基于工件聚类的并行机调度算法及其应用

针对纺织生产广泛存在的带工件释放时间、以最小化总拖期工件数和总拖期时间为目标的大规模并行机调度问题,提出一种基于工件聚类的遗传算法。该算法将求解过程分为工件聚类和工件排序两个阶段。在工件聚类阶段,基于影响并行机调度性能的重要调度特征量,采用改进的模糊C-均值聚类方法将所有待上机工件分为多个聚类;在工件排序阶段,采用基于规则编码的遗传算法,优化各聚类内工件的加工顺序。数值计算结果及实际应用效果表明,所提出的算法适用于求解带工件释放时间的大规模并行机调度问题。     

求解流水车间调度问题的瓶颈指向启发式算法

针对最小化时间表长的流水车间调度问题,提出一种根据工件加工时间特征构建工件调度的瓶颈指向启发式算法。首先,为构建初始工件排序,充分利用各机器负荷一般不相等的特点,瓶颈阶段前加工时间较短而之后加工时间相对较长的工件优先开始加工;其次,当有工件等待加工时,根据工件在瓶颈机器前或后加工时间的特征调整工件加工顺序;最后,采用邻近工件成对交换和插入的方式改进初始调度。当瓶颈机器趋于中间阶段,或瓶颈机器上工件的加工时间趋于增加时,求解效果较好。数据实验表明算法是有效的。     

求解具有预防性维护的并行机调度的遗传算法

为了避免设备出现故障对生产造成损失,需对设备进行有效的预防性维护。本文研究了工件带有释放时间的预防性维护的并行机调度问题,以最小化总工期为优化目标。对该问题设计了一个遗传算法进行求解。染色体为工件序列和机器序列,采用最先适配启发式方法确定各工件的最优时间表。数值实验结果表明,本文设计的遗传算法的性能优于简单启发式算法——最短加工时间的最先适配算法,且计算时间是可接受的。     

加工时间可变的含多功能机的柔性制造单元调度

考虑了加工时间可变且制造单元中包含多功能机的工件加工调度问题.工件包含前道和后道两道工序,且工序加工时间线性增加.多功能机具有加工工件前、后道工序的能力,建立数学模型,模型的目标是时间最小化最大完工的时间,解的形式为工件加工路径的组合,采用遗传算法和启发式算法进行求解.最后,实验结果显示了所述方法的有效性.     

具有柔性加工时间的机器人制造单元调度问题改进遗传算法

为克服传统遗传算法在求解具有柔性加工时间的机器人制造单元调度问题时易出现早熟收敛、冗余迭代等缺陷,提出了改进遗传算法。该算法采用基于工件搬运顺序的染色体编码,并根据调度问题特征,设计构造型启发式算法来生成初始种群,避免了大量不可行染色体的产生,提高了后续操作的优化质量。同时,在交叉变异操作中引入局部邻域搜索,通过对子代邻域的局部寻优提高了算法的收敛速度。最后,分别应用该算法和传统遗传算法求解六个基准案例,实验结果验证了该算法的有效性。     

变邻域改进遗传算法求解混合流水车间调度问题

针对混合流水车间调度问题的NP难特性,提出一种改进的混合变邻域搜索的遗传算法。建立了数学模型,提出了算法的总体流程,设计了基于操作的编码和解码方法,并采用NEH启发式算法产生初始种群。随机采用基于位置的交叉和线性次序交叉,选用反转逆序的变异算子,交叉变异后合并子代与父代,保留较优个体,对当前最优个体执行变邻域搜索,以增强遗传算法的局部搜索能力。通过初始对比实验,证明了NEH启发式算法能够产生质量更好的初始解,随机采取两种交叉算子能够提高算法的搜索效率,标准算例实验结果表明所提算法能够有效求解混合流水车间调度问题。     

含串行批处理机的三阶段混合流水车间调度问题

基于钢铁行业炼钢-连铸-热轧一体化生产作业,提炼出新的三阶段混合流水车间调度问题。其中第二阶段有多台串行批处理机而其他阶段为离散机,批加工时间等于同一批内所有工件在第二阶段的加工时间之和,且考虑了设备需要调整时间等实际生产特征。以最小化总加权完成时间为目标函数,对该问题建立数学模型,提出基于工件分解策略的拉格朗日松弛算法,引入拉格朗日乘子将机器能力约束和批加工约束松弛到目标函数中,进而将形成的松弛问题分解为较易求解的多个工件级子问题,利用动态规划算法求解子问题,设计启发式算法将松弛问题的解转换为原问题的可行解。仿真实验表明,所设计的算法能够在可接受的运行时间内得到较好的近优解。     

