基于能耗的柔性作业车间调度多目标优化算法

针对柔性作业车间调度问题中的约束条件,考虑到低碳排放是制造业急需解决的问题,构建了一种基于最大完成时间和最大能耗的数学模型,提出一种改进的多目标优化算法。首先,在传统的NSGA-Ⅱ算法中融入粒子群算法的思想,提高解集的搜索能力;其次,将机器和工序部分进行分层编码,保证解集的合法性;然后,使用一种改进的密度估计方法计算平均距离,保证解集的分布性。为了验证算法的有效性,使用mk01～mk07标准测试数据对NSGA-Ⅱ算法及改进的多目标优化算法进行对比实验。结果显示,改进后算法得到的Pareto最优解集在解的多样性及收敛性方面优于传统多目标算法。     

求解模糊柔性作业车间调度的多目标进化算法

针对实际制造车间中工序加工时间具有不确定性,将加工时间采用模糊数表示,建立一种多目标模糊柔性作业车间调度模型,并提出了有效求解该模型的多目标进化算法.算法采用混合机器分配和工序排序策略的方法产生初始种群,并采用插入空隙法对染色体进行解码.定义一种新的基于可能度的个体支配关系和一种基于决策空间的拥挤算子,并将所提支配关系和拥挤算子运用于快速非支配排序.接着,提出一种基于移动模糊关键工序的局部搜索策略.实验部分首先通过田口试验方法来研究关键参数对算法性能的影响;其次,将所提算法与三种不同的优化算法作对比.实验结果验证了所提算法的有效性.     

基于遗传算法的柔性车间作业调度

目前柔性车间作业调度问题已成为研究热点,本文采用遗传算法求解该问题。针对柔性车间作业调度问题的特点设计了染色体编码方法,即将基于工序的编码和基于机器的编码方式结合。同时在遗传操作方面设计了相应的交叉和变异算子。这些改进方法可以保证遗传操作每一步产生的染色体在工艺约束和选择机器方面都是合法的,避免了传统柔性车间作业调度中繁琐的染色体合法化修复工作。为了得到活动调度,在进行适应度计算时对染色体中的基因序列进行调整。仿真结果表明设计的遗传算法求解柔性车间作业调度是有效的。     

事件驱动下柔性作业动态调度优化方法

对于加工制造型企业,尤其是以批量小而品种多样为主要生产模式的情况下,经常发生紧急任务插入、设备突发故障等不可预测事件,这些事件阻碍了车间作业调度方案的实施,导致初始调度方案的完成时间延长、能耗增加。针对某制造企业在其产品生产加工过程中较为常见的紧急任务插入和设备突发故障这两种干扰事件,提出了遵循设备选择和刀具选择两方面柔性的作业动态调度优化方法。通过分析在干扰事件发生情况下工件加工的能耗等特性,将加工能耗、加工成本与完工时间三个方面作为目标,构建了以事件为驱动的动态调度优化模型,最后利用多目标遗传算法NSGA-Ⅲ对模型进行求解,验证了所提方法的有效性。     

改进捕鱼算法求解柔性作业车间调度问题

传统基于精确算法求解柔性作业车间调度问题时,仅能对小量柔性作业车间调度问题实施求解,具有一定的局限性。针对该问题,采用改进捕鱼算法求解柔性作业车间调度问题,在分析经典捕鱼算法存在弊端的基础上,提出改进捕鱼算法,融入渔夫的自身感知性能以及捕鱼经验,分析鱼浓度高的区域,并不断趋向该区域区间,通过概率分布原理对渔夫撒网方案实施优化。分析求解柔性作业车间调度问题的描述以及性能指标,将性能指标作为改进捕鱼算法的输入,通过运算获取最佳的调度结果。实验结果说明,所提算法具有较高的调度效率和精度,并且确保作业车间能耗的最小化。     

考虑运输时间的柔性作业车间调度问题研究

针对工件实际加工过程中工件转移的重要性,对运输时间的柔性作业车间调度问题进行优化研究,建立了以最小化最大完工时间和总碳排放量为优化目标的调度数学模型,并提出了一种改进的NSGA-Ⅱ算法。算法采用基于工序和机器特征的双链式编码方法,设计了针对工件运输时间的插入式解码操作;为探索到更优的前沿解设计了一种局部邻域搜索策略;基于非支配解引入了节能低碳策略进行排放量调整;通过仿真实验对比结果,表明了改进NSGA-Ⅱ算法及其求解考虑运输时间的柔性作业车间调度问题的有效性。     

作业车间调度问题的多种群遗传算法

针对最小化完工时间的作业车间调度问题提出一个多种群遗传算法,该算法基于工艺约束定义个体的编码方式,基于工件操作构造遗传算子,保证了所有个体的可行性;多种群算法通过各个种群之间的相互竞争和良种共享,提高了资源的利用效率,有效地克服个体早熟,改善了算法的收敛性能.典型测试算例表明该算法是非常有效的.     

