遗传调度算法分别在不同种群优化不同目标函数,将多目标问题分解成多个单目标问题.在进化过程中,通过个体迁移算子加快多个目标的并行搜索,并提出了一种构造Pareto解集的精英锦标赛法则.通过基于Benchmark算例的仿真实验,验证了该算法求解多目标作业车间调度问题的有效性.     

变批量车间调度文化进化算法研究及应用

针对JIT环境下柔性生产的要求,多品种小批量生产使车间调度规划更加困难,许多生产调度优化问题属于NP-hard问题,其求解通常采用智能启发式算法。文化进化算法基于文化算法、文化进化思想及超群进化思想,通过上层文化空间的经验知识指导下层个体进化搜索的方向及步长,通过模拟人类社会文化进化的机制实现文化空间的进化与更新,最后将算法应用到变批量Flowshop问题的求解,用Matlab编程仿真测试,结果表明用此算法进行批量分割,解决生产调度优化问题是可行的,而且其搜索性能优于AGA算法。     

考虑机器检修的圆钢热轧批量调度算法

针对圆钢的热轧批量调度问题,考虑实际生产中的机器检修计划对批量连续性加工的影响,以最大化产能利用率、最小化机器调整时间和订单提前拖期为优化目标,建立了多目标的整数规划模型,并提出改进的带精英策略的快速非支配排序算法对模型进行求解。算法结合问题的约束特征,采用改进的NEH算法生成初始解,并采用罚函数的思想设计适应度函数,对种群中存在的不合理解设计修复规则进行修复;针对遗传进化过程,设计了遗传操作方式,并在算法迭代过程中嵌入基于有限搜索范围的邻域搜索算法,避免算法陷入局部最优。实验结果表明,模型和算法对问题的描述和求解是可行有效的。     

面向航空发动机装配线的知识化制造自适应优化调度

为了解决不确定生产环境下的航空发动机装配调度问题,设计了一种面向航空发动机装配线的知识化制造自适应优化调度算法。算法采用强化学习和过程仿真相结合的调度策略求解方式,以最小化提前期惩罚费用和完工时间成本为调度目标,给出了航空发动机装配的Q学习自适应调度模型;针对装配调度问题定义了四个新的调度规则,定义了航空发动机装配的四个状态特征用于对系统状态进行描述,并针对调度目标设计了合理的回报函数。仿真实验结果表明,在调度过程中,采用提出的Q学习方法在多数情况下都远优于其他规则,尤其在装配任务到达频繁的情况下,总体上表现出更好的优势,显示了良好的自适应性能。     

基于进化算法和模拟退火算法的混合调度算法

将进化算法与模拟退火算法相结合,提出四种有效的混合调度算法,即遗传退火算法、改进遗传算法、改进进化规划和并行模拟退火算法。两种算法搜索机制的互补增强了全局探索能力,基于关键路径的邻域函数运用提高了算法的效率。仿真结果表明:混合算法在求解质量和求解效率方面均有优势,优于国外同类研究成果;基于模拟退火的变异算子的搜索能力优于交叉算子;改进进化规划优于其他混合算法。     

多目标模糊作业车间调度问题研究

研究了具有模糊加工时间和模糊交货期的多目标作业车间调度问题,首先给出了基于模糊优先规则的编码新方式,染色体的每一位表示在GT算法迭代过程中,对应机器上发生的某次冲突,根据该基因位对应的优先规则消除。然后设计了基于个体密集距离的多目标进化算法,该算法利用密集距离进行外部档案维护和适应度赋值。最后将多目标进化算法应用于模糊作业车间调度问题,以最大化最小一致指标和最小化模糊最大完成时间,并和其他算法比较。计算结果验证了多目标进化算法在模糊调度方面良好的搜索性能。     

含私有信息的多代理作业车间协商调度算法

在考虑用户互为竞争对手、不愿共享其目标的情况下,用户与车间共同组成调度决策群体,形成代理目标为私有信息的多代理作业车间调度问题。以最大化群体社会福利为优化目标,构建了多代理作业车间调度问题的数学模型。设计了遗传进化-评分决策两阶段协商调度机制,并提出了相应的两阶段协商调度算法。在不披露代理目标的前提下,遗传进化阶段采用帕累托优化排序算法,生成非支配调度方案集;评分决策阶段采用基于效用的线性转换评分算法,实现从非支配方案集中选出社会福利较优的调度方案。大量仿真研究表明,所提遗传进化-评分决策两阶段协商调度算法,其整体性能优于现有协商调度算法,能够产生社会福利更高的调度方案。     

用差异进化和变邻域搜索解决无等待流水线调度问题

提出了解决无等待流水线调度问题的离散差异进化(DDE)算法和变邻域搜索(VNS)算法.与标准差异进化(DE)算法不同,DDE算法采用了基于工序的编码和新的个体生成方法,因而能直接用于求解生产调度这类复杂问题;VNS算法采用多重移动邻域以提高性能.为了进一步提高求解质量,将DDE和VNS结合,得到三种混合算法:DDE-VNS、DDEVNS和DDE&VNS.仿真试验表明:上述算法都是有效的,混合算法优于单一算法,VNS、DDE-VNS、DDEVNS和DDE&VNS等4种算法优于国际上同类研究的最新成果.     