基于改进遗传算法的网状流水线作业计划

在分析实际生产中流水作业种类的基础上提出了网状流水线作业计划的概念，它由两条或两条以上多阶段平行流水线构成；相邻阶段若干流水线之间存在交叉，在该交叉处前阶段加工完成的工件可向多条流水线后续设备流动；在传统遗传算法中引入多阶段编码、虚基因、自适应交叉操作等方法构成了改进遗传算法，以适应网状流水线作业计划的需要；建立了基于改进遗传算法的网状流水线作业计划方法，使各阶段网状流水线之间工件数动态平衡；用算例证明了网状流水线的优点和算法的有效性。     

调整时间与顺序相关的能耗优化调度问题

以陶瓷行业车间生产计划为背景,将其抽象为调整时间与顺序相关的能耗优化调度问题进行研究。以最少化总能耗为目标,建立数学模型;提出了基于NEH算法的混合遗传算法,其中初始化种群中,定义了虚拟工件概念,采用了改进NEH规则对种群初始化;为了对上述算法进行验证,提出了该问题的两个下界,设计了仿真试验,进行下界背离程度分析和CPU运行时间分析。计算结果表明：所设计的混合遗传算法能够在可接受的计算时间内获得合理的解。     

考虑多时间约束和机器效率的柔性作业车间调度问题建模及优化

针对传统柔性作业车间调度问题只考虑加工过程的局限性,综合考虑具有工件运输时间、交货期、加工时间以及工件到达时间等多约束,构建了以机器效率最大和最大完工时间最小为目标的调度模型,其中机器效率用每台机器开始加工到结束加工之间的空闲时间和来表示。模型中充分考虑多时间因素并通过工件紧前工序、机器前置工序确定机器的可用时间段和工件的最早开始加工时间。基于遗传算法设计了分段式编码和插入式解码策略,利用S-自适应概率对染色体交叉进行改进,并采用了一种基于最大化机器使用效率的选择策略对机器部分进行变异,另外为保证后代的多样性,提出一种局部种群扩张策略以扩大种群。最后,通过两个不同规模的柔性作业车间调度案例对模型和算法进行测试。实验结果显示所构建的模型适用于该类考虑多时间和机器效率的柔性作业车间调度问题,同时改进算法的表现也优于对比算法。     

基于改进区块进化算法求解置换流水车间问题

为了求解以最小化最大完工时间(Cmax)为目标的置换流水车间调度问题,提出利用NEH思想改进基于关联规则的区块进化算法。算法在初始化种群阶段使用经贪婪迭代思想改进的NEH算法代替完全随机法,使算法初始种群具有多样性和竞争优势,以加快收敛速度;在母体重组阶段提出使用兼具多样性和全局搜索能力的NEH交换方法,并结合具有较强领域搜索能力的相邻交换方法分别应用于不同的进化阶段,以提高重组母体的质量和多样性,加快收敛效率。通过对OR-Library中Taillard与Reeves的基准问题进行测试,并将结果与原算法及其他算法进行比较,验证了该算法的鲁棒性和有效性。     

基于多层编码的遗传-粒子群融合算法流水线优化控制

针对机械加工行业中多任务加工的流水线自动优化控制问题,建立了以"多工件多工序最短加工时间"为目标,以"实际加工限制"为约束的流水线加工控制数学模型,提出一种基于多层编码的遗传-粒子群融合算法。该算法以粒子群算法思想为基础,融合了遗传算法操作和多层编码机制,可防止陷入局部最优解,并具有较快的收敛速度。针对不同规模的加工实例进行仿真,结果表明该算法完成多工件多工序的加工时间比基本遗传算法缩短了约9%,具有提高流水线利用率和机械加工生产效率的优点。     

两阶段方法处理多并行机多缓冲炼钢连铸生产调度问题

针对炼钢连铸生产调度问题具有多并行机、多缓冲、多约束的特点,提出了两阶段求解浇次序列的最小完工时间,并用启发式和遗传算法进行优化的方法。在第一阶段,以浇次为单位进行单个浇次内各炉次的分配、排序及定时,并通过有限、无限和可加工缓冲区的三类缓冲能力进行调整,获得单个浇次的初始调度;第二阶段对多个浇次调度进行合并重组,以最小完工时间为目标,运用三类缓冲区的储存能力,对各炉次的加工时间改进,优化浇次的最优序列,获得更好的调度方案。最后根据某钢厂的实例用启发式和遗传算法可获得可行性优化解。     

