基于遗传禁忌算法考虑转运约束的并行机批量调度问题研究

在多品种混流生产车间里,广泛存在着各种批量的任务在多台并行机上调度优化问题。这种并行机批量调度需要考虑批量大小设置、加工顺序优化、设备充分利用等多种要素,是一类典型NP-hard问题,且当任务加工完后还需要考虑转运过程时,问题将变得更加复杂。为了减少并行机生产过程中任务拖期和在制品积压,寻求更好的生产调度方案,针对典型并行机生产和转运场景,以最小化加权完工时间及拖期工件的惩罚费用、作业切换成本、库存成本之和为优化目标,设计了基于启发式规则的仿真程序与遗传禁忌算法相结合的优化算法,研究单工序不相关并行机调度环境下车间批量调度的最优调度方案,再通过案例验证了本文优化算法的有效性。结果表明,优化算法得出的并行机批量调度方案使得作业切换次数和拖期订单大大减少,减少在制品库存的同时提高了转运资源的利用率。     

特殊工艺约束下并行机多目标调度问题

针对并行机多目标调度问题的特点,提出了一个多目标调度模型,设计了一个基于向量组编码的遗传算法,并对其初始种群、选择、交叉和变异等方法进行了研究。此算法的编码方法能有效地反映实际调度方案,并引入免疫算子,保证了种群的多样性和种群的质量,加快了收敛速度。仿真结果表明,此算法是有效的,优于没引入免疫算子的遗传算法。     

多资源约束批量计划问题的分散搜索算法

为求解多资源有资源约束的生产批量计划问题,提出了一种基于分散搜索算法(Scatter Search,SS)和能力调整方法(Capacity Adjusting Methods,CAM)相结合的方法,阐明了该方法的具体实现过程。在对不可行解进行资源能力调整的实施阶段,采用先顺序-再逆序的方式进行处理。通过对文献中的仿真算例进行计算和结果比较,表明了该算法在寻优能力、求解速度和稳定性方面的优势。     

考虑机器开关的并行机调度研究

目前机器调度模型对机器可用性的假定是,或者机器一直可用,或者在某些固定时候不可用.而实际应用中,工厂可通过机器的开关优化来节能减排.研究这样一种情况,机器的开关时间点和长度都不确定,需要在决策过程中决定,目标是最小化加权完成时间和节省成本.采用了基于列生成的分支定界法来求解,并结合了动态规划法来提高方法的效率.结果证明...     

模糊环境下再制造系统批量调度研究

针对再制造系统多种不确定因素,包括回收质量、准备时间、加工时间等,研究面向再制造系统的批量调度问题.考虑回收产品存在质量差异的情况,将回收品划分为几种质量不同的工件组类型,各工件组内所有工件的准备时间和加工时间相同,为了减小准备时间和子系统切换时间,将同一工件组内的工件分批量进行调度处理.在满足交货期、加工次序和机器有限等约束条件下,以加权完工时问最小化为目标,建立了模糊环境下的混合整数规划调度模型.该问题包含了工件分批次和调度顺序两个子问题,使用遗传算法进行求解,结合实际算例得出调度策略,验证了该模型在处理再制造生产调度问题上的有效性,并进一步分析了不同批量大小对再制造调度结果的影响.     

求解一类无关并行机调度的遗传迭代贪心算法

以最小化最大完工时间为优化目标,建立带工单加工约束和序相关设置时间无关并行机调度问题的混合整数规划模型;考虑现实生产对求解算法在质量、收敛速度和鲁棒性等方面的较高要求,构建一种混合遗传-迭代贪心算法。在遗传变异操作中嵌入一种迭代贪心策略的破坏和构建机制,用于提高算法的种群多样性;引入基于破坏与构建操作设计而成的快速局部搜索算法来增强算法的局部开发能力;基于实际生产数据的相关特征随机生成了一系列计算案例,并通过实验说明所提新型混合算法相较于传统混合算法的优越性。     

启发式遗传算法的生产能力约束多产品再制造批量决策

建立了生产能力约束条件下的再制造批量决策模型,同时考虑了批量制造、批量再制造和外包,确定性的需求由批量制造、批量再制造和外包来满足.利用启发式遗传算法求解多产品再制造批量模型,研究了种群大小和迭代次数对遗传算法实验的影响,并通过一些算例来证实了算法的有效性.     

考虑有限可用性可控的两批次并行机调度研究

构建了一个考虑有限可用性可控的两批次并行机调度模型.每台机器在考虑周期内可实施一次关机操作,由此形成一个不可用的时间段,关机开始时间和长度都不确定,需要在决策过程中决定,目标是最小化由完成时间和关机时间组成的总成本.先证明了问题最优解的一些性质,然后采用了基于列生成的分支定界法来求解,并结合了动态规划法来提高方法的效率...     

库存依赖性需求条件下具有库容约束的订货批量模型

构建了瞬时库存依赖性需求条件下具有库容约束的单一零售商品订货批量模型,提出了模型的求解方法和算法步骤,给出算例并进行了灵敏度分析.利用该模型不仅可以求解在给定库容条件下,零售商品的最优订货周期和最优订货批量,而且还可以利用灵敏度分析的结果对库容进行决策.     

