基于工序约束链编码的遗传算法求解产品综合调度问题

针对产品综合调度优化问题,提出一种基于工序约束链编码的遗传算法。该算法设计的编码方法,不但能准确体现产品工艺树中的工序约束关系,而且不会强加新的约束,保证了初始解空间的可行性和完备性;同时避免了分区编码方法存在强加约束和遗漏解空间的问题。针对交叉、变异操作产生不可行解的问题,设计了一种基于邻接矩阵的修复方法。实验测试结果验证了所提算法的有效性。     

基于自适应遗传算法的柔性动态调度研究

提出了柔性生产环境下动态调度系统的框架结构。系统主要由评估模块，动态数据库管理模块以及遗传算法模块组成，它能够在扰动发生后快速提供新的调度计划；而自适应策略保证遗传算法有很好的收敛速度与精度。该方案减少了人为的干预，完全可以在实时生产条件下运行。     

基于遗传算法的动态调度知识获取

用普通方法难以很好地解决动态调度的问题,仿真方法和专家系统相结合是一个较好的解决办法,但是知识的缺乏制约了它的应用,机器学习是获取调度知识的一个重要途径。提出一种新的机器学习方法,并用实例说明其可行性。     

基于免疫遗传算法的车间动态调度

提出了一种求解车间动态调度问题的免疫遗传算法。该方法在遗传操作过程中,运用免疫机理提取疫苗,并对进化种群进行免疫操作,从而有效地抑制了遗传算法的“早熟”和搜索效率低下的问题;此外,该算法在解码操作过程中引入设备能力空间的概念,从而将设备的加工能力作为约束条件动态引入,有效地解决了车间动态调度和再调度方案的一致性和连续性问题。实例表明该算法能够满足车间动态调度的要求。     

蚁群遗传算法求解能力约束的柔性作业车间调度问题

提出一种主、从递阶结构的蚁群遗传求解算法。算法中,主级为蚁群算法,完成工件组合和加工路径选择;从级为遗传算法,完成主级约束下的设备排产。分别以工件延迟时间和设备可用能力为启发式信息,设计蚂蚁工件间和设备间的转移概率;以设备空闲时间最小为目标,设计从级染色体选择、多点交叉和多点变异3类遗传操作。从级染色体适应值取其代表调度方案中工件流通时间的倒数,从蚂蚁游历值取其对应从级染色体种群的最优适应值。最后,通过仿真和比较实验,验证了该算法的有效性     

一种基于改进遗传算法的多目标动态调度优化

静态调度问题一般是NP-hard问题,而动态调度问题的性能指标比静态调度的更为复杂,并且以多目标综合性能指标居多.在系统地研究了多目标动态作业车间调度问题的基础上,运用滚动窗口技术和改进的遗传算法来解决动态调度问题.滚动窗口技术将调度过程分成连续静态调度区间,在每个区间内用多目标遗传算法进行调度优化.最后开发了面向应用的动态调度原型系统,并对改进的Job-shop基准实例进行仿真试验,证明了提出策略的可行性和有效性.     

一种基于改进遗传算法的多目标动态调度优化

静态调度问题一般是NP-hard问题,而动态调度问题的性能指标比静态调度的更为复杂,并且以多目标综合性能指标居多。在系统地研究了多目标动态作业车间调度问题的基础上,运用滚动窗口技术和改进的遗传算法来解决动态调度问题。滚动窗口技术将调度过程分成连续静态调度区间,在每个区间内用多目标遗传算法进行调度优化。最后开发了面向应用的动态调度原型系统,并对改进的Job-shop基准实例进行仿真试验,证明了提出策略的可行性和有效性。     

基于滚动窗口技术和遗传算法的柔性作业车间动态调度研究

在柔性车间的动态调度过程中,存在生产效率和设备利用率低的问题,为此,提出了一种基于滚动窗口技术和遗传算法的柔性车间动态调度新方法。首先,采用最大完工时间最小作为评价指标,根据滚动窗口技术的特点,对滚动窗口中参数的修正、重调度时刻的解码以及窗口中工件的数量和调度周期进行了分析,为后续研究提供了理论指导;然后,采用分段编码的方式对机器选择部分和工序排序部分进行了编码,并设计了相应的交叉操作、选择操作方法;最后,采用工件和机床数据对柔性车间动态调度新方法进行了实验验证。研究结果表明:采用基于滚动窗口技术与遗传算法的新方法求得的最短完工时间值为17,在保证了遗传算法具有全局搜索性能的基础上,既能满足用户多品种、中小批量生产的要求,又能有效降低生产成本;在有效处理动态事件的前提下,该方法既能提高作业车间的生产效率,又能保证设备具有较高的利用率,满足柔性作业车间的动态调度要求。     

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     

基于工序约束并行机模型的冲压线调度

根据双向冲压线的实际生产特点,提出了一种基于工序约束并行机的双向冲压线调度模型.在该模型中,工件同时在牛产线两端按设备顺序加工,且加工工件及其加工开始时间和完工时间受生产线两端工件工序数目约束和生产线设备加工能力的约束,给出了该约束的规则;设计了启发规则和遗传算法混合的求解算法.最后,以最大完工时间为优化指标进行验证,证明该模型具有较好的实用价值.     

