基于改进小世界遗传算法的网络环境下跨单元调度

为了从总体上提高设备利用率、降低企业生产成本、快速响应市场需求,针对网络环境下单元制造系统中特殊工件需要跨单元加工的问题,建立了以最小化最大完工时间和总成本为优化目标的跨单元调度模型。针对多目标遗传算法求解大规模调度问题时全局搜索能力差、收敛速度慢等问题,设计了一种改进小世界遗传算法。通过分析优化目标和制造网络模块度的关系,提出基于制造网络模块度的初始解生成机制,对小世界遗传算法初始解进行改进。通过计算实例,说明优化目标与制造网络模块度呈显著相关性,将制造网络模块度用于初始解的生成可有效改进初始解的质量;通过与带精英策略的快速非支配排序遗传算法、小世界遗传算法的运算结果进行对比,得出改进小世界遗传算法在求解大规模调度问题时,收敛速度更快、求解质量更高的结论。     

跨单元调度及其车辆路径集成优化

为了提高跨单元调度中车辆利用率,降低运输成本和缩短完工时间,综合考虑调度方案中零件的加工顺序和异常件运输路径之间的相互影响,建立了一个以最小化最大完成时间和总成本为优化目标的跨单元调度及其车辆路径集成优化模型.提出了一种包含工序编码、机器编码、单元编码、车辆编码和车辆路径编码的五段式编码方法;设计了基于分解的多目标进化...     

基于分散搜索的零部件跨单元生产的单元管理方法

研究单元制造环境中零部件生产工艺不相同情况下零部件跨单元生产的单元管理问题。以最小化单元制造系统的流水时间为目标,对生产单元内设备上的零部件进行生产调度,提出该问题的非线性数学规划模型,开发针对该问题的分散搜索算法。该算法改进多样性产生器,使算法生成一系列多样性好的初始解,并针对该单元管理问题的特点,开发参考集更新方法、子集产生方法、子集合并方法和解改进方法等多种机制来实现对单元制造系统的有效管理。通过对多组单元管理实例进行仿真分析,与基准优化软件CPLEX相比较,验证模型与算法的有效性。     

基于多Agent机制的制造单元调度系统的研究

利用多Agent技术,采用经济行为中的招投标机制,设计了一种基于多Agent的分布式调度控制系统模型来实现制造单元的调度过程.     

基于多代理的敏捷制造单元调度研究

在分析敏捷环境下敏捷制造单元调度特点的基础上 ,提出了基于多代理协作的敏捷制造单元模型 ,并根据该模型设计了一种混合遗传模拟退火 (SAGA)单元调度算法。并给出SAGA和GA两种方法的比较结果。应用实例表明 ,该方法调度性能良好 ,调度过程快 ,支持任务的随机加入 ,为制造企业快速有效的响应市场 ,提高敏捷性提供了强有力的理论与技术支持。     

基于改进禁忌搜索算法的单机成组作业调度

提出了单机作业调度的改进禁忌搜索算法。以总流程时间最短为优化目标的具有作业分类与机器设置时间的单机成组作业高度问题是NP难问题,此问题的多项式求解方法不能保证求取最优解。基于改进禁忌搜索算法,建立了具有提交时间与分类设置时间的单机成组作业调度模型,可搜索到该问题的最优解。仿真实验表明,改进禁忌搜索算法能够搜索到最优解,其性能优于WSPT启发式算法,并且运行时间短,可应用于大规模调度问题。     

单元型制造车间的双资源调度研究

研究了单元型制造车间的双资源调度.针对新到达的工件,首先将其分配到对应的加工单元上,或构建一虚拟加工单元,并采用四轮分配法为每道工序分配设备,采用遗传算法进行加工排序后,再通过四轮分配法为已分配任务的设备分配工人.给出了调度系统的结构及一个双资源调度的实例.     

