多目标混合流水车间机器故障重调度问题研究

在数字化转型过程中,如何解决好生产调度问题是研究者关注的问题。混合流水车间机器故障是在生产调度过程中常遇到的问题。为此,需要为快速解决机器故障的重调度问题找到方法。在解决机器故障重调度过程中,主要考虑的因素为加工时间不能确定、物流装卸时间以及生产设备布局限制,从而提出这种多种重调度组合的重调度方法。首先建立双目标数学模型,系统中植入NSGA-II算法求解初始调度方案,算法采用启发式规则和随机化的方式生成初始解,利用仿真的方法对调度方案进行评价。其次,将多种重调度方式融合在一起,通过设备故障仿真验证重调度方法,试验验证启发式规则作为初始解的一部分,可以非常好地提高算法的搜索效率,所研究的重调度方法能够有效解决混合流水车间机器故障问题,具有重要的意义。     

作业车间类型多机器人制造单元调度算法

针对带多台机器人的作业车间类型机器人制造单元调度问题的特点,研究了以最小化最大完工时间为优化目标、将邻域搜索策略与启发式规则相结合的混合遗传算法,建立了作业车间类型多机器人制造单元调度问题的数学优化模型和析取图模型。基于析取图关键路径,采取移动机床块、交换机器人块、调整任务分配来构建搜索邻域;用启发式搬运工序插入法和启发式搬运任务分配法相结合的三层调度方法初始化种群;将基于邻域结构的局部搜索算法和基于三层调度的遗传算法相结合,有效实现问题的求解。通过基准算例测试表明,混合遗传算法有效并优于其他算法。     

基于混合粒子群优化算法的置换流水车间调度问题研究

针对最大完工时间最小的置换流水车间调度问题,提出一种粒子群优化算法与变邻域搜索算法结合的混合粒子群优化（hybrid particle swarm optimization,HPSO）算法。在该混合算法中,采用NEH启发式算法进行种群初始化,以提高初始解质量。运用基于随机键的升序排列规则（ranked-or-der-value,ROV）,将连续PSO算法应用于离散置换流水车间调度问题中,提出了一种基于关键路径的变邻域搜索算法,以进一步提高算法的局部搜索能力,使算法在集中搜索和分散搜索之间达到合理的平衡。最后,运用提出的混合算法求解Taillard和Watson基准测试集,并将测试结果与一些代表算法进行比较,验证了该调度算法的有效性。     

基于混合遗传算法求解分布式流水车间逆调度问题

分布式调度是智能制造的新模式,急需新的调度方法来应对动态多变的市场需求。针对分布式置换流水车间问题,采用逆调度方法优化,通过最小调整加工参数,使得尽可能保证原排序的情况下调度最优。以最小化调整加工时间为目标,建立流水车间逆调度数学模型,针对逆调度问题特征,在遗传算法的框架下提出一种混合遗传优化算法。首先,基于逆调度参数可调的特征,提出基于工序的小数机制双层编码方案,能够实现参数的调整,保证可能解;提出改进启发式方法和基于规则的方法相结合的混合初始化方法;其次,采用适合问题特征的交叉、变异操作执行搜索;为协调全局搜索与局部搜索能力,设计局部搜索策略和学习机制的双种群协同搜索策略。为验证算法性能,基于问题实例采用三种算法进行比较,并且进行统计分析,其结果表明所提算法能更有效求解分布式流水线逆调度问题。     

一种求解Flow-Shop调度问题的混合量子进化算法

针对Flow—Shop调度问题,在量子进化算法的基础上,提出了一种求解置换流水车间调度问题的混合量子进化算法（HQEA）,融合了量子进化算法和经典遗传算法的优点,并提出了一种新的针对置换流水车间调度问题的解码方法和一种新的量子门更新旋转角策略,最后针对一系列典型置换流水车间调度问题进行了对比仿真。研究结果表明,所提出的混合量子进化算法HQEA具有良好的全局搜索能力和较快的收敛速度。     

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。     

考虑衰退的流水车间生产与预防性维护集成调度方法

为有效解决流水车间生产与预防性维护的集成调度问题,提出考虑设备衰退的基于改进人工蜂群算法的集成调度方法。对具有设备衰退特征的流水车间集成调度问题域进行了描述,并以最小化完工时间和最小化维护成本为优化目标建立了数学规划模型。针对生产与维护两个决策变量,提出改进双目标人工蜂群算法。该算法融合改进的基于分类排序的Pareto遗传算法的快速排序规则,引入局域禁忌搜索策略和概率接受准则以提高搜索性能。仿真实验表明了该算法的可行性和有效性。     

