基于遗传算法的多目标车间调度问题的研究

文章讨论了一个多目标车间调度问题(JSP)。在JSP问题中我们考虑一个具有n个工件和m台机器的生产线,每道工序在不同的机器上完成且有各自的持续时间。JSP调度问题的目标是在所有工件的工序在m台机器上加工且不冲突的前提下找到一个最短的总调度时间。该文通过使用遗传算法来找到作业调度问题的最优方案。文中通过使用11种不同规格的标准测试用例来测试算法的性能。实验结果表明,实验的运行结果满足了调度要求,进一步证明了遗传算法的有效性和实用性。     

基于灰狼算法的多目标车间调度优化

针对车间的调度问题,现有研究多集中于生产效率的单一优化,忽略了机器负载、能耗等方面的优化。为提高作业车间的生产效率,同时优化车间内多个核心指标,建立了包含最小化最大加工时间、机械负载、以及加工能耗等指标的车间调度模型。提出了混合交叉搜索策略的灰狼算法(MSS-GWO),通过引入选择系数提高了种群的多样性;并设计了一种非线性函数进行动态调整全局搜索和局部搜索以保持种群多样性的同时使算法快速收敛;对领导狼引入动态权重避免算法陷入局部最优解。通过MK数据集测试,验证了混合交叉搜索策略的有效性,并与其他文献的方法进行对比,验证了算法在多目标车间调度问题的优越性。     

基于遗传算法的柔性作业车间调度优化

针对经典作业车间调度问题的局限性,结合实际生产情况,提出了具有路径柔性的作业车间调度模型,给出了求解模型的遗传算法的具体实现过程.针对模型的特殊性,提出了染色体两层编码结构,将AOV、AOE网络图分别应用到解码和适应度函数的计算中,并给出了相应的选择、交叉、变异操作设计.最后通过一个8×6调度问题的测试例子,表明了此算法的有效性.     

基于自适应的NSGA-Ⅱ多目标柔性作业车间调度

针对非支配排序遗传算法（NSGA-Ⅱ）进行自适应改进,采用独立的交叉和变异操作对工序与设备进行排序及分配的调整,从而求解多目标柔性作业车间调度问题。改进后的算法可依据不同阶段,动态调整算法的交叉概率与变异概率,提升算法运算效率、种群多样性并减少非法解的产生。最终,通过实例仿真验证算法的有效性。结果表明：新方案的最大完工时间、加工能耗、加工设备总负载和延期时间均得显著改善,有效提高了生产管理效率。     

基于遗传算法车间作业调度与eM-Plant实现

在分析车间作业计划的数学模型的基础上研究了在eM-Plant系统中建立车间作业调度仿真模型的关键技术,并且利用eM-Plant内置的遗传算法优化模块在现有仿真模型的基础上进行车间作业调度优化,最后以一个例子说明eM-Plant遗传算法模块的车间作业调度优化过程.     

柔性作业车间多目标调度约束条件研究

目前中国95%的制造业都为小批量多品种柔性作业企业,传统单目标车间调度模型已不能满足企业调度要求。同时实际企业生产多为"部分柔性"生产,但目前对于柔性车间调度问题的研究大都针对于"完全柔性"车间,对"部分柔性"车间涉及较少。首先分析了经典作业问题,然后结合实际"部分柔性"生产的资源约束以及顺序约束,并引入最小提前拖后惩罚目标,建立多目标部分柔性作业调度模型,同时构建了针对"部分柔性"的约束函数。     

基于pareto方法的多目标柔性车间调度问题的研究

多目标柔性车间调度问题一直是一个学术的难题,关于并行机的问题更是很少讨论.建立了基于并行机的多目标柔性车间调度的数学模型,目标函数为最小化最大完工时间和加工成本.与以往智能优化算法不一样的是,提出了一种基于pareto的简单优化算法.该算法主要包括两个模块:加工顺序模块和机器选择模块,其中机器选择模块采用了基于pare-to优化算法.最后,数字实验表明了该算法的正确性和有效性.     