基于自适应遗传算法的模具生产调度研究

研究了一种基于自适应遗传算法的模具企业车间作业调度算法,建立了调度问题的数学模型,给出了具体的遗传操作算子设计方法.针对离散型模具生产的工艺特征,设计了生产单元分配方法,将生产单元作为调度对象.该算法改进了传统的基于工序的编码方法,给出了一种动态调整交叉概率和变异概率的计算方法.对实际模具企业的生产调度求解结果表明,该...     

装配作业车间分批调度问题的算法对比

建立最小化makespan的装配作业车间分批调度模型,利用遗传算法构建基于整体集成优化策略、分层迭代优化策略和双层进化策略的求解算法。它们的区别在于处理批量划分问题和子批调度问题的联合优化机制不同。最后通过仿真实验对比了几类算法的求解效果和收敛速度,并分析了它们的适应性特点。     

并联构型装备的研究进展及若干关键技术

并联构型装备正处于商品化、产业化的关键时期。文章从结构、应用领域、驱动方式、控制等方面阐述了并联构型装备的研究进展，介绍了国际上的一些主要研究计划，分析了产业化进程中的若干关键技术及其可能的解决方案。     

考虑任务拆分特性与簇准备时间的并行机调度

在印制电路板钻孔任务调度等工程实际中,普遍存在一类具有任务拆分特性与簇准备时间的并行机调度问题,尚缺乏高效的优化模型和方法。针对该问题,首先建立以总拖期最小为目标的数学模型,以约束的形式将两个现有优势定理嵌入其中。为了高效求解实际规模问题,进一步提出嵌入优势定理的模拟退火算法。最后,基于随机生成的算例构造计算实验,以验证所建模型和算法的有效性。实验结果表明,嵌入优势定理的数学模型在问题求解规模和计算效率方面均优于现有数学模型,嵌入优势定理的模拟退火算法同样优于现有模拟退火算法。     

考虑工序并行的差异工件批调度研究

针对铸造车间差异工件组批多约束的问题,在工序可并行加工的前提下构建以最小化最大完工时间和最小化沙箱空置率为优化目标的并行工序批调度模型,设计一种改进和声算法求解该调度模型,提出一种单工序编解码方式和2种机器分配规则用于解决工件分批、沙箱选择、工序分配及机器选择的问题。在算法中提出一种新的和声产生方式和更新机制,同时为改善算法的局部搜索能力,加入模拟退火算法执行局部搜索过程。最后根据企业实际生产数据进行仿真实验,验证本文模型的有效性。     

平行机系统生产调度与维护计划联合优化

针对平行机系统中生产调度和维护计划的联合决策问题,假设随机故障服从威布尔分布,将作业在设备上加工位置以及设备上预防性维护位置作为决策变量,以最小化最大完工时间和最小化单位维护成本作为优化目标建立了多目标优化模型.建立了基于混合编码的遗传算法,针对不同编码类型采用合适的遗传算子,并引入了自适应交叉和变异概率使算法在收敛速度和求解精度上得到较好平衡.通过与枚举算法对比,证明遗传算法具有较好的时间效率和求解精度.通过与独立决策模型对比,证明联合优化模型能更好地解决联合优化问题,提高企业整体效益.     

经济批量与运送排产问题中的协调机制研究

针对现有研究采用集中决策的局限,研究了分散决策情形下经济批量与运送排产问题的最优决策。分析表明在无协调机制作用时,分散决策无法实现供应链系统的最优绩效,进一步提出一种利润共享和成本分担协议（PCS）,并证明在PCS协议作用下,采用分散决策可以实现供应链协调,同时供应链利润可以在供需双方任意分配,具有很好的柔性。     

等待时间受限的并行批处理调度问题研究

研究了任务等待时间受限的并行批处理调度问题,建立它的约束规划模型,设计调度任务的“小s大S”规则,该调度规则最重要的参数为临界队长参数和考虑受限时间的紧急时间参数.基于该规则进行模拟实验,用RSM响应面方法进行参数优化,将模拟结果同约束规划模型(CP方法)在CPLEX环境下求得的解进行比较,分析“小s大S”规则的性能和效果.     

Lot streaming multiple jobs with values exponentially deteriorating over time in a job-shop environment

The main issue in lot streaming (LS) is determining the means by which to split jobs into sub-jobs to improve the makespan (or some other criterion). However, LS has been overlooked in most studies dealing with scheduling problems associated with specific kinds of job shops, where the job value exponentially deteriorates over time. The current study attempts to determine whether the expected benefits of LS would be evident in the job-shop scheduling problem (JSP) with the objective of maximising the total value of jobs. This study comprised two stages. In the first stage, we studied the influence of a fixed number of sub-jobs on the performance of the LS by systematically varying this parameter using the fixed number job splitting (FNJS) approach. We considered a total of 12 dispatching rules for the analysis of relative performance. Simulation results suggest that dividing each job into several sub-jobs increases the total value of jobs. In addition, dispatching rules incorporating information related to job value perform better than those without this information. In the second stage of the study, we proposed a genetic algorithm-based job splitting (GAJS) approach. The simulation results led us to conclude that the GAJS approach is superior to the FNJS approach in terms of the total value of the jobs and the average number of sub-jobs generated.