基于一种改进遗传算法的ERP车间调度研究

ERP系统已成为我国企业管理的一个有效工具,然而目前所有的ERP系统还不完善,其中关于JSP问题则是一个一直没有得到很好解决的难点.正是在深入研究这一问题之后,首先建立一种更加适应企业实际应用的JSP模型,在此基础上对遗传算法做出相应改进,增加对该模型的适应度,并且用该改进算法来解决ERP系统的JSP问题.最后结合具体案例在VB环境下实现该算法软件设计,初步实现ERP软件中的JSP功能,增强ERP系统的完善性.     

一种基于改进遗传算法的车间调度问题研究

作业车间调度是一类求解较困难的组合优化问题,在考虑遗传算法早熟收敛问题结合模拟退火算法局部最优时能概率性跳出的特性,该特性最终使算法能够趋于全局最优。在此基础上,将遗传算法和模拟退火算法相结合,提出了一种基于遗传和模拟退火的混合算法,该算法将模拟退火算法赋予搜索过程一种时变性融入其中,具有明显的概率跳跃性。同时。通过选取Brandimarte基准问题和经典的Benchmarks基准问题进行分析,并应用实例对该算法进行了仿真研究。该结果表明,通过模拟退火算法与遗产算法相集合,可以使计算的收敛精度明显提高,是行之有效的,与传统的算法相比较,有较明显的优越性。     

一种改进的遗传算法在车间调度中的应用

研究现代生产先进制造车间调度问题 ,对于发挥先进制造车间的高效性和灵活性具有十分重要的意义。生产过程的计划调度问题 ,是实现制造系统运筹技术、管理技术与优化技术的核心。因此 ,优化调度算法的性能直接影响到FMS的生产效率和应变能力。本文在传统的遗传算法的基础上 ,对车间调度算法进行了深入的研究。基于机床负荷平衡的思想 ,提出了面向先进制造车间的平衡遗传算法 ,并与传统的遗传调度算法进行了对比。实验表明 ,该调度方法具有较高的可行性、有效性和稳定性。保证了各个机床的负荷平衡 ,满足了交付期的要求     

基于改进遗传算法的车间调度问题求解

针对车间调度问题(Job Shop Problem,JSP)的特点,提出一种改进遗传算法。该方法利用剩余作业时间最多(MostWork Remaining,MWR)的工件优先排列的启发式规则来产生初始种群,并且在进化过程中采用分代交叉算子进行操作来避免算法早熟。通过分析算例结果表明,该改进遗传算法可以在进化初期就得到比较理想的调度方案,而且优化收敛速度快、结果优,更适用于解决车间调度问题。     

基于机器学习的改进遗传算法在车间调度中的应用

将机器学习原理应用到解决车间调度问题的遗传算法中,使初始种群中的每条染色体都具有较高的适值。从而使得进化过程在经过很少的迭代次数后即可达到稳定,同时避免了最优解的丢失问题。     

求解作业车间调度问题的一种改进遗传算法

为克服传统遗传算法解决车间作业调度问题的局限性,综合遗传算法和局部搜索的优点,提出一种改进的遗传算法。为基于工序的编码提出了一种新的POX交叉算子。同时,为克服传统遗传算法在求解车间作业调度问题时的早熟收敛,设计了一种子代交替模式的交叉方式,并运用局部搜索改善交叉和变异后得到的调度解,将提出的改进遗传算法应用于MuthandThompson基准问题的实验运行,显示了该算法的有效性。     

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     

基于遗传算法的柔性车间作业调度研究

阐述了对基于遗传算法的柔性车间作业调度进行研究的重要意义及其研究现状,分析了传统算法应用于车间作业调度过程中出现的问题,论述了在柔性车间作业调度中运用遗传算法的可行性。     

基于面向对象遗传算法的柔性车间调度研究

针对柔性车间作业调度问题,基于面向对象思想设计了一种遗传算法。该算法将实际操作封装成基因类,工件封装成工件类,机床封装成机床类,调度方案封装成染色体类,基于堆栈思想设计了染色体的创建方式,提出了全新的染色体解码方式及变异方式。通过仿真实例证明了该算法的有效性和实用性。     

改进自适应遗传算法在硫化车间调度中的应用

针对轮胎加工生产过程中的瓶颈即硫化工序的生产调度，建立了一个基于改进自适应遗传算法的调度方案。改进自适应遗传算法相对于普通遗传算法，能够更有效收敛于目标，提高运算速度，并通过实例证明了该算法的有效性和可行性。     

基于客户定制生产的车间作业计划

以某离散型制造企业为对象,建立了一种基于客户定制生产的车间作业计划制定模型并给出相应的算法.通过作业优先级设置和工序时间平衡,达到在短时间内生成可用的作业计划.在此基础上,建立起相应的软件模块功能模型,描述了模块的基本功能.最后讨论了车间作业计划制定模型的局限性并给出了相应的解决方法.     