模具柔性流水车间滚动调度策略研究

针对模具柔性流水车间滚动调度问题,建立了滚动调度策略。该策略充分考虑了模具车间出现的各种扰动事件,建立了周期驱动和事件驱动相结合、利用滑动窗口的机制。最后通过仿真分析,说明了方法的有效性。     

基于混合蚁群算法的多模式下模具车间调度系统研究

针对多模式下模具车间调度问题,设计了一种混合蚁群算法进行求解。最后在企业信息系统的基础上,基于该算法模块设计了模具车间调度系统的框架。     

基于粒子群算法的车间作业调度问题

通过对车间调度问题的描述,针对传统算法寻优效率低的弱点,提出了一种基于粒子群算法的车间作业调度问题的解决方案.对粒子群算法的基本原理进行了阐述,并对粒子群算法的编码、参数的选择以及解码进行了研究,以最小化最大流程时间作为评价算法的性能指标,将其用于编程求解典型调度问题.仿真结果表明,粒子群算法在求解车间作业调度的应用上是十分有效的.     

基于状态图的车间作业遗传调度

针对车间作业调度问题,利用有向图模型对系统中工件和资源之间的交互关系建模,并应用遗传算法进行最优调度的求解。遗传算法采用多维矩阵的编码方式,解码后生成加工流程有向图,根据有向变迁图的更新最终获取每个染色体的适应度。每一代种群在遗传算子的作用下,按照适者生存和优胜劣汰的原理,逐代演化得到越来越好的近似解。     

基于混沌粒子群算法的多目标调度优化研究

针对当前车间调度多目标优化研究存在收敛速度慢、精度低的问题,提出了混沌多目标粒子群优化算法。在算法中,设计了一种新的叠加Logistic扰动的Tent混沌映射算子,通过该算子周期性地更新种群以保证种群的多样性;对收缩粒子群算法进行了扩展使其能够快速收敛到Pareto前沿。通过标准测试问题与实际应用对所提方法进行了验证,实验结果显示混沌多目标粒子群优化算法无论在收敛速度还是在优化精度上都优于其它典型多目标进化算法。     

基于改进遗传算法的多目标JSP调度研究

针对多目标车间作业调度问题(JSP),提出了一种混合遗传算法,将多目标遗传算法得出的初步优化结果作为粒子群算法的初始粒子,利用粒子群算法强化局部搜索,加快收敛速度,改善了简单遗传算法局部搜索能力差、迭代效率低的问题.仿真结果表明了该算法对JSP调度的良好效果.     

IC制造作业调度及资源配置机制研究

考察和分析了当前流行的IC作业调度的算法模式.在此基础上,将制造系统中的作业调度回归到本原意义上,即制造资源优化配置必须保证制造步骤得以实施,得出既处理待加工硅片,也处理加工设备的双资源调度路线.结合判决式实例(Benchmark),给出IC制造领域中静态地匹配单机加工能力和加工片量的设备配置优化算法,以及动态地调度制造资源以维持工厂流水线式并行生产的作业调度方案,使之在机器运行效率、在制品数量和制造周期压缩、生产批的流程制造可预定性等方面,均取得最优化的效果.     

带运输资源约束柔性作业车间调度问题的人工蜂群算法

本文针对一类柔性作业车间调度问题,综合考虑运输资源约束、工件间准备时间约束等条件,以最小化最大完工时间和能耗为目标,提出了一种改进的人工蜂群优化算法.为求解该问题,算法采用二维向量编码,即调度向量记录工件的调度顺序,机床分配向量记录工件分配可用机床情况,解码过程充分考虑运输资源、工件间准备时间等约束条件.在局部搜索策略...     

基于改进的禁忌搜索算法求解车间作业调度问题

本文描述了一种解决车间作业调度最短完工时间问题的有效禁忌搜索算法,建立了该问题的数学模型,并提出了新的邻域构造方法。该算法利用改进的插入算法构造尽可能好的初始解,然后使用禁忌搜索算法改进当前解。实验结果表明该算法是可行和有效的。     

求解模糊作业车间调度问题的群体邻域搜索算法

 本文提出一种群体邻域搜索算法(Swarm-based Neighborhood Search,SNS),用于最小化模糊作业车间调度问题(Fuzzy Job Shop Scheduling Problem,FJSSP)的模糊makespan.该算法使用基于有序工序的编码,通过锦标赛选择和概率为1的动态调整互换操作更新群体.对调度结果的理论分析表明,模糊makespan能反映解的优劣.理论分析及大量实验证明,SNS具有较强的全局和局部优化能力,以及较快的收敛速度,在求解FJSSP方面具有较强的优势.