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。     

考虑工序相关性的动态Job shop调度问题启发式算法

提出一类考虑工序相关性的、工件批量到达的动态Job shop 调度问题,在对工序相关性进行了定义和数学描述的基础上,进一步建立了动态Job shop 调度问题的优化模型。设计了一种组合式调度规则RAN(FCFS,ODD),并提出了基于规则的启发式算法以及该类动态Job shop 调度问题的算例生成方法。为验证算法和比较评估调度规则的性能,对算例采用文献提出的7种调度规则和RAN(FCFS,ODD)进行了仿真调度,对调度结果的分析表明了算法的有效性和RAN(FCFS,ODD)调度规则求解所提出的动态Job Shop 调度问题的优越性能。     

动态车间调度问题调度规则算法仿真试验的样本容量确定方法

基于调度规则的算法是求解复杂大规模动态调度问题快速而有效的算法之一,在实际调度系统中得到较广泛应用。仿真调度试验是评价调度规则性能的常用方法;仿真调度次数越多,对规则性能评价的结果越真实,但需要付出的代价也越大。已有文献中对独立仿真次数的取值各有不同。基于统计学的参数估计理论,提出了给定置信度和置信区间下样本容量,即独立仿真次数的确定方法,并以案例进行了说明,从而为仿真调度的试验设计提供了依据。     

基于SO-GP的智能车间组合调度规则挖掘

针对智能车间复杂性程度高、动态不确定性明显、对调度的实时性要求高以及车间机理模型难以描述等特点,对智能车间实时调度问题展开研究,提出一种将仿真优化与遗传规划(SO-GP)算法相结合的调度规则挖掘方法,在优化生产性能的同时满足实时调度的需求.在SO-GP方法设计中,采用二叉树的结构编码,每个GP个体代表一个组合调度规则,并借助仿真获得个体的适应度值.为了进一步提高挖掘过程的时间效率,对构成GP算法的终止集进行了归一化改进.最后以MiniFAB半导体生产线模型为对象进行实验,验证了所提方法的有效性.     

求解装配序列规划的一种多智能体进化算法

针对求解装配序列规划的进化类算法中个体智能性不足的问题,设计了求解装配序列规划的一种多智能体进化算法。携有装配序列规划信息的智能体不仅是竞争、变异等进化操作的基本单元,同时又具有"学习"、"协作"等智能行为。实验表明,与其他各类进化算法相比,多智能体进化算法具有明显的优越性。     

用差异进化和变邻域搜索解决无等待流水线调度问题

提出了解决无等待流水线调度问题的离散差异进化(DDE)算法和变邻域搜索(VNS)算法。与标准差异进化(DE)算法不同,DDE算法采用了基于工序的编码和新的个体生成方法,因而能直接用于求解生产调度这类复杂问题;VNS算法采用多重移动邻域以提高性能。为了进一步提高求解质量,将DDE和VNS结合,得到三种混合算法:DDE—VNS、DDE_(VNS)和DDE&VNS。仿真试验表明:上述算法都是有效的,混合算法优于单一算法,VNS、DDE—VNS、DDE_(VNS)和DDE&VNS等4种算法优于国际上同类研究的最新成果。     

利用有限制稳定配对策略求解双目标柔性作业车间调度问题

实际生产中,以最小完工时间和最低成本为目标的调度是柔性作业车间最常见的问题。提出了一种有限制稳定配对策略的双目标柔性作业车间调度问题的求解方法。该方法将双目标优化问题分解为一系列的标量优化子问题,并利用多目标进化算法对子问题进行优化求解;同时,将有限制稳定配对策略用于进化过程中各子问题解的协调选择,以保证解的收敛性和分布性。仿真数据和应用实例表明：该方法可以获得收敛和分布性能更优的调度方案。     

变参数量子进化算法及其在求解置换流水车间调度问题中的应用

针对置换流水车间调度问题的求解,改进了基本量子进化算法,设计了一种变参数量子进化算法,用以求解置换流水车间调度问题。使用量子位极角表示工件排序,缩短了染色体长度。在运算过程中改变变异率和局部寻优次数,以改善全局搜索和局部寻优性能、提高算法的全局最优性。运用变参数量子进化算法求解置换流水车间调度的Benchmark问题,数值实验表明,该算法具有良好的性能。