基于混合遗传算法的多目标柔性作业车间调度问题研究

针对柔性作业车间调度问题,提出一种改进的遗传算法,该算法考虑车间生产实际,使交货期短、成本降低、生产效率提高、资源利用率提高等建立多目标优化模型。对传统遗传算法进行一系列改进,在遗传算法的基础上,改进编码方式和遗传算子,结合精英保留策略和小生境技术,使算法的收敛性和多样性进一步优化,采用权重系数变化法计算染色体的适应度。仿真分析表明,提出改进后的混合遗传算法能有效解决柔性作业车间多目标调度优化问题。     

基于自适应NSGA-Ⅱ算法的柔性车间多目标生产调度

针对大型军工电子装备企业的组件制造生产调度问题,建立了以最小化最大完工时间、生产成本和最大设备负荷为目标的柔性车间生产调度模型。依据柔性车间多目标调度问题的特点,提出了一种改进的自适应NSGA-Ⅱ算法,在遗传算法的不同阶段动态的调整交叉和变异的概率,提高了算法的计算效率。同时,为了提高种群多样性、避免非法解产生和最优解丢失,该算法对工序和设备进行独立的交叉和变异操作,并采用独立于种群的精英保留策略。最后通过实例验证了算法的有效性,相较于初始输入的最大完工时间、生产成本和设备负荷分别减少了34.97%、9.80%和31.63%。     

基于遗传算法的面向绿色制造的车间调度优化

针对面向绿色制造的车间调度问题,文章综合考虑加工时间、电能消耗的可计算性和质量、环境影响的复杂模糊性,采用0-1变量思想将质量、环境影响转化为可计算的因素建立了以最小完工时间,最小电能消耗为目标以质量和环境影响为约束的调度数学模型.采用遗传算法结合变权重思想对该优化问题求解,同时结合一个齿轮加工过程中面向绿色制造的车间优化调度为例,说明该优化方法的可行性.     

基于熵增强混沌遗传算法的柔性作业车间调度

为使企业获得最优综合调度质量的车间调度方案,研究了多目标柔性作业车间调度数学模型及其求解算法,建立了基于最大完工时间、最大机器负荷差、机器总负荷和调度复杂度4个调度质量指标的多目标柔性作业车间调度问题模型(MFJSP),提出熵增强混沌遗传算法(ECGA)求解该模型,应用伯努利混沌映射公式改进算法选择操作,用高斯云模型改进变异算子和交叉算子,提高算法的全局寻优能力和搜索效率。根据计算的交叉概率和变异概率执行切牌式交叉操作和两基因片段式变异操作提高种群基因的多样性。以M8J12P3调度问题为例验证了MFJSP模型和ECGA算法的有效性。结果表明,与SGA、PSO和ABC相比,ECGA具有更快的收敛速度和更好的全局搜索能力,有助于企业提高生产效率和降低成本。     

基于强繁殖NSGA-Ⅱ算法的柔性车间调度多目标优化

为了实现减少车间完工时间、机器总负荷和车间能耗等优化目标,提出了基于强繁殖NSGA-Ⅱ算法的柔性车间调度优化方法.对柔性车间调度问题进行了描述,建立了车间调度的多目标优化模型,给出了调度问题编码和甘特图解码方法.以NSGA-Ⅱ算法为基础,根据繁殖能力的不同将染色体分为强繁殖子群和普通子群,两个子群根据自身特点使用不同的...     

遗传算法在车间作业调度上的应用

在车间作业调度数学模型的基础上,以遗传算法为优化工具对问题进行求解,着重介绍了生成可行调度的算法和对遗传算法的改进,同时选择典型的Job-Shop调度问题(FT06)作为算法的试验对象.最 后分别给出了基本遗传算法和改进后的遗传算法的测试结果,测试结果表明基本遗传算法在求解Job-Shop调度问题(FT06)时通常只能找到次优解,而改进后的遗传算法在求解该问题时基本能找到最优解.这一方面说明了基本遗传算法在求解实际调度问题中的不足,同时也表明该改进的遗传算法具有较大的可行性,也进一步说明了改进的遗传算法在解决实际调度问题具有更大的优势,这就揭示了实现对遗传算法的改进才是应用遗传算法解决实际调度问题的未来发展方向.     