基于改进禁忌搜索的多目标自动化仓库调度

针对产品质量和路径的多目标自动化立体仓库调度优化问题,为平衡解的收敛性和多样性,提出一种改进的多目标禁忌搜索算法.该算法的改进在于,一方面为Pareto解空间构造可行的初始解,改造了禁忌搜索的邻域结构;另一方面采用惩罚策略,使搜索能够跳出局部最优.面向出入自动化立体仓库的产品在时间上有特定要求的工业生产过程,建立了兼顾质量和路径的多目标优化模型,并运用改进的多目标禁忌搜索算法对其实现了调度优化求解.实例仿真表明,所提算法对仓库调度优化问题在解的质量及求解效率上都取得了较好的效果.     

改进迭代局部搜索算法求解多AGV柔性作业车间调度问题

针对受运输时间和运输资源约束的柔性作业车间调度问题,提出一种融合贪心启发式规则的改进迭代局部搜索算法。以最大完工时间为优化目标,建立多自动导引小车(AGV)柔性作业车间调度问题的数学模型,并采用工序串和机器串双层编码求解问题模型,解码时融入“先到先服务”的启发式规则来对每个运输任务分配最合适的AGV;生成初始解时考虑机器全局的工作负载平衡;设计了3种邻域结构用于随机邻域局部搜索,并采用精英解记忆库策略来指定当前解,有效利用历史搜索信息,保持算法集中性的同时扩大了搜索空间。采用最好解、相对标准差和算法平均运行时间3种性能指标,分别在小规模和大规模标准测试案例上对所提算法的有效性、稳定性和高效性进行测试,结果表明不管是在求解速度上还是求解质量上其表现都优于遗传禁忌搜索算法、带转移瓶颈的遗传禁忌搜索算法和延迟接受爬山算法。     

基于目标级联法的动态零件族跨单元生产的单元调度研究

研究单元生产环境中零部件生产工艺不相同情况下动态零件族跨单元生产的单元调度问题。以最小化单元制造系统的总流程时间为目标,对各生产单元的重组零件族进行生产调度,采用分级调度算法对该问题进行研究。算法将调度过程分为三层,即时间决策层、分配决策层和路径决策层,以时间决策层为最终优化目标,通过将时间分解至分配决策层再至路径决策层,下层时间达到最优后反馈至上层,层层优化来实现对单元制造系统的有效管理。最后通过算例验证该算法在单元生产环境下,能够根据加工时间和加工数量动态、合理分配零件到各生产单元,形成动态零件族,并优化工件在各单元的加工路径,具有一定的合理性和有效性。     

基于遗传算法的多资源作业车间智能优化调度

提出一种基于遗传算法的调度算法，用于解决作业车间的加工受到机床、操作工人和机器人等多种生产资源制约条件下的优化调度。以生产周期为目标进行的优化调度，将遗传算法和分派规则相结合，通过交叉、交异等遗传操作，得到目标的最优或次优解。最后对算法进行了仿真研究，并给出了算法运行结果，仿真结果表明该算法是可行的。     

多工艺路线多资源多目标的作业调度优化

针对多工艺路线多加工资源多目标的作业调度问题,提出了一种启发式活动调度算法,将该方法与多目标遗传算法及模糊优选技术相结合,得到了一种新调度算法.基于工序的染色体编码方法和基于活动启发式算法的交叉算子的运用,有效地缩小了遗传算法的搜索空间.将随机产生的权系数与模糊优选技术相结合,有助于遗传算法搜索到多个优良的调度方案,这为决策者得到最满意的调度方案提供了保证.仿真结果表明该算法是可行的,与国外学者的同类研究相比,具有一定的优越性.     