基于改进粒子群算法的车间作业排序的优化设计

兼顾车间作业排序中的制造周期和机器利用率,建立了以最小化最大完工时间为主目标、以最大化机器利用率为从目标的优化模型。设计了引入自适应技术的惯性权重,使基本粒子群算法的学习因子可动态变化地改进粒子群算法,并用该改进后的算法对车间作业排序进行了优化设计。实例研究表明：改进后的粒子群算法在收敛速度和收敛可靠性上均优于未改进的粒子群算法,在求解车间作业排序问题的应用中具有更高的求解质量。     

基于改进粒子群算法的车间作业排序的优化设计

兼顾车间作业排序中的制造周期和机器利用率,建立了以最小化最大完工时间为主目标、以最大化机器利用率为从目标的优化模型。设计了引入自适应技术的惯性权重,使基本粒子群算法的学习因子可动态变化地改进粒子群算法,并用该改进后的算法对车间作业排序进行了优化设计。实例研究表明:改进后的粒子群算法在收敛速度和收敛可靠性上均优于未改进的粒子群算法,在求解车间作业排序问题的应用中具有更高的求解质量。     

模具生产车间调度算法研究与实现

针对模具加工的特点，分析了其车间调度中的各种实际情况和约束关系，针对不同类型设备推导出了相应的调摩公式。引入了“工时虚增值”的概念，并在此基础上提出和实现了相关的优先权值调度算法。实践证明，该算法具有良好的可行性和实际可靠性。     

面向IC生产模式的Job Shop调度问题的研究

针对即时定制生产模式的车间调度的特点,提出基于粒子群算法(PSO)的车间调度问题的解决方案.利用粒子群算法本身的优越性解决复杂的车间作业排序问题,克服了传统调度算法存在寻优效率低或全局寻优能力差的弱点.对粒子群的编码及寻优操作进行研究,确定了更适合车间调度问题的编码和操作方式,并将算法进行编程,应用到系统的车间调度部分.仿真结果表明,通过设置适当的参数,可以快速地得到理想的排序结果,能够适用于IC生产模式的车间调度问题.     

考虑工序相关性的Job Shop调度问题及其析取图模型

提出了一类考虑工序相关性的Job Shop调度问题,对工序相关性从代数描述、甘特图表示和类型转换等方面进行了较为系统的数学描述;进一步提出在经典的车间作业计划析取图模型中,通过加入相关弧以表示工序的相关性。具体叙述了相关弧的添加方法及考虑工序相关性的 Job Shop调度问题的析取图建模方法,并对一实例进行了建模。     

求解车间作业调度问题的约束规划与整数规划混合方法研究

针对考虑机器可用性和与作业排序相关的调整时间2个硬约束的现实车间作业调度问题,提出了一种最小化加权拖期的混合求解方法。该方法以基于逻辑的Benders分解法为集成框架,将整数规划作为主问题解决机器分派问题,将约束规划作为子问题解决受机器可用性和顺序相关的调整时间约束的作业排序问题。通过运用Dash-Xpress系统对某企业车间作业调度问题的实际应用,验证了该方法的可行性与有效性。     

基于蜂群算法的作业车间调度研究

根据群体智能原理 ,利用蜜蜂个体与环境之间交互安排任务的模型 ,针对多批次 ,各批次工件随机到达情况下的作业车间调度 ,提出了基于蜂群算法的动态调度方法 ,仿真实验结果表明该方法能够起到优化调度的作用。     

单件生产系统中动态车间作业计划与监控系统的集成研究

对于动态多变的单件生产系统来说，车间作业计划是最有效的生产管理措施之一；在编制这类生产系统的车间作业计划时，与监控系统有效集成又是必须考虑的最关键的问题。为此研究了单件生产系统中车间作业计划与监控系统的集成问题，又提出了集成的总体结构，基于这一结构，叉提出了日程作业计划的3种确定方法，较详细地分析了在进行车间作业计划滚动编制时，对各种监控反馈信息的处理措施。