基于机床加工匹配特性的混合流水车间绿色生产调度

针对混合流水车间绿色生产过程中的设备选择和调度目标匹配问题,提出基于机床加工特性的多目标调度模型和改进遗传算法。该算法建立了混合流水车间调度的时间、能耗与成本优化模型,采用模糊隶属方法描述了机床加工特性,在遗传算法求解过程中通过机床加工特性隶属度与调度目标的权重系数匹配关系,建立了自适应的交叉、变异和优势保留策略,在每一代迭代中提高在调度目标方向上的选择压力,加速收敛。通过实例分析对比了不同算法的优化结果,从而验证了模型及算法的有效性,并提出了高效、节能、经济和综合4种调度生产模式,为混合流水车间绿色生产提供了指导。     

基于DBR—GA的混合流水车间调度方法

针对带有并行机与批处理机的混合流水车间调度问题,提出一种基于“鼓-缓冲器-绳子”一遗传算法的调度方法。首先建立了识别瓶颈工作站的步骤,开发了相应的启发式算法,进行了问题初始解的求解,在此基础上应用改进遗传算法对作业在瓶颈工作站上的加工顺序进行优化,并利用缓冲机制决定了作业的投放策略,同时对非瓶颈设备运用优先级规则进行了作业的排程。最后通过算例实验和性能分析,验证了所提调度方法的有效性与实用性。     

带连续式批处理机的可重入混合流水车间调度

为了解决冷拔无缝钢管生产周期长、能源消耗高的问题,实现生产调度的智能化、绿色化,研究了带连续式批处理机的可重入混合流水车间调度问题。首先考虑批处理机缓冲区的影响,构建了调度优化模型;然后设计了改进的基于分解的多目标进化算法用于该问题,提出了基于工序的编码方案和均衡考虑完工时间与能耗的解码方案,根据多样性指标的高低设计了局部搜索和多样性增强策略,并通过对最优解局部搜索来提高解的多样性;最后,通过对不同算例的实验,验证了所提算法可以高效地求解带连续式批处理机的可重入混合流水车间调度问题。     

基于引力搜索算法的混合零空闲置换流水车间调度

针对以最小化总流水时间为目标的混合零空闲流水车间调度问题,提出一种有效的贪婪引力搜索算法(GGSA)进行求解.引入了基于升序排列(ROV)规则的编码方式,使引力搜索算法(GSA)能够应用于离散优化问题;其次,对GSA进行了改进:在初始化中加入NEH(Nawaz-Enscore-Ham)启发式规则构造高质量的初始解,以提高搜索效率;引入可变迭代贪婪(vIG)算法,利用其较强的局部开发能力,提高算法精度;同时,在vIG算法中加入参照插入方案(RIS)和模拟退火收敛判据,前者可以加强局部搜索能力、加快收敛速度,后者可以帮助算法在一定程度上跳出局部最优.最后,通过对典型测试算例进行仿真,验证了所提出算法的有效性.     

基于DFA-TS算法的柔性作业车间调度问题求解

通过对柔性作业车间调度的特点和求解该问题的智能算法的研究,提出了一种混合离散萤火虫禁忌搜索算法来求解该问题。该算法基于相似度和剩余作业时间最多的启发式规则来产生初始种群,通过对标准萤火虫算法进行改进,提出了一种离散萤火虫算法,并将该算法与禁忌搜索算法进行融合来加强局部搜索能力。最后结合实验结果证明了该算法能很好地解决柔性作业车间调度问题。     

双资源约束作业车间调度算法研究

针对存在差异性工人的双资源约束作业车间调度问题,提出一种混合蚁群算法进行求解.该算法借鉴禁忌搜索思想,基于工艺约束为每只蚂蚁建立候选解空间,通过压缩蚂蚁搜索空间提高解搜索效率;引入各种启发式资源选配策略,在蚂蚁寻径过程中渐进地为各工序配置最优的设备、工人双资源组合;以模拟退火算法作为局部搜索机制,对每次迭代的最优解进行退火优化,增强算法全局收敛能力.证明了该混合算法的搜索过程是一个有限非齐次不可约马尔科夫链后,基于马尔科夫链知识对其全局收敛性进行理论分析.最后采用仿真试验及统计分析方法确定最优的参数组合和资源选配策略,通过该混合蚁群算法与其他算法对随机算例运算结果的对比分析,表明所提算法搜索性能较强且鲁棒性较优.     

