复杂作业模式下车间动态调度问题的研究

对复杂作业模式下车间生产过程中的动态扰动进行了分类,并以此为基础,建立了基于扰动类型的动态调度策略,提出了自动调度与人工调度相结合的双重调度机制,并给出了相应的动态调度过程模型。该方法既保证了扰动响应的灵活性,又综合了典型调度算法单目标的精准性和人工经验的实用性,为有效解决复杂作业模式下的车间调度问题打下了良好的理论基础。     

动态环境下的柔性作业车间调度问题研究

针对动态环境下的柔性作业车间调度问题,提出了一种基于改进离散粒子算法的动态调度方法。动态调度方法采用在动态车间调度中应用最为广泛的滚动窗口与改进离散粒子算法相结合的再调度策略,最后通过对两类突发动态事件的仿真测试,验证了本文所提方法能够解决各类突发动态事件,及时有效地对初始方案进行调整,并与原方案有效衔接。     

基于自适应蚁群算法的动态作业车间调度问题的求解方法

针对目前大多数作业车间调度算法都是静态调度,而实际工业生产中调度任务都是动态变化的问题,提出了一种求解动态作业车间调度问题的自适应蚁群算法.算法采用事件驱动调度策略,当调度任务发生变化时根据上次调度结果重新调度,并且对每次调度采用自适应蚁群算法优化调度方案.最后,通过实例仿真验证了算法的有效性.仿真结果表明,该算法自适应性表现在算法针对搜索结果是否陷入局部收敛分别对各路径上的信息素进行了自适应调整,有助于算法快速跳出局部收敛,继续向全局最优解进行搜索.     

工时不确定条件下的车间作业调度技术

为解决工时偏差快速调整、多种调整要求综合协调的问题,提出了面向多品种、变批量生产模式的工时不确定条件下的车间作业动态调度技术。通过分析工时不确定条件下车间作业调度方案制定的不确定性、执行过程的动态性、变更影响的关联性以及响应的实时性内涵,提出了解决工时不确定下调度问题的缓解、隔离和快速响应相结合的处理策略;在对工序移动、变换顺序、调整设备和重调度处理流程综合分析的基础上,建立了统一的模块化作业调度方案动态调整流程;基于调度方案数据结构的建模,提出了受影响工序遍历及其关联树构建算法;提出了工时偏差容忍度的概念,实现了对调度问题影响范围的有效缓冲;提出了工时扰动偏差驱动下的前后移动调整、顺序调整、设备更换调整和重调度调整等动态调度算法,解决了作业计划与执行现场同步的问题。最后,通过实例分析说明了该技术的有效性。     

双资源约束作业车间动态调度研究

针对双资源约束作业车间动态调度优化问题的求解特点,基于局部时窗调度思想构造包含动态扰动分析、动态扰动评估以及动态调度方法在内的三层动态调度系统,并结合最小化调度方案修订的动态调度实际需求,设计基于染色体还原机制与局部工序的分阶段调度优化的混合动态调度算法,最后通过仿真实验验证了基于局部时窗调度思想的动态调度方法有效降低随机扰动影响的良好应用效果。     

基于动态事件的柔性作业车间重调度节能优化

为了解决机械加工过程中出现紧急任务插单或机床故障等动态事件干扰调度方案执行,导致原调度方案能耗增高、完工时间延长等问题,研究了一种考虑紧急插单和机床故障动态事件的柔性作业车间重调度节能优化方法。首先分析了动态事件下柔性作业车间的工件加工过程能耗特性,然后以总能耗最低、完工时间和鲁棒性最小为优化目标建立了面向节能的动态重调度优化模型,并提出基于多目标引力搜索算法的重调度节能优化求解方法,最后通过案例对比分析,验证了所提方法的有效性。     

不同再调度周期下的柔性作业车间动态调度

为了研究柔性作业车间周期性再调度对生产稳定性和效率的影响,通过模拟随机工件到达的生产环境,运用周期性再调度的调度策略,将各个工件依次划入对应的调度区间,以效率和稳定性为目标,设计了一种基于Pareto概念的多目标差分进化算法对每个调度区间的工件进行调度优化,并从获得的非支配解集中采用决策策略选出一个调度方案作为实际调度加工方案。通过研究不同的再调度周期下与完工时间、总拖期、总效率和总稳定性之间的相互影响关系,有效地指导了实际生产实践。     

数据驱动下的动态柔性作业车间调度研究

柔性作业车间调度问题是一种典型的NP-Hard问题,在生产过程中,调度方案会因各种意外事件的发生而变化。针对柔性作业车间调度问题的实时性、动态性的特点,构建了基于数据驱动的柔性作业动态调度的数学模型。首先通过数据感知设备监测车间中发生的变化,实时传输到服务器上,然后根据车间生产状况所发生的变化,依据服务器上的调度规则重新调整调度方案。最后通过某制造企业的调度方案和车间环境变化时的调整方案,验证了基于数据驱动的实时动态调整调度方案的可行性和有效性。     

柔性作业车间动态调度方法研究

针对一类复杂工序的柔性作业车间的动态调度问题,提出了一种基于工序树的调度方案及算法。调度算法中采用多叉树形式的工序树,工序树是一种适用于作业车间调度的柔性工艺规划描述方法,工序树经过泛化和变形可以涵盖多种具体的工序样式。调度算法通过通信网络实时地获取加工车间中设备的工作状态,结合加工任务中所有产品的状态变迁,依据由加工任务的约束条件预先确定的优先调度规则,动态地生成加工任务作业进程表。算法实例的结果验证了调度方案及算法的有效性。     

