基于Pareto最优的多目标集成协作计划与调度

针对现有制造系统中协作计划、生产计划和调度方案不能同步制定的问题,考虑在供应链环境下有协作的计划与调度,构建了一种多目标集成协作计划与调度优化模型。提出一种基于Pareto最优的多目标优化算法,设计了包含协作染色体的基于作业的集成编码方案,通过惩罚操作实现协作计划与生产计划的同步协调。考虑供应链协调中常见的完工时问、总成本、总拖期时间、平均流经时间四个性能指标对模型进行整体优化。通过仿真实验验证了模型及其算法的有效性。     

多目标控制电梯群控调度算法的优化

针对模糊推理获取电梯群控指标可信度时缺乏学习性的缺点,引入了人工鱼群算法用于决策函数的多元线性回归曲线的优化。呼梯信号和电梯运行信息经采集与计算,得到了厅层召唤等待时间(HCWT)、厅层召唤最大等待时间(maxHCWT)、剩余响应能力(CV)和召唤集中程度(GD)这4个输入变量,经模糊推理获取了平均候梯时间(AWT)、乘客长候梯率(LWP)和能量消耗(RNC)3个群控指标的可信度值,并以此为样本训练人工鱼群,获得了决策函数。经决策函数计算得到的群控指标可信度值,再与由客流交通模式决定的指标加权系数进行线性平均,以此作为目标评价函数进行电梯群控调度,实现了对电梯运行效率和节能的多目标控制。经电梯群控仿真平台评测,实验结果表明优化后的群控调度算法能明显改善群控指标。     

MES的计划、调度集成问题研究

在分析制造执行系统(Manufacturing Executive System(MES))产生的背景、概念及其特点的基础上，构造了先进制造车间(Advanced Manufacturing Shopfloor(AMS))计划调度问题的集成功能模型。结合此模型，建立了AMS的作业分批与计划调度的数学模型，并在最后给出了求解此类问题的常用算法。     

基于遗传算法的柔性车间多目标优化调度

针对工件投料时间和机器起用时间不为零的柔性车间多目标优化调度问题,提出了一种改进遗传算法.染色体编码采用机器分配链和工序顺序链的双链结构;用均匀设计法、最短加工时间机器指配法、随机生成法三种方式产生初始种群;由锦标赛方法、最优保存策略和新生策略混合进行选择操作;以传统交叉方式、面向瓶颈机器的交叉方式,以及面向瓶颈工件的...     

基于粒子群算法的并行多机调度问题研究

将港口拖轮作业调度问题描述为一类带特殊工艺约束的并行多机调度问题,采用粒子群算法求解该类调度问题,提出了一种2维粒子表示方法,通过对粒子位置向量进行排序生成有效调度,并采用粒子位置向量多次交换的局部搜索方法来提高算法的搜索效率。最后,通过计算验证了混合粒子群算法的有效性。     

基于免疫遗传算法的工艺设计与调度集成

为实现工艺设计与调度的并行分布式集成，建立了工艺规程调度仿真优化的数学模型，确定了模型的决策空间、目标函数及约束条件。提出了一种协同进化免疫遗传算法，用以同时优化零件的备选工艺规程组合和调度方案，通过工艺种群及调度种群的相互促进，实现协同进化，依据抗体的亲和力及抗体浓度来保持群体的多样性，根据抗体的激励度来进行免疫选择，采用最优解保持策略，确保算法的收敛性，考虑编码特点，工艺抗体采用均匀交叉及随机扰动变异，而调度抗体采用均匀顺序交叉及倒位变异。通过对10台设备10种零件的实例仿真，验证了算法的有效性。     

基于蚁群算法的模具制造动态调度研究

为解决模具制造动态调度问题,建立了动态调度系统。该系统利用蚁群算法和优先分配启发式算法相结合的调度算法,解决具有工件约束的模具零件的调度问题。该算法首先由蚁群算法确定模具零件各工序所用加工机床,然后利用优先分配启发式算法确定在同一台机床上加工的各零件的先后顺序。考虑动态调度的实时性,提出了局部更新和全局更新相结合的、基于滑动窗口机制的动态调度方法。对于发生频率高但对调度计划执行影响不大的扰动事件采用局部更新策略,反之则采用全局更新策略,在保证获得近优解的同时提高了动态调度的效率。     

面向e-制造的工艺规划与调度集成系统研究

为了适应e-制造环境对企业生产调度提出的新要求,提出了一种工艺规划与生产调度动态集成的系统模型。在该模型中,首先采用模糊评价方法根据不同零件的完成提前期、设备利用率、其他制造资源利用率等因素进行了动态工艺路线决策,得到适合目前生产情况的工艺方案,然后根据设备的负荷系数进行制造资源决策,把工序任务分配给具体的设备。为了解决被分配到e-制造单元的工序任务调度问题,根据零件在设备之问转移时间的条件,提出了一种e-制造单元调度问题的蚁群算法模型,并根据自适应调度原理,给出生产情况变动时动态调度策略,保证了调度结果的可行性。     