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。     

基于遗传算法的带服务匹配的现场产品服务调度

鉴于现场产品服务调度是一个融合了多旅行商与多技能项目调度的复杂问题,提出一种基于遗传算法的解决方法。该方法首先建立了既考虑工程师服务技能约束又考虑服务路径优化和客户满意度的优化模型,然后采用基于分段染色体编码的遗传算法进行求解,最后通过算例进行验证,并与现有方法相比,说明所提方法具有较好的优化效果。     

基于云遗传算法的MRO服务调度

为了对产品全生命周期管理相关技术人员或服务商进行合理的组织和调度,在有限的成本条件下最快地完成维修、维护和大修任务,以维修、维护和大修中的维修服务为例,对维修服务调度问题进行数学建模,并应用基于云模型理论的遗传算法求解数学模型,得出最优调度方案.研究结果表明,建立的模型符合实际应用需求,采用云遗传算法可以产生最优解.通过比较可知,云遗传算法在求解精度和收敛速度上都优于自适应遗传算法.     

A multi-objective genetic algorithm for scheduling in flow shops to minimize the makespan and total flow time of jobs

In this paper the problem of permutation flow shop scheduling with the objectives of minimizing the makespan and total flow time of jobs is considered. A Pareto-ranking based multi-objective genetic algorithm, called a Pareto genetic algorithm (GA) with an archive of non-dominated solutions subjected to a local search (PGA-ALS) is proposed. The proposed algorithm makes use of the principle of non-dominated sorting, coupled with the use of a metric for crowding distance being used as a secondary criterion. This approach is intended to alleviate the problem of genetic drift in GA methodology. In addition, the proposed genetic algorithm maintains an archive of non-dominated solutions that are being updated and improved through the implementation of local search techniques at the end of every generation. A relative evaluation of the proposed genetic algorithm and the existing best multi-objective algorithms for flow shop scheduling is carried by considering the benchmark flow shop scheduling problems. The non-dominated sets obtained from each of the existing algorithms and the proposed PGA-ALS algorithm are compared, and subsequently combined to obtain a net non-dominated front. It is found that most of the solutions in the net non-dominated front are yielded by the proposed PGA-ALS.     

基于遗传算法和模型仿真的调度规则决策方法

为了完成特定生产环境下的调度规则选择问题,提出一种将遗传算法和过程仿真相结合的调度规则求解方式。在该求解方式中,遗传算法采用分段整数编码,每个染色体都代表一组可用于描述具体调度方案的规则组合;遗传操作包括选择、交叉、变异三种类型;为获得适应度函数值,利用基于某扩展Petri网的生产过程模型进行仿真,以在每一代种群中,得到与每个染色体相对应的各项性能指标值,进而以一种集成层次分析法和方案模糊评判的决策优化方法求取相应的适应度函数值。另外,为了改善串行遗传算法不切实际的解答时间,用主从式并行遗传算法代替传统遗传算法,保证了解在时间上和质量上的可行性。     

基于遗传算法的RGV动态调度研究

在巷道式自动化立体仓库中,环形轨道式导引小车系统(RGV)的效率是瓶颈.针对大物流量下RGV的动态调度问题,提出分组运输的方法,运用遗传算法把任务分配给各RGV,并针对具体问题提出了实用的编码方法.通过物流仿真软件eM-Plant比较了分组方法和先来先服务(First-come-first-serve)方法的效果,验证了模型的有效性.最后研究了RGV数量、出入货站台的数量以及每组任务数对产出量的影响,得到了相关的仿真数据,为环形轨道式导引小车系统的实际规划建设提供了可靠的依据.     

具有柔性加工时间的机器人制造单元调度问题改进遗传算法

为克服传统遗传算法在求解具有柔性加工时间的机器人制造单元调度问题时易出现早熟收敛、冗余迭代等缺陷,提出了改进遗传算法。该算法采用基于工件搬运顺序的染色体编码,并根据调度问题特征,设计构造型启发式算法来生成初始种群,避免了大量不可行染色体的产生,提高了后续操作的优化质量。同时,在交叉变异操作中引入局部邻域搜索,通过对子代邻域的局部寻优提高了算法的收敛速度。最后,分别应用该算法和传统遗传算法求解六个基准案例,实验结果验证了该算法的有效性。     

基于改进遗传算法的柔性作业车间调度方法研究

针对柔性作业车间调度问题,提出了一种自适应的遗传机制,构造出自适应的适值函数定义方法,设计了相应的自适应选择、交叉和变异3种算子。为了解决同一工序的不同机器的负荷平衡,提出了表征机器加工能力的能力系数。通过轮换方法实现了相同工序不同机器之间的调度。仿真实验结果表明,该调度算法具有可行性。     

基于时间描述的批处理短期调度方法综述

回顾了近二十年来批处理过程的短期调度研究已经取得的显著进步,对批处理调度方法进行了简要介绍。从基于时间描述的方式出发,将现有的调度方法分为离散时间表示法和连续时间表示法两大类,然后分别分析了这两大类方法的优点和局限性,最后进行了总结及展望,指出了批处理调度研究的重点将是调度理论的基础方面。     

基于遗传算法的配送车辆优化调度

分析了汽车运输的特点和成本,针对配送企业,建立了实际的物流配送,并量化各项评价指标,给出了采用遗传算法进行优化调度的数学模型,并结合两阶段法和改进的遗传算子编写了实现算法。