基于混合差分进化算法的作业车间动态调度

针对动态多变环境下的作业车间调度问题,在基于周期和事件驱动的滚动窗口再调度策略基础上,采用冻结时段思想,同时又允许再调度在冻结时段内的资源上的闲置时段安排任务,并由此建立了机器存在不可用时段约束的动态调度模型。借鉴量子进化算法中量子旋转门更新量子位的方法,设计了三段式交叉操作,并在算法框架中嵌入了局部搜索操作,提出了混合差分进化算法作为再调度的优化方法。通过算法性能与作业车间动态调度实验,验证了所提动态调度方法的有效性。     

基于混合遗传算法的Job-Shop调度问题的研究

Job-Shop调度问题是最困难的组合优化问题之一,由于其固有的计算复杂性,一般无法利用经典解析算法求出最优解。结合实际生产情况,建立了Job-Shop调度问题的模型,并基于遗传算法与局部搜索启发式算法相结合的混合遗传算法的思想给出了求解此模型的算法过程。     

基于GASA优化算法的不确定条件下Job-Shop调度问题研究

针对不确定因素和动态干扰事件下Job-Shop调度问题,基于模糊数理论和动态调度策略,综合考虑完工时间、机器加工成本和机器负荷,建立了作业车间多目标不确定性调度模型;为了求解该调度模型,结合遗传算法和模拟退火算法的特点,设计了遗传模拟退火混合算法,并针对作业车间的复杂性要求,对算法的编码解码、交叉变异算子以及保优策略等方面进行了改进;通过仿真,得到了初始调度方案,然后在此基础上,采用动态调度策略对紧急插单、机器故障、工件取消和交货期变更等不确定干扰事件进行了研究.通过对某电动产品生产公司车间进行的实证研究结果表明,根据上述研究得到的较好的调度方案,可以有效地提高机器利用率和客户满意度.该模型和算法能够较好地应用到企业实际生产中.     

基于神经网络的Job-Shop类调度问题

提出了将Hopfield神经网络与模拟退火相结合以求解Job-Shop类调度问题的算法.该算法给出了Job-Shop类调度问题的约束条件,并且直接把问题的各种约束条件表示为Hopfield神经网络的能量函数项.为避免Hopfield神经网络容易收敛到局部极小解而产生非法调度解的缺点,将模拟退火算法应用于Hopfield神经网络求解,使Hopfield神经网络收敛到能量函数的全局最优解,从而保证神经网络输出是一个可行的调度方案.通过仿真实例验证了该算法的可行性.     

动态Job-Shop调度问题的一种自适应遗传算法

提出了基于序列号的、独特的混合编码与级联编码相结合的遗传编码构造方法，给出了序列海明距离的定义和具体的计算方法，并引入到自适应遗传算法中。实例仿真计算的结果表明，提出的自适应遗传算法提高了全局求解能力，在解决动态Job—Shop调度问题时具有明显的优越性。     

求解作业车间调度问题的一种改进遗传算法

为克服传统遗传算法解决车间作业调度问题的局限性,综合遗传算法和局部搜索的优点,提出一种改进的遗传算法。为基于工序的编码提出了一种新的POX交叉算子。同时,为克服传统遗传算法在求解车间作业调度问题时的早熟收敛,设计了一种子代交替模式的交叉方式,并运用局部搜索改善交叉和变异后得到的调度解,将提出的改进遗传算法应用于MuthandThompson基准问题的实验运行,显示了该算法的有效性。     

基于动态资源能力服务的分布式协同调度技术

基于云制造技术中面向服务的思想,针对现有异地分布多车间协同生产计划的关联协调问题,提出并建立一种以云制造思想为指导的基于动态制造资源能力服务化的分布式协同生产调度技术。通过分析多车间协作生产下的制造资源动态服务共享和关联协调的问题,建立基于服务性制造资源的协同生产调度技术总体框架;提出服务性资源的地域和能力相结合的筛选规则,形成面向多车间协同生产的空闲占用和插入调整相结合的作业排产技术;提出资源指定占用下的作业排产处理技术,解决了协同生产环境下特定车间基于制造资源能力局部能力占用的调度排产;针对生产过程中频繁发生的突发事件,提出以降低生产扰动影响范围的时间容忍度技术及基于移动处理方式的动态调度方案调整技术,解决了制造资源服务动态变化下的快速响应处理问题。通过应用实例对以上关键技术进行了验证。     

多工艺路线多资源多目标的作业调度优化

针对多工艺路线多加工资源多目标的作业调度问题,提出了一种启发式活动调度算法,将该方法与多目标遗传算法及模糊优选技术相结合,得到了一种新调度算法.基于工序的染色体编码方法和基于活动启发式算法的交叉算子的运用,有效地缩小了遗传算法的搜索空间.将随机产生的权系数与模糊优选技术相结合,有助于遗传算法搜索到多个优良的调度方案,这为决策者得到最满意的调度方案提供了保证.仿真结果表明该算法是可行的,与国外学者的同类研究相比,具有一定的优越性.     

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。