一种改进蚁群算法在车间作业调度问题中的研究与应用

讨论了蚁群算法在车间作业调度问题中的应用，针对传统蚁群算法求解调度问题的不足，将邻域搜索与蚁群算法结合，通过实验验证了该混合算法的有效性和优化性。     

求解作业车间调度的变邻域细菌觅食优化算法

针对最小化最大完工时间的作业车间调度问题,提出一种基于变邻域趋化操作的细菌觅食优化算法。邻域搜索是一类改进型局部搜索算法,在每一步迭代过程中通过搜索当前解的邻域得到一个改进的解,利用邻域搜索可大大提高局部最优解的精确度。本算法采用基于操作的编码,使得细菌觅食优化算法适用于作业车间调度求解;将3种不同的邻域结构引入趋化操作中,以便扩大可行解的搜索空间,细菌个体按照自适应学习策略根据邻域的各自贡献率选择搜索方式,减少陷入局部极小的机会;同时使用自适应步长更新各邻域内趋化操作的位置,根据适应度值动态调整搜索精度,避免早熟收敛。典型算例试验表明,该算法具有一定的鲁棒性,并有效地提高了搜索精度和收敛性。     

基于遗传算法的作业车间模糊调度问题的研究

在研究作业车间模糊调度问题的基础上，建立了两种作业车间模糊调度模型。对于只考虑模糊加工时间的问题，以最小完工时间作为优化目标；对于同时考虑模糊加工时间和模糊交货期的问题，以平均满意度最大作为优化目标。模糊加工时间用三角模糊数和梯形模糊数来表示，模糊交货期用梯形模糊数和六点模糊数来表示，给出了两种模糊数比较方法。应用遗传算法来求解最优调度顺序，并对遗传算法编码、初始种群的产生办法、解码、交叉及变异方法等方面做了研究。最后，给出了仿真实验结果和结论。     

基于POX交叉的遗传算法求解Job-Shop调度问题

通过改进传统的遗传算法求解Job—Shop调度问题。为基于工序的编码提出了一种新的POX交叉算子，并与其他交叉算子进行了比较以显示其高效性。为了保留父代的优良特征和减少遗传算子的破坏性，设计了一种子代交替模式的交叉方式。将提出的改进遗传算法应用于muth and thompson‘s基准问题的实验运行，显示该算法的有效性。     

一种求解作业车间调度问题的文化遗传算法

针对传统遗传算法缺乏有效指导,容易陷入局部极值的缺点,提出了以一种采用种群空间和信仰空间的双层进化结构进行寻优的作业车间调度算法。该算法针对调度问题的特点,以遗传算法为主群体空间,利用优良调度方案的知识信息构成信仰空间。为充分利用父代个体的优良特征加速收敛,算法采取不同的策略在主群体空间中指导遗传操作,在选择操作中引入k近邻法的思想进行动态学习,在变异操作中通过选择合适的变异点进行邻域搜索变异。典型算例的仿真实验与分析表明,算法在计算效率和求解质量上均具有较好的效果。     

遗传调度算法的研究

提出一种基于２算法进行生产调度优化的算法,该算法通过ＧＡ,启发式调度以及评价算法的有机结合,在调度效率较高的情况下,实现调度方案的全局优化。特别是这种方法为ＧＡ在调度系统中的应用提供了经验,也为解决工艺计划与生产调度的集成提供了一种有效的优化手段。     

基于混合离散蝙蝠算法的跨工序协同调度问题

针对跨工序的生产与配送协同调度问题,构建了前工序单机批加工、后工序多产线逐订单加工,且工序之间采用自动引导车循环配送的协同调度模型。以最小化最大完工时间和后工序前的在制品等待时间为调度目标,设计了融合模拟退火算法与解串算法的混合离散蝙蝠算法,与改进的离散粒子群算法和Ullrich遗传算法相比,该算法能很好地减少后工序产线前的队列等待时间,缩短产品的生产周期。     

基于激素调节机制改进型自适应粒子群算法在置换流水车间调度中的应用研究

研究以最小化最大流程时间为调度目标的离散型生产作业中的置换流水车间调度问题,将基于激素调节机制的改进型自适应粒子群算法应用到其中。在该算法中,粒子群算法的个体最优初始值不再是随机生成,而是由基于启发式信息的贪婪随机自适应算法得到的工件加工顺序转换而成,同时借鉴激素调节机制,引入激素调节因子,根据单个粒子周围的粒子的信息,对粒子的飞行方程进行改进,以提高搜索效率和搜索质量。对置换流水车间调度实例Rec系列基准问题进行测试,结果验证算法的有效性。