成批生产计划调度的集成建模与优化

针对多品种批量生产类型,建立了调度约束的生产计划与调度集成优化模型。模型的目标函数是使总调整费用、库存费用及生产费用之和最小,约束函数包括库存平衡约束和生产能力约束,同时考虑了调度约束,即工序顺序约束和工件在单机上的加工能力约束,保证了计划可行性。该模型为两层混合整数规划模型,对其求解综合运用了遗传算法和启发式规则,提出了混合启发式求解算法。最后,针对某机床厂多品种批量生产类型车间进行了实例应用,对车间零件月份作业计划进行分解,得到各工段单元零件周作业计划,确定了零件各周生产批量与投产顺序。     

模拟退火粒子群优化算法在工艺规划决策中的应用

为了实现面向精益生产的制造系统中的工艺与调度并行设计,在工艺规划决策中,建立了面向精益生产的工艺规划与调度集成模型.在考虑设备负载平衡以及完成加工任务时间最短的条件下,设计了一种离散模拟退火粒子群优化(Particle Swarm Optimization based on Simulated Annealing,SAPSO)算法,并行设计及优化零件的工艺方案和调度方案,并最终获得其最优工艺方案及与之相对应的优化调度方案.通过对10台设备10种零件的示例仿真验证了算法的有效性.     

基于多目标遗传算法的炼焦生产过程优化控制

针对某钢铁企业实际炼焦生产过程的优化控制问题,提出一种多目标分层优化控制策略.首先采用主成分分析、灰色关联分析及改进前馈神经网络方法,建立综合生产目标与局部优化目标的关联模型,将综合生产目标映射为局部优化目标.然后建立以焦炭产量最大、焦炉能耗最小为优化目标,焦炭质量与工艺要求为约束条件,局部优化目标为决策变量的多目标优化模型.通过多目标遗传算法求解多目标优化问题,获得局部优化目标值.最后将局部优化目标作为各子过程控制系统的设定值及优化调度系统的决策参数,来动态调整过程操作参数,实现企业期望的综合生产目标.实际运行结果表明,提出的优化控制策略取得了较好的应用效果.     

Multidisciplinary design optimization of vehicle instrument panel based on multi-objective genetic algorithm

Typical multidisciplinary design optimization(MDO) has gradually been proposed to balance performances of lightweight, noise, vibration and harshness(NVH) and safety for instrument panel(IP) structure in the automotive development. Nevertheless, plastic constitutive relation of Polypropylene(PP) under different strain rates, has not been taken into consideration in current reliability-based and collaborative IP MDO design. In this paper, based on tensile test under different strain rates, the constitutive relation of Polypropylene material is studied. Impact simulation tests for head and knee bolster are carried out to meet the regulation of FMVSS 201 and FMVSS 208, respectively. NVH analysis is performed to obtain mainly the natural frequencies and corresponding mode shapes, while the crashworthiness analysis is employed to examine the crash behavior of IP structure. With the consideration of lightweight, NVH, head and knee bolster impact performance, design of experiment(DOE), response surface model(RSM), and collaborative optimization(CO) are applied to realize the determined and reliability-based optimizations, respectively. Furthermore, based on multi-objective genetic algorithm(MOGA), the optimal Pareto sets are completed to solve the multi-objective optimization(MOO) problem. The proposed research ensures the smoothness of Pareto set, enhances the ability of engineers to make a comprehensive decision about multi-objectives and choose the optimal design, and improves the quality and efficiency of MDO.     

一类多层生产排序问题的建模与求解

针对一类航天企业普遍存在的多层生产排序问题,建立了整体优化模型,并根据多层生产排序的特点,提出了一种分解-协调的建模思想及其求解策略.在建立三层子问题独立优化模型的基础上,依据各层工件可开工时间及设备最早可用时间对优化解进行自下而上的协调,逐步获得各层子问题的最优解,进而获得整体问题的满意解.采用该方法对来源于实际企业的多层排序问题进行建模和求解,所得结果较实际结果有显著提高,验证了其有效性和实用性.     

Integrated optimization of production planning and scheduling for a kind of job-shop

This paper addresses an integrated job-shop production planning and scheduling problem with setup time and batches. It not only considers the setup cost, work-in-process inventory, product demand, and the load of equipment, but also the detailed scheduling constraints. That is a way different from the traditional hierarchical production planning method. The hierarchical methods do not consider the detailed scheduling constraints, so it cannot guarantee to obtain a feasible production plan. Here the integrated problem is formulated as a nonlinear mixed integer program model. And in order to simultaneously optimize the production plan and the schedule, an improved hybrid genetic algorithm (HGA) is given. In the model, the detailed scheduling constraints are used to compute the accurate load of a device in order to obtain a feasible production plan. The heuristic scheduling rules such as the shortest processing time (SPT) and the longest processing time (LPT) are used to generate a better initial solution. Also, a subsection coding strategy is offered to convert the planning and scheduling solution into a chromosome. At last, a comparison is made between the hybrid algorithm and a hierarchical production planning and scheduling method, showing that the hybrid algorithm can solve the problem effectively.     

