基于可选工艺规划的优化调度研究

针对非稳定不平衡生产环境的可选工艺规划车间作业调度问题,提出一种结合工艺网络遍历优化和禁忌搜索算法和以成本、资源负荷率以及生产周期为目标的调度解决规划.使用约束规划方法对基于可选工艺规划的车间调度问题进行描述和建模,并基于ILOG的调度组件实现了算法.实践证明基于可选工艺规划的调度不仅可以大大提高生产调度的柔性,而且能够优化调度结果.     

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。     

DNA遗传算法在Job Shop调度优化中的应用

利用DNA计算和遗传算法求解Job-Shop调度问题最优解的有效性和实用性的特点,提出了一种实现Job-Shop调度的DNA遗传算法,该方法将基于调度优先的人工DNA应用于遗传算法的矩阵编码,解决了常规遗传算法的编码方式和局部收敛问题.对该方法与在满足约束条件下采用的常规遗传算法进行了模拟仿真计算与对比,结果表明,该算法避免了陷入局部最优并最终趋于全局最优.     

基于约束规划建模求解岸桥调度问题

为求解大规模集装箱码头岸桥调度问题,提出一个基于约束规划并考虑岸桥冲突、安全间距、就绪时间以及任务优先关系等因素的岸桥调度约束规划模型.利用基准测试数据进行实验测试,与现有启发式算法的求解结果进行比较,结果显示约束规划求解结果具有求解质量好、求解速度快的特性,特别是针对大规模实例的求解效率优势较明显.     

Matlab/Visual C++混合编程求解单件车间调度问题

单件车间(Job-Shop)调度问题是一类具有次序约束和资源约束的组合优化问题,是一个典型的NP难题.对Job-shop调度算法的研究不仅是对排序理论的一个补充,而且对于解决单件、多品种、小批量机械制造业的现代化管理也会起到积极的推动作用和影响.文中提出了一种基于剩余函数的Job-shop调度算法(JSSABRF),在初排算法及调解算法的基础上,利用VC与Matlab混合编程实现了该算法.经分析及实验验证,利用这种算法求解Job-shop调度问题可得到比较满意的结果.     

用于车间作业调度的粒子群优化算法

设计了两种不同实现方式的粒子群算法解决车间作业调度问题,即基于粒子位置矢量更新的实现方式和基于遗传操作的实现方式.同时选择一些典型的Job-Shop调度问题作为算法的试验对象,试验结果表明上述两种不同实现方式的粒子群算法在求解小规模调度问题时都能得到较好的结果,在求解较大规模调度问题时基于遗传操作的粒子群算法可以得到更好的结果.这一方面说明了上述两种不同实现方式的粒子群算法在求解调度问题上的有效性,同时也表明基于遗传操作的粒子群算法在求解较大规模调度问题上具有更大的优势.     

用于车间作业调度的粒子群优化算法

设计了2种不同实现方式的粒子群算法解决车间作业调度问题,即基于粒子位置矢量更新的实现方式和基于遗传操作的实现方式,同时选择一些典型的Job-Shop调度问题作为算法的试验对象.试验结果表明上述两种不同实现方式的粒子群算法在求解小规模调度问题时都能得到较好的结果.在求解较大规模调度问题时基于遗传操作的粒子群算法可以得到更好的结果.这一方面说明了上述两种不同实现方式的粒子群算法在求解调度问题上的有效性,同时也表明基于遗传操作的粒子群算法在求解较大规模调度问题上具有更大的优势.     

采用多个体交叉的遗传算法求解作业车间问题

为改善目前求解Job-Shop问题中的遗传算法的性能，加快搜索最优调度解的速度，首先分析了目前Job-Shop问题自身的求解难点和遗传算法的特点，并借鉴生物学的依据，提出了多个体交叉的遗传算法。该算法在遗传过程中采用多个体遗传算子，充分利用个体的优良性质，对不可行调度解根据多个体修补原则进行修正，可保证遗传后代的合法性和多样性，能够加快最优调度解的搜索时间。仿真结果充分证明了该算法的有效性。     

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.     

基于约束满足的批量计划问题研究

研究在设备有限能力、交货时间等约束条件下,以加工周期与脱期惩罚之和最小化为优化目标的批量计划问题,并应用ILOG约束规划工具实现了求解批量计划问题的禁忌搜索算法,并通过实例证明该方法的有效性。     

一种求解Job-Shop调度问题的量子遗传算法

提出了一种基于操作方式进行编码和解码的量子遗传算法,并将其用于求解一种典型的NP-hard组合优化问题即Job-Shop调度问题.该算法采用量子比特方式构造染色体,增加了算法的种群多样性和计算并行性;采用量子旋转门操作实现种群进化,有效地提高了算法的收敛速度.用基准调度问题实例对该算法进行的测试结果表明:该量子遗传算法与改进的遗传算法相比较有更好的优化性能.     

