基于生物遗传算法的FMS生产调度算法

根据遗传算法,提出了一种FMS生产调度的新算法,该算法不仅适于FMS的静态调度问题,而且由于其计算复杂性低、计算量少的特点,同样也适于FMS的动态调度问题,有效地为解决自动化生产系统的生产调度问题提供了新方法.     

基于遗传算法的作业车间模糊调度问题的研究

在研究作业车间模糊调度问题的基础上，建立了两种作业车间模糊调度模型。对于只考虑模糊加工时间的问题，以最小完工时间作为优化目标；对于同时考虑模糊加工时间和模糊交货期的问题，以平均满意度最大作为优化目标。模糊加工时间用三角模糊数和梯形模糊数来表示，模糊交货期用梯形模糊数和六点模糊数来表示，给出了两种模糊数比较方法。应用遗传算法来求解最优调度顺序，并对遗传算法编码、初始种群的产生办法、解码、交叉及变异方法等方面做了研究。最后，给出了仿真实验结果和结论。     

一种改进的遗传算法在车调度中的应用

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。     

基于遗传算法的生产装配线调度优化研究

总结了车间作业调度问题,提出了基于遗传算法的装配线调度的优化算法.通过仿真试验,初步实现了该算法在解决生产装配线调度问题的可用性.     

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     

基于改进遗传算法的流水车间调度研究与仿真

针对流水车间调度过程中的物料流程混乱、设备负荷不均衡的问题,用矩阵表示工件、工序和机器之间的约束关系,通过引入线性自适应算子对交叉算子和变异算子加以改进,对经典流水车间调度问题Car1(11×5)进行了改进遗传算法实现,此外在考虑传输过程的情况下,对该典型问题的加工过程进行了仿真分析。     

柔性制造系统重调度的仿真建模与分析

在订单型生产系统中,订单的订货量和交货期等内容的变更会干扰原有的调度计划,从而需要进行重调度。以一个包含6个操作阶段的柔性制造系统为背景建立了重调度模型,模型以订单延误数和开工时段发生变化的订单数为双重优化目标。针对此重调度模型,运用仿真软件模拟了调度和重调度的过程,研究了向右顺延和紧挨交货期交换两种重调度的规则,并根据仿真结果比较了这两种规则的运行效果。分析表明:紧挨交货期交换规则在两个目标上都取得了更好的效果。     

基于仿真的多机流水车间成组作业调度

以总流程时间为优化目标,首先对多机流水车间成组作业调度的最小化总流程时间问题进行了数学建模,然后以三机调度为例在eM-Plant（仿真软件）环境里对该问题进行仿真建模,最后在eM-Plant环境里将仿真模型与遗传算法结合起来对这一类实例进行求解;结果表明这是一种实际有效的方法.     

基于遗传算法与仿真联合的车间调度方案优化

以车间生产系统仿真模型为仿真器,以改进的遗传算法模块为优化器,通过Socket实现联合求解调度优化问题。结果表明,优化的调度方案相比实际完成时间减少19.4%;相比考虑实际因素的仿真时间减少14.3%。通过遗传算法与仿真模型的联合求解,找到了较优的调度方案,实现了生产能力的有效提升。     

基于遗传算法的车间生产调度系统研究

随着制造业的快速发展,如何有效的实现车间生产调度系统的整体优化,是很多企业需要解决的紧迫问题。针对以上问题,提出了基于遗传算法的车间生产调度系统,建立了最小化完工时间目标模型,研究了基于遗传算法的车间生产调度系统实现过程。最后,以C#为开发语言,以Visual Studio2008为开发平台,开发成功了车间生产调度系统模块并用实例和仿真验证了该方法的可行性。     

A multiobjective genetic algorithm for scheduling a flexible manufacturing system

Though the designers of Flexible Manufacturing Systems (FMS) strive to ensure the maximum flexibility in the system, in practice, after the implementation of such systems the operational executives often find it hard to accommodate frequent variations in the part designs of incoming jobs. This difficulty can very well be overcome by scheduling the variety of incoming parts into the system efficiently. In this work an appropriate scheduling mechanism is designed to generate a nearer-to-optimum schedule using Genetic Algorithm (GA) with two different GA Coding Schemes. Two contradictory objectives of the system were achieved simultaneously by the scheduling mechanism. The results are compared with those obtained by different scheduling rules and conclusions are presented.     