基于遗传算法与有向图拓扑排序的工艺路线优化

针对工艺设计中的工艺路线优化问题,归纳了工步间的基本优先级约束关系。基于约束关系,将整个工艺活动过程转化为工步有向图,工步节点间的拓扑关系以约束矩阵的形式存储。提出了约束矩阵判错的检测方法;建立了工步图的拓扑排序模型。设计了一种随机的深度优先搜索算法对工步图进行拓扑排序,得到全部可行的一定数目初始工艺计划作为遗传算法的初始种群。算法中,提出了基于车间动态资源的加工序列编码策略;定量分析了工艺计划评价准则,采用罚函数的方法将目标函数和约束条件建立成一个无约束的优化目标函数,由此确定了染色体的适应度函数;设计了遗传操作算子(选择、交叉、变异),并通过基于模拟退火机制的精英策略加速算法收敛。最后,通过实例证明了该算法的有效性。     

基于小生境粒子群算法的公差多目标优化设计

为解决产品设计中的公差优化问题,提出一种基于小生境粒子群算法的公差多目标优化方法。以加工成本、质量损失成本和公差敏感性为优化目标,以装配功能要求和加工能力为约束条件,建立了公差多目标优化模型。对标准粒子群算法进行改进,根据小生境数和Pareto优劣性确定孤立粒子,并通过个体历史最优粒子与孤立粒子的变异、选择操作更新粒子的个体历史最优位置;利用Pareto支配数排序更新粒子群的全局最优位置。利用改进的粒子群算法对公差多目标优化模型进行求解,得到分布均匀的Pareto前沿。设计并开发了原型系统,通过实例验证了该方法的有效性。     

车身覆盖件冲压工艺多目标优化系统的集成与应用

采用有限元分析技术和优化技术,以实现车身覆盖件的冲压工艺多目标优化。定义了材料、工艺和几何3类主要设计变量,其交集为最佳设计变量空间。针对覆盖件的整体成形性,建立破裂、起皱和变形不足3类目标函数,采用增量有限元和全量有限元的整合策略,求解目标函数值。与其他算法相比,基于帕累托法的多目标遗传算法能求解最佳解空间的所有解,完全满足不同成形性之间的权衡需要。最后,以车身发动机罩外板为例,验证了该优化系统的应用。     

改进细菌觅食算法求解柔性作业车间调度问题

针对柔性作业车间调度问题的NP难特性,提出一种改进的细菌觅食优化算法。采用集成法策略同时求解柔性作业车间调度问题的机器分配和工序调度子问题。将细菌个体表示为工序串,建立问题和算法的映射关系;分别针对普通细菌个体和当前最优个体设计了多重趋化操作,以增强算法的局部搜索能力;复制操作设置繁殖阈和死亡阈,以提高对历史经验的继承程度;迁移/驱散操作中,结合改进的LPT启发式规则,提出带倾向性的迁移/驱散操作方式。采用正交试验对算法的重要参数进行了优化配置,通过搜索算子优化效果对比实验证明了正交试验的结论;进行了收敛性能对比实验,证明算法具有优秀的全局开发能力和局部探索能力;典型算例实验结果表明,该算法能够有效求解柔性作业车间调度问题。     

基于遗传算法和模型仿真的调度规则决策方法

为了完成特定生产环境下的调度规则选择问题,提出一种将遗传算法和过程仿真相结合的调度规则求解方式。在该求解方式中,遗传算法采用分段整数编码,每个染色体都代表一组可用于描述具体调度方案的规则组合;遗传操作包括选择、交叉、变异三种类型;为获得适应度函数值,利用基于某扩展Petri网的生产过程模型进行仿真,以在每一代种群中,得到与每个染色体相对应的各项性能指标值,进而以一种集成层次分析法和方案模糊评判的决策优化方法求取相应的适应度函数值。另外,为了改善串行遗传算法不切实际的解答时间,用主从式并行遗传算法代替传统遗传算法,保证了解在时间上和质量上的可行性。     

一类两阶段生产系统生产计划与调度的集成优化

针对传统生产计划与调度制定中存在的不足,研究了一类两阶段生产系统的生产计划与调度集成优化问题。建立了能够反映生产计划与调度相互关联特点的离散双层规划模型,提出一种基于混合优化方法的分支定界解法以及有效缩减搜索空间的方法,并构造了有效下界。针对分支定界法的松弛问题,给出采用模拟退火算法与预估校正法交替迭代求解的混合优化方法。通过实验仿真,验证了模型与算法的有效性。