基于遗传算法和贪婪算法的作业车间调度

研究了有关Job Shop作业车间调度问题,并分析了与操作顺序有关的工件加工时间和工件到期时间的约束.提出了一种混合遗传算法的调度新算法。运用遗传算法决定各工件的加工时间和每天的使用刀具总数,运用贪婪算法来决定工件在机器上的加工时间和所用的工具。将贪婪算法引入遗传算法的个体解码过程,可提高用遗传算法求解此类问题的效果。     

带有缓存约束的作业车间调度求解方法

针对已有的启发式算法在应用于带有缓存约束的作业车间调度时求解精度不高的问题,提出将解决方案从工件层级扩展到工序层级,并采用遗传算法对问题进行求解,以得到精度更高的解.同时,为避免传统遗传算法过早收敛和陷入局部最优,结合自适应交叉变异概率和良种交叉算子对算法进行改进.最后,通过实验计算结果,验证了算法能在同等缓存容量下获得精度更高的解.     

具有前成组约束的两阶段柔性流水车间的启发式算法

以模具加工车间为背景,分析具有前成组约束的两阶段柔性流水车间的特点,在对前成组约束进行定义和数学描述的基础上,以最少化最大完工时间为目标,建立具有前成组约束的、工件批量到达的两阶段柔性流水车间调度问题的数学模型,并且在第一阶段由两个成组加工单元构成;接着针对这一模型,提出一种启发式求解算法H′;运用数学分析的手段,给出该算法优化结果的一个下界;设计大量的实例测试集,将启发式算法H′与其他三种改造后的经典启发式算法进行性能比较,不仅验证启发式算法H′的有效性,而且还发现随着任务规模的增大,启发式算法H′的优越性更加明显,这一结论对H′算法在模具加工车间调度上的应用具有重要意义。     

锻造多属性有条件相容并行组批优化

针对锻造行业存在的多阶段、工件有条件相容、不确定加工时间、以最小化拖期和完工时间为目标优化的组批和排序问题,提出了基于工件模糊聚类的两种算法.算法1的工件优先级由工件熵值、工件松弛时间重要度、市场意志共同决定,批的优先级由批内最高优先级工件决定;算法2为随机密钥代表混合遗传算法,该算法用随机密钥进行编码和解码,采用基于规则编码的方法来优化基因序列和基于规则的交叉操作,采用小生境技术来调整个体适应度,采用精英保留策略产生下一代.数值实验结果表明,在多品种、高负荷下,混合遗传算法好于算法1,算法1好于其他启发式算法.     

以JIT为目标的多阶段非等同并行机调度问题研究

针对多阶段非等同并行机模式下的准时化(Just-in-TimeJ,IT)调度问题,采用由遗传算法和禁忌搜索算法混合的禁忌遗传递阶算法进行求解。禁忌遗传递阶算法用禁忌搜索算法对工件最佳加工次序进行搜索,而相应评价值由遗传算法计算得出。遗传算法采用基于阶段机器号的二维矩阵编码,可有效地避免不可行解的产生,同时采用自适应改进提高遗传算法跳出局部最优的能力。实际算例说明禁忌遗传递阶算法计算结果稳定可靠,适合于解决多阶段非等同并行机的JIT调度问题。     

基于遗传算法的批量 Flow-shop调度问题研究

结合实际情况，对批量Flow—shop调度问题进行了研究，给出批量Flow—shop调度问题的建模，根据不同的移动方式。给出工件在各机床上的起始加工时间的确定方法，并提出一种融入启发式规则的遗传算法进行问题的最后求解。最后的实例证明了提出的算法求解批量Flow—shop调度问题的有效性。     

带准备时间的柔性流水车间多序列有限缓冲区排产优化问题

针对带准备时间的柔性流水车间多序列有限缓冲区排产优化问题,提出一种改进的紧致遗传算法（Improved compactgenetic algorithm,ICGA）与局部指派规则结合的方法来解决该问题。全局优化过程采用改进的紧致遗传算法,为了克服紧致遗传算法（Compact genetic algorithm,CGA）易早熟收敛的问题,提出一种基于高斯映射的概率模型更新方式,在保持紧致遗传算法快速收敛特性的前提下,扩展了种群中个体的多样性,增强了算法进化活力。为减少生产阻塞和降低准备时间对排产过程的影响,设计了多种局部启发式规则来指导工件进出多序列有限缓冲区的分配和选择过程。采用某客车制造企业中的实例数据进行测试,测试结果表明,改进的紧致遗传算法与局部指派规则配合使用,能够有效解决带准备时间的柔性流水车间多序列有限缓冲区排产优化问题。