基于多色集合约束模型的车间层印刷电路板组装优化

针对多组装设备、多组装任务的车间层印刷电路板（PCB）组装优化问题，提出了一种将多色集合与遗传算法（GA）相结合的新的优化方法。基于多色集合理论，用数值围道矩阵描述了复杂PCB组装工艺流程中组装优化问题的设备资源约束和工艺约束，建立了PCB组装的优化约束模型。约束模型使得遗传算法始终在有效解空间中进行搜索，不仅简化了GA适应度值的计算，还可通过约束模型的简单修改，动态描述受设备故障和组装任务变化等因素影响的车间层组装优化问题。实例计算结果表明，该方法能显著提高车间层PCB组装优化问题的求解效率，实现车间层PCB组装的动态优化。     

基于多色集合的遗传算法优化求解

结合约束模型和遗传算法求解柔性车间作业调度(flexible job shop scheduling,FJSS)问题,提出了基于多色集合约束模型的遗传算法,在编码、解码和变异时搜索围道布尔矩阵,使搜索过程在有效范围内进行,从而缩小搜索范围,既保证了得出的解都是有效解,又能提高收敛到最优解的速度;通过搜索围道布尔矩阵简化了适应度的计算,方便了计算机的编程.     

钢琴生产批量调度方法的研究与应用

针对多品种批量化生产模式的钢琴生产调度问题，考虑了批量优化及调整时间的影响，以完工时间最短为目标，建立了包含批量优化、批量加工任务分配和批量任务排序的批量调度优化模型。基于遗传算法的框架，设计了四元组基因值的染色体矩阵编码。基于多色集合逻辑围道矩阵和数值围道矩阵建立了批量调度的约束模型，将多色集合约束模型与遗传算法相结合，提出了一种基于模型约束的遗传算法（CMGA），实现了批量调度问题的高效求解。通过实例对比，表明不等量分批调度比等量分批调度能得到更好的生产调度方案，考虑了调整时间的调度方案在生产实际中能得到更好的效果。     

基于人工免疫算法的三坐标测量机路径规划

为了提高三坐标测量机(CMM)的测量效率,提出多色集合理论模型与人工免疫算法相结合的方式规划CMM自动测量路径。通过待测特征与测头特征、测头角度和待测面的关系建立多色集合围道矩阵,然后进行合取运算建立合取围道矩阵;结合多色集合理论约束模型,采用人工免疫算法,优化全局测量路径。实例表明,该算法提高了三坐标测量机自动检测效率,并已用于实际检测,具有一定实践意义。     

基于PST层次结构的改进GA求解柔性车间调度问题

针对传统多色集合理论改进的遗传算法在求解柔性作业车间调度问题所呈现出的约束模型和染色体中无效信息较多,以及求解速度和精度不够理想的不足,提出基于多色集合层次结构的改进遗传算法。通过设置设备基准,将原来的工序—机床围道矩阵分割为基准与设备型号、设备型号与资产编号的关系矩阵,有效地降低了约束模型的数据量;对染色体长度的合理优化和设置批量基准的合批操作,有效地降低了染色体的时间和空间复杂度。通过对不同实例的仿真结果分析,验证了所提算法的优越性。     

多色粒子群的作业车间调度研究

为了对车间的资源配置和作业调度这两个问题进行综合考虑,提出了一种基于多色粒子群的作业车间调度方法。首先根据各个作业的要求,对车间的设备资源进行配置。针对车间设备资源管理和配置的特点,应用多色集合和多色图,建立资源关联图模型。并运用多色集合的围道矩阵和推理运算规则,对作业任务需要的加工设备进行分配,推导出工序集所有可行的资源配置集合;然后根据粒子群算法的原理和特点解决作业车间调度问题,以最大完工时间最小为优化目标,结合基于工序的编码方式,构建了求解作业车间调度问题的方法,并通过实例验证了算法的收敛性及有效性。     

基于多色集合理论的冲压工艺规划建模研究

在研究冲压工艺加工需求和加工工序的基础上,应用多色集合理论建立了冲压工艺规划的数学模型。该模型包括围道矩阵和多色图等两个部分,多色图描述冲压工序的相互作用。应用此模型研究了一种冲压工艺路径求解算法,能根据加工要求搜索工序路线,求解出零件的冲压工艺路线。开发了一个冲压工艺规划原型系统,并以一个圆筒类零件为例,对所提出的模型与算法进行了验证。     

