一种基于动态粗集的工件滚动调度识别方法

为在动态加工环境下采用滚动优化调度时,研究了调度窗口内工件的识别问题。基于动态粗集和其元素动态迁移特性,提出了一种工件滚动调度识别方法,考虑在工件加工过程中有生产设备损坏、工件到期时间改变和急加工工件等动态环境中,通过滚动优化调度工件的识别,不仅能适应加工环境的动态变化,获得满意的调度结果,而且减少了再调度次数和调度问题求解的规模。仿真结果验证了该方法的有效性。     

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。     

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。
     

确定性单机调度问题的一种两阶段方法

针对工件动态到达最小化工件完成时间之和的单机确定性调度问题,将规则和滚动时域方法相结合,设计了一种基于初始调度的两阶段滚动调度方法,滚动的局部调度子问题中增加了终端惩罚函数,兼顾了局部目标和全局目标的一致性。理论分析和仿真试验结果表明,两阶段滚动调度相对初始调度有大的改善,相对已有两阶段调度方法在大多数情况下全局解的质量更好。     

工件到达时间未知的动态车间滚动重调度

研究工件动态到达且到达时间未知的车间重调度问题,目标是最小化所有工件的拖期和.动态事件频繁的调度环境,对调度算法的计算效率要求很高.在滚动时域分解方法框架下,提出关键工序集的概念,采用混合遗传算法确定关键工序集合及其对应的最优部分调度.在解码过程中,采用混合调度生成器将染色体中的基因转化为部分可行调度,对没有参与遗传进化的工序采用改进的修正交货期(Modified due date,MDD)规则确定其在机器上的加工顺序,以完全调度的目标值评价染色体的适应度.对大量算例的仿真表明基于关键工序集的重调度算法对动态事件的响应速度,大大优于基于完全工序集的重调度算法,并且具有良好的全局性能,兼顾了实际动态Job shop系统对调度性能和计算效率的要求.     

不确定条件下车间动态重调度优化方法

分析车间生产环境复杂、多变以及生产过程中各种随机扰动所导致的不确定性问题,将扰动分为显性扰动和隐性扰动两类。分别采用主动和被动触发式重调度驱动规则,对各种扰动进行响应,并通过建立重调度优化集,结合滚动时域优化方法,对大规模动态重调度优化问题进行了简化。提出重调度优化集内待加工工件的选取规则,以减少工序间机器空闲时间。最后提出混合粒子群调度优化算法,对优化集内待加工工件进行智能优化调度,并采用该算法结合具体的仿真实例验证了该动态随机重调度优化方法的有效性。     

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。     

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。     

工序加工时间不确定的柔性作业车间重调度算法

针对工序加工时间不确定的柔性作业车间重调度问题,以最小化最大完工时间和最小化机器总负荷为目标,利用区间数表征加工时间不确定性,采用泛灰数实施作业调度,引入EDQS重调度触发机制和滚动窗口优化策略,设计了关键工序集的构造规则;采用改进的NSGA-Ⅱ算法优化关键工序集和SPT规则调度非关键工序集,从而实现完全工序集的调度。引入Hypervolume指标维护进化种群,在保证Pareto最优解集收敛性的同时维持了群体多样性,以泛灰数序关系确定最优调度方案。仿真实例不仅证明了基于工序加工时间不确定的柔性作业车间重调度算法的可行性和有效性,而且证明该方法能够及时响应不确定性因素扰动。     

考虑关键件加工质量的双资源约束车间调度算法

在工人异质性和机床类型多样的资源约束型车间中,针对资源抢占使加工质量向非关键件倾斜从而导致关键件加工质量无法保障的情况,建立了以完工时间为主要优化目标,以关键件加工质量、整体加工质量为辅助优化目标的双资源(工人/机床)约束柔性作业车间调度问题模型,并提出一种两级嵌套蚁群算法。首先采用工件候选集、资源候选集生成满足关键件加工要求的可行调度解;然后为工序寻找更合适的开工时间,针对机床类型、人机时窗差异设计了基于时窗的活动调度策略以提高算法的局部寻优能力;进而提出了一种保质策略,使关键件和总体工件加工质量水平持续提高;最后,通过算例测试验证了保质策略和两级嵌套蚁群算法的有效性。