柔性直流配电网优化调度研究

大规模可再生能源接入电网的需求对柔性直流配电网的研究起到了推动作用。合理调度是直流配电网的核心问题之一,直接关系到直流配电网的运行性能。可再生能源出力误差使得配电网调度更加复杂。针对上述问题,提出了基于机会约束规划的直流配电网多目标优化调度模型,并采用结合随机模拟的粒子群算法求解出给定直流配电网的调度方案。算例表明,机会约束规划的应用能有效减小可再生能源出力不确定性对调度造成的影响。     

工序松弛规则及其在动态Job-Shop调度问题中的应用仿真研究

针对动态Job-Shop调度问题,提出了一种新的优先规则SOP,并在考虑具有扩展工艺约束的动态车间作业调度问题中,用仿真试验测试了该规则的性能;从工件总拖期和拖期工件百分比两个性能指标进行分析,探索了车间模型参数扩展工艺约束程度及交货期宽裕度系数对调度规则性能的影响。结果表明所提出的规则性能较好,具有较好的鲁棒性,且扩展工艺约束程度及交货期宽裕度系数对调度规则性能均有不同程度的影响,并给出了两种参数对调度规则性能的影响趋势。     

求解车间作业调度问题的约束规划与整数规划混合方法研究

针对考虑机器可用性和与作业排序相关的调整时间2个硬约束的现实车间作业调度问题,提出了一种最小化加权拖期的混合求解方法。该方法以基于逻辑的Benders分解法为集成框架,将整数规划作为主问题解决机器分派问题,将约束规划作为子问题解决受机器可用性和顺序相关的调整时间约束的作业排序问题。通过运用Dash-Xpress系统对某企业车间作业调度问题的实际应用,验证了该方法的可行性与有效性。     

求解车间作业调度问题的约束规划与整数规划混合方法研究

针对考虑机器可用性和与作业排序相关的调整时间2个硬约束的现实车间作业调度问题,提出了一种最小化加权拖期的混合求解方法。该方法以基于逻辑的Benders分解法为集成框架,将整数规划作为主问题解决机器分派问题,将约束规划作为子问题解决受机器可用性和顺序相关的调整时间约束的作业排序问题。通过运用Dash-Xpress系统对某企业车间作业调度问题的实际应用,验证了该方法的可行性与有效性。     

基于关键链的再制造系统不确定性生产调度方法

针对再制造系统生产调度的不确定性问题,提出一种基于关键链的再制造系统不确定性生产调度方法。基于单代号网络图(Activity-on-node,AON)对再制造系统调度问题进行参数描述,并建立再制造系统生产调度模型,对目标函数和约束条件进行描述。基于关键链理论对模型进行求解,将再制造生产调度问题看作是不确定性的资源受限型项目调度,以平均作业时间求得基准调度;将基准调度作为AON网络图中的资源约束,综合考虑AON网络图中的工序约束和资源约束得出再制造生产调度的关键链;再通过压缩作业时间、设置缓冲区以解决再制造工艺时间的不确定性问题,获得最终的调度方案。将该方法应用到某再制造车间的生产调度实践中,并用Crystal Ball软件对调度结果进行仿真。     

求解车间作业调度问题的约束规划与整数规划混合方法研究

针对考虑机器可用性和与作业排序相关的调整时间2个硬约束的现实车间作业调度问题,提出了一种最小化加权拖期的混合求解方法.该方法以基于逻辑的Benders分解法为集成框架,将整数规划作为主问题解决机器分派问题,将约束规划作为子问题解决受机器可用性和顺序相关的调整时间约束的作业排序问题.通过运用Dash-Xpress系统对某企业车间作业调度问题的实际应用,验证了该方法的可行性与有效性.     

云制造环境下跨企业协同生产调度算法

为解决云制造环境下的跨企业协同生产调度问题,提出一种适用于云制造环境下生产资源调度的混合集合规划方法。该方法基于切削算法框架,综合考虑多种约束,提出一种有效的求解策略,实现了一种面向订单且适用于跨企业、多约束、多品种、小批量的有限能力调度算法,为供应链中供需企业提供了一份拖期小、费用低、跨度短的协同生产计划。利用多组制造企业真实数据对模型进行测试,结果表明,该模型可在合理时间内有效求解实际应用规模的跨企业协同生产调度问题。     

基于混合粒子群算法的汽车零件精冲车间调度研究

针对传统遗传算法在车间作业调度问题难以解决求解约束优化问题时存在难以同时兼顾求解质量和收敛效率这一问题,通过采用了基于工序编码的方式生成可行调度及借鉴遗传算法单点交叉方法,生成基于工件的交叉算子作为粒子的更新方式,将改进后的粒子群优化算法用于求解精冲零件车间调度问题,并在算法中通过利用局部搜索的方式提升粒子群中粒子收敛效率。通过对典型的调度测试问题进行模拟实验,证明了改进后的混合粒子群算法对于求解车间调度问题的适用性及具有不错的求解性能。     

调整时间与工序顺序相关的Job Shop调度优化方法研究

以多目标多约束Job Shop调度问题为背景，考虑工序调整、作业相似性等特点，利用成组技术和人工智能树，提出了与工序排序有关的调整时间描述方法及其调度规则，给出了此问题的混合整数规划模型，并构造了基于生物免疫机理的调度算法以提高求解此类问题的效果。介绍了保证抗体的多样性和有效性的基于自然数的抗体编码方法和基于抗体浓度的抗体激增和抑制策略。用毛纺后整理车间的一个调度实例和La31案例证明了免疫算法用于求解复杂生产调度问题的速度和效果。