基于遗传算法的航空航天环锻件混合流水车间调度优化

航空航天环锻件的生产特点趋于批量小、定制化和种类多,针对其生产过程中的混合流水车间调度问题进行了优化研究。将优化目标函数设为最小化的整体完工时间,选择搜索能力较高的遗传算法,在Matlab2019b软件中模拟仿真实验,并将实验结果与环锻件的实际生产数据进行对比,验证了算法的有效性和可行性。结果表明：提出的基于遗传算法的调度优化方法的整体完工时间,相较于传统人工排产的略有减少,约提高生产效率10.09%,为优化航空航天环锻件混合流水车间调度问题提供了可能。     

面向流水车间的绿色生产多目标调度优化研究

现代企业生产将会面临生产效率、经济及环境等多方面的需求,并且车间需要随时根据企业生产需求的改变调整生产调度策略。文章面向流水车间,建立了车间的生产运作时间,生产成本以及车间能耗的多目标数学模型,运用归一加权方法对量纲进行统一,并根据企业需求,通过层次分析法决策各指标权重,利用遗传算法对此问题进行寻优迭代,实时获取符合当下生产情况的调度优化方案,建立了一套面向高效、经济、节能的流水车间多目标调度优化方法。在此基础上,根据车间生产特点,提出了四种典型车间生产调度模式,并运用敏感性分析对车间生产模式进行判断。最后,以流水车间齿轮类零件加工为例,分析不同生产模式下车间调度方案,验证了模型的有效性与准确性。     

遗传算法求解低碳柔性车间生产调度问题

低碳生产方式已成为当前各国所认可的生产方式,是可持续发展的必然要求。从满足最大完工时间最小和生产碳排放量最小角度出发,构建低碳车间调度模型。使用改进的遗传算法对有低碳需求的车间生产方式进行求解,在求解过程中对初始解生成机制和遗传算子进行改进,提高算法收敛速度。实验结果证明提出的改进遗传算法在求解车间低碳生产调度中是可行的。     

基于pareto方法的多目标柔性车间调度问题的研究（英文）

多目标柔性车间调度问题一直是一个学术的难题,关于并行机的问题更是很少讨论。建立了基于并行机的多目标柔性车间调度的数学模型,目标函数为最小化最大完工时间和加工成本。与以往智能优化算法不一样的是,提出了一种基于pareto的简单优化算法。该算法主要包括两个模块:加工顺序模块和机器选择模块,其中机器选择模块采用了基于pareto优化算法。最后,数字实验表明了该算法的正确性和有效性。     

柔性流水类模具零部件热处理车间多目标动态调度

考虑柔性流水类模具零部件热处理车间的任务动态到达性、多工件族不相容性及设备装载量非同等性等特点,以交货准时性、制造节能性、质量稳定性为调度目标,构建了相应的数学模型,建立了事件触发的实时调度机制,并据此提出了一类基于前摄性组批策略的启发式算法,通过嵌入多层折衷规划模型对多目标进行有效协调,最后基于MATLAB仿真试验,说明了所提方法的有效性和适应性。     

遗传算法解决车间作业调度问题的优化研究

遗传算法由于其隐合并行性和全局解空间搜索两大优点而成为解决JobShop问题的常用工具。但是由于JobShop问题本身的特点，普通遗传算法难以在解此类问题时获得满意解，最突出的问题就是过早收敛于某一局部最优解，使算法效率降低。文章从实用角度出发，通过优化种群、降低选择压力和将模拟退火算子加入到算法中对遗传算法进行了优化，以使其适应于JobShop问题的特殊情况，并以Matlah为工具讲行了仿真实验．获得了较好效果。