A genetic algorithm for scheduling flexible manufacturing systems

General job shop scheduling and rescheduling with alternative route choices for an FMS environment is addressed in this paper. A genetic algorithm is proposed to derive an optimal combination of priority dispatching rules pdrs (independentpdrs one each for one Work Cell WC), to resolve the conflict among the contending jobs in the Giffler and Thompson GT procedure. The performance is compared with regard to makes-pan criteria and computational time. The optimal WCwise-pdr is proved to be efficient in providing optimal solutions in a reasonable computational time. Also, the proposed GA based heuristic method is extended to revise schedules on the arrival of new jobs, and on the failure of equipment to address the dynamic operation mode of flexible manufacturing systems. An iterative search technique is proposed to find the best route choice for all operations to provide a feasible and optimal solution. The applicability and usefulness of the proposed methodology for the operation and control of FMS in real-time are illustrated with examples. The scope of the genetic search process and future research directions are discussed.     

基于遗传算法的柔性制造系统机床选择问题研究

由于激烈的市场竞争环境,灵活的制造商应该以最快的速度向市场推出产品,以最少的成本进行生产,从而拥有使消费者满意的巨大能力.而具有快速时间响应和高度柔性的制造系统是必要的.在假设的条件下,构建基于零件加工时间和成本加权和为目标的柔性制造系统机床选择数学模型,在模型中考虑机床的维修成本.用C语言实现遗传算法在柔性制造系统机床选择中的应用,并与以前的例子进行比较.最后通过实验对遗传算法的参数进行分析.     

基于面向对象遗传算法的柔性车问调度研究

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.     

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。     

基于主-从遗传算法求解柔性调度问题

通过分析柔性作业车间调度问题中工件与设备的特征及两者间的关系,提出了一种主一从遗传算法的调度方案。在该算法中,主、从染色体分别采用工件基因块和设备基因块的分块编码。主染色体代表可行加工路径组合,从染色体代表主染色体约束下的可行调度方案。然后,以最小化工件延迟时间为目标,为主染色体设计选择和多点变异两类遗传操作;以最小化设备空闲时间为目标,为从染色体设计选择、多点交叉和多点变异3类遗传操作。从染色体适应值取其代表的调度方案中工件流通时间的倒数,主染色体适应值取其对应从染色体种群的最优适应值。这种双层多点遗传操作避免了非可行解的产生,并可采用类似旅行商问题的遗传操作。最后,通过仿真和比较实验,验证了该算法的有效性。     

基于混合遗传算法的柔性作业车间调度研究

为更有效地求解柔性作业车间调度问题,提出一种混合遗传算法(蚁群-遗传算法)。在分层法的基础上,首先采用蚁群算法解决工艺路线选择问题,再通过遗传算法解决传统的作业车间调度问题。在混合遗传算法求解过程中,不断地在前期优化中获取调度知识,用于指导后期的优化过程。通过标准案例测试,验证了混合遗传算法对于解决柔性作业车间调度问题的有效性。     

超启发式遗传算法柔性作业车间绿色调度问题研究

针对启发式算法通用性较差的问题,建立了多目标柔性作业车间绿色调度模型,设计了一种超启发式遗传算法对问题进行求解.首先,建立了以最大完工时间和最小能耗为目标的柔性作业车间绿色调度模型,并设计了超启发式遗传算法对模型进行优化求解;然后,对于高层启发式策略采用遗传算法,随机生成初始种群,对种群进行了选择、交叉和变异操作,并且...     

基于文化遗传算法求解柔性作业车间调度问题

在分析柔性作业车间调度问题特性的基础上,提出了一种采用主群体空间和信仰空间的双层进化结构的调度算法。该算法采用优良调度方案的知识信息构成信仰空间;提出一种二维矩阵的集成编码;基于工序顺序编码和基于机器分配编码的两种交叉和变异算子在主群体空间进行传统的遗传操作;通过具有自学习特点的相似性选择算子,使子代更好地继承父代的优良特征。通过典型算例的计算实验,表明算法在计算效率和求解质量上均具有较好的效果。