基于多色集合的飞机连接装配工艺规划与资源配置

为提高飞机连接装配工艺规划的自动化水平,在研究飞机连接装配工艺特点的基础上,基于多色集合理论,在统一的数学模型中同时构建了工艺规划模型和资源配置模型.采用多色集合理论构建了工艺规划围道矩阵和扩展多色图,提出了多色图到多色集合关系规则模型的映射机制,以此建立了工艺规划模型,并提出了工艺路径求解算法.在此基础上,采用多色集合理论中的体运算,建立了与工艺规划模型匹配的工艺资源模型.以飞机铆接装配工艺规划为例,对所提理论与方法进行了验证.     

基于多色集合的改进遗传算法求解多品种柔性调度问题

为克服传统遗传算法求解调度问题所存在的早熟或收敛过慢等不足,提出基于多色集合理论的改进遗传算法.在编码、解码和变异过程中,通过搜索围道矩阵提高算法速度,进而提高求解效率;采用单层编码方式表示调度问题中的双层约束,以降低算法的时间与空间复杂度.通过实例比较验证了所提算法的可行性与优越性.     

基于多色集合的注塑模具的并行设计方法

利用多色集合建立了注塑产品的需求分析、结构设计及其模具设计的并行设计模型,在此基础上提出了一种基于多色集合理论的并行设计方法。以围道矩阵描述不同设计阶段的相互约束关系,以多色图实现各设计阶段的联动,并结合一个注塑产品实例说明了这种新方法的实现过程。     

考虑多目标的工艺规划与调度集成问题研究

针对工艺规划与调度集成问题在多目标优化方面的不足,考虑将多目标优化集成到工艺规划与调度集成问题中。以最长完工时间、加工成本及设备最大负载为优化目标,对该多目标工艺规划与调度集成问题进行建模,并提出了一种非支配排序遗传算法,鉴于加工信息的多样性,使用多层结构表示可行解,对该算法的选择及遗传操作等步骤进行了设计。最后,以实例验证了上述模型的正确性及算法的有效性。     

基于遗传-粒子群混合算法的柔性作业车间多资源调度问题

在传统柔性作业车间调度问题(FJSP)中加入运输和装配环节,提出一种柔性作业车间多资源调度问题(MRFJSP),以完工时间最短为目标建立了包含加工、运输和装配的柔性作业车间调度模型。为了提高传统遗传算法(GA)在车间调度问题中的寻优能力,将粒子群算法(PSO)的寻优过程进行改进并与遗传算法进行结合,提出一种带保优策略的遗传-粒子群混合算法,利用单层编码对模型进行求解。通过算例验证了模型的可行性,并将提出的混合算法与遗传算法和粒子群算法进行比较,证明了混合算法的优越性。     

JIT柔性混合流水车间生产调度问题研究

针对混合柔性流水车间多种工艺路线的生产调度问题,分析了生产工艺计划与车问调度系统的集成原理,建立目标模型,通过将简单遗传算法加以改进,在建立集成模型的基础上,对算法进行研究,把进化后的遗传算法（SGA）和改进的模拟退火算法（SA）有机结合,使算法优化机制融合和优化结构互补,形成较为高效的混合优化算法,并对问题进行求解。最后给出了一个具体算例,验证算法的有效性和先进性。     

An improved genetic algorithm for integrated process planning and scheduling

Process planning and scheduling are two of the most important functions involved in manufacturing process and they are actually interrelated; integration of the two is essential to improve the flexibility of scheduling and achieve a global improvement for the performance of a manufacturing system. In order to facilitate the optimization of process planning and scheduling simultaneously, a mathematical model for the integrated process planning and scheduling (IPPS) is established, and an improved genetic algorithm (IGA) is proposed for the problem. For the performance improvement of the algorithm, new initial selection method for process plans, new genetic representations for the scheduling plan combined with process plans and genetic operator method are developed. To verify the feasibility and performance of the proposed approach, experimental studies are conducted and comparisons are made between this approach and others with the makespan and mean flow time performance measures. The results show that the proposed approach on IPPS has achieved significant improvement in minimizing makespan and obtained good results for the mean flow time performance measure with high efficiency.     