蚁群算法求解混合流水车间分批调度问题

为解决混合流水车间分批调度问题,提出一种三级递阶结构的蚁群算法.算法中,第一级蚁群算法设计了一种批量大小动态结合的柔性分批策略,完成产品的批次划分;第二级蚁群算法考虑工件在各设备的加工时间和设备可用能力,设计蚂蚁设备间的转移概率,完成工序约束下各批次的设备选择;第三级蚁群算法考虑同一设备上批次顺序相关的换批时间,设计蚂蚁批次间的转移概率,完成各设备的批次排序.通过实例仿真,分别对分批算法和混合流水车间调度算法性能进行比较分析和评价,结果表明了算法的有效性和优越性.最后从生产实际出发给出算例,验证了算法的有效性和对生产实践的指导作用.     

柔性流水车间设备利用率排产优化问题研究

针对具有工序约束信息的柔性流水车间的设备利用率优化问题,提出利用PSODE混合算法来解决该问题,全局优化过程采用群体优化算法,在局部优化过程中通过上下道关联工序约束信息来控制工件的分配,将并行工位总设备利用率作为适应度函数,构建了具有关联工序约束的柔性流水车间生产调度模型,确定生产工件的加工路径、加工顺序、开工时间和完工时间。通过多组方案数值计算结果对比分析,验证了PSODE算法解决柔性流水车间设备利用率优化问题的有效性。     

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     

基于激素调节机制IPSO算法的相同并行机混合流水车间调度问题

针对相同并行机混合流水车间调度问题,提出一种基于激素调节机制的改进粒子群算法.首先,以最小化最大完工时间为目标构建数学模型;其次,设计了基于排列的编码解码方式,并提出新的NEH启发式算法用于提升初始种群的质量;然后,基于激素调节机制和相关系数法改进了速度更新公式,引用了一种随机拓扑结构将种群最优位置换为可变的邻域最优位置,并随机采用两种交叉算子和3种变异算子用于增强算法的全局寻优能力;最后通过两个对比实验,证明了新的NEH启发式算法能够产生质量更好的初始种群,改进的速度更新公式能够有效提高算法的搜索质量,通过标准算例实验,验证了所提算法在解决混合流水车间调度问题上具有优越的性能.     

增强型混合离散差分进化算法求解阻塞流水车间调度问题

针对以最小化制造期为优化目标的阻塞流水车间调度问题,提出一种基于动态自适应的增强型混合离散差分进化算法。增强型混合离散差分进化算法采用基于工件排列的形式进行编码,首次利用带机器权重的PF规则与NEH启发规则联合构造初始种群,PF-NEH联合规则提升了初始解的质量和多样性;在差分进化的变异阶段,采用一种全新的分类变异策略,更有针对性地控制不同适应度个体的变异需求和方向;在交叉阶段,采用基于位置的交叉策略,保证得到一组合法完整的实验调度序列,并利用贪婪选择的方式确定目标个体;在局部搜索阶段,加入禁忌搜索算子,并融入一种新颖的兼顾集中性与多样性的自适应局部搜索机制,以动态平衡算法的全局粗搜索和局部细搜索。此外,为避免算法的早熟及后期易陷入局部最优,增加了多样性保持机制。最后,在典型算例上进行各种性能实验,验证了所提出的增强型混合离散差分进化算法的有效性和优越性。     

批量生产集成调度问题的嵌套式混合遗传算法

针对多级供应链环境中制造商利用混合流水车间方式生产时如何确定生产、采购及产品运送决策的问题,提出基于混合流水车间调度的批量生产与运送调度模型。考虑双重调度的复杂性,设计了两层嵌套式混合遗传算法,外层针对批量生产与运送调度,限制搜索最优运送频率及生产周期;内层解决混合流水车间调度,特别设计染色体的复式均匀交叉机制,求解产品生产排序及相应的原材料采购批量问题。通过算例验证了算法对解空间的搜索广度、准确度和全局收敛性能,为进一步研究较大规模的复杂供应链调度问题提供了可借鉴的方法。     

基于改进混合作用力微粒群算法的液压阀块加工车间调度优化

针对微粒群算法作用力规则的不足，提出改进混合作用力微粒群(IHFPSO)算法。采用阶段性搜索策略，将算法的搜索过程分为前期和后期2个搜索阶段：在前期搜索阶段，微粒在其他微粒的引斥力作用下进行最优搜索，以保持种群多样性；在后期搜索阶段，微粒在双引力及引力提供的加速度的共同作用下向最优解收敛，以提高局部搜索能力。将所提出的IHFPSO算法应用于液压阀块加工车间调度问题，利用矩阵变量来处理约束条件，给出一种基于矩阵的微粒编码、解码方法。通过液压阀块加工车间调度优化实例，将IHFPSO算法与微粒群算法、中值导向微粒群算法、扩展微粒群算法、多作用力微粒群算法进行对比，验证提出的IHFPSO算法结果最优，实现液压阀块加工车间调度优化。