基于遗传算法的飞机装配序列规划优化方法

在基于割集的装配顺序规划方法中,随着零件的增加,装配序列数呈指数增加,由此导致算法的组合爆炸问题。为此,提出了基于．遗传算法的装配序列规划优化方法,研究了零件装配信息的基因组表示方法,将参与装配的零件的基因组排列成序,实现装配顺序的染色体表示。采用模糊集理论建立了适应度函数,并对装配序列进行评价和优化。以某型飞机机翼产品为例,验证了技术的有效性。     

遗传调度算法的研究

提出一种基于２算法进行生产调度优化的算法,该算法通过ＧＡ,启发式调度以及评价算法的有机结合,在调度效率较高的情况下,实现调度方案的全局优化。特别是这种方法为ＧＡ在调度系统中的应用提供了经验,也为解决工艺计划与生产调度的集成提供了一种有效的优化手段。     

基于混合遗传鲸鱼优化算法的柔性作业车间自动导引车融合调度方法

针对柔性作业车间调度问题,考虑自动导引车(AGV)在车间制造过程中只参与装卸和搬运工作,提出一种实现AGV路径规划与柔性作业车间调度集成优化的融合调度模型。采用基于工序排序与机器选择两个子问题的二维向量编码方案,并在解码过程中提出基于最先服务原则的AGV安排策略。对鲸鱼优化算法进行离散化改进,针对性地设计了多种种群初始化策略,引入遗传算法的交叉、变异操作以提升鲸鱼优化算法的全局搜索能力,并嵌入局部搜索算法以达到全局搜索和局部搜索的平衡,构建了一种混合遗传鲸鱼优化算法（HGWOA）来求解该融合调度模型。通过经典测试算例验证了算法性能,并使用正交试验优化了算法参数。研究结果表明,HGWOA算法用于求解柔性作业车间AGV融合调度问题可以获得较好的效果。     

基于元胞机和改进GA的大型零件柔性作业车间调度算法

针对大型零件柔性作业车间调度问题,采用改进遗传算法优化元胞机局部演化规则,提出了元胞机和改进遗传算法相结合的混合调度算法。依据总加工时间最短、各工位负荷率高、同一工位组各工位负荷平衡率高的优化目标,建立了离散化后单个静态调度单元的遗传算法优化模型,并结合算例具体说明了优化过程。通过文献实例演算验证了混合算法求解大型零件柔性作业车间调度问题的可行性和有效性。     

A hybrid genetic algorithm for integrated process planning and scheduling problem with precedence constraints

Process planning and scheduling are two important functions in a modern manufacturing system. Although integrating decisions related to these functions gives rise to a hard combinatorial problem, due to the impressive improvement in system performance which is resulted through this integration, developing effective methods to solve this problem is of great theoretical and practical importance. In this research, after formulating the integrated process planning and scheduling problem as a mathematical program, we propose a hybrid genetic algorithm (GA) for the problem. In the proposed algorithm, problem-specific genetic operators are designed to enhance the global search power of GA. Also, a local search procedure has been incorporated into the GA to improve the performance of the algorithm. The model considers precedence relations among job operations, based on which feasible process plans for each job can be represented implicitly. A novel neighborhood function, considering the constraints of a flexible job shop environment and nonlinear precedence relations among operations, is presented to speed up the local search process. In experimental study, the performance of the proposed algorithm has been evaluated based on a number of problems adopted from the literature. The experimental results demonstrate the efficiency of the proposed algorithm to find optimal or near-optimal solutions.     

Designing integrated cellular manufacturing systems with scheduling considering stochastic processing time

This paper addresses a new mathematical model for cellular manufacturing problem integrated with group scheduling in an uncertain space. This model optimizes cell formation and scheduling decisions, concurrently. It is assumed that processing time of parts on machines is stochastic and described by discrete scenarios enhances application of real assumptions in analytical process. This model aims to minimize total expected cost consisting maximum tardiness cost among all parts, cost of subcontracting for exceptional elements and the cost of resource underutilization. Scheduling problem in a cellular manufacturing environment is treated as group scheduling problem, which assumes that all parts in a part family are processed in the same cell and no inter-cellular transfer is needed. Finally, the nonlinear model will be transformed to a linear form in order to solve it for optimality. To solve such a stochastic model, an efficient hybrid method based on new combination of genetic algorithm (GA), simulated annealing (SA) algorithm, and an optimization rule will be proposed where SA and optimization rule are subordinate parts of GA under a self-learning rule criterion. Also, performance and robustness of the algorithm will be verified through some test problems against branch and bound and a heuristic procedure.