多品种小批量产品冲压计划排程多目标优化

为提高混合冲压车间的生产效率、缩短交货期并减少生产成本,以最小化最大完工时间、换模次数、加工成本为优化目标,建立了混合冲压计划排程的多目标优化模型,采用基于非支配排序的遗传算法进行求解。设计了包含模具信息的染色体编码和解码方式,并利用线性加权法从Pareto解集中筛选出满意解。以某汽车生产企业冲压车间一个生产周期的生产任务为例,验证了所提方法的可行性与有效性。     

求解多目标混合流水车间调度的改进NSGA-Ⅱ

针对混合流水车间调度问题,以最小化能耗和最小化最大完工时间为求解目标,建立混合整数线性规划模型,提出求解该问题的改进快速非支配排序遗传算法(NSGA-Ⅱ)。算法染色体采用首阶段工件加工顺序码和设备分配码相结合的编码方式,最大程度确保算法在问题的整个解空间搜索Pareto前沿解。针对染色体编码设计了3种不同解码方法,其中两种解码方法与问题目标密切相关,用于引导算法搜寻方向;设计了一种贪婪变异算子,在提高种群多样性的同时兼顾算法的局部搜索能力。为确保Pareto前沿解集的分布性和收敛性,避免算法陷入局部最优,在采用精英保留策略的基础上提出一种全新的选择算子,并通过实验证明了该选择算子的有效性。为进一步节约能源,针对调度方案提出先右移再左移的调整策略,在不改变总完工时间的前提下大大节约了设备的待机和开关机能量。最后通过实验验证了改进NSGA-Ⅱ的有效性。     

基于产品制造过程内含能分级的冲压车间节能调度研究

冲压制造离散性强、工艺复杂、能量损耗较大,为实现冲压制造过程的节能和高效运行,在保证最大完工时间受影响较小的前提下降低能耗,以冲压车间为对象进行了节能调度研究。建立面向冲压车间的多目标节能调度模型,采用多目标优化算法进行求解,得到Pareto解集。提出基于产品制造过程内含能分级的方案评价与选择方法,计算出不同调度方案下各产品的制造过程内含能并进行分级处理,选择出产品制造过程内含能较小的调度方案作为最优执行方案,提高了节能调度的可行性。最后,应用某冲压车间生产实例验证了节能调度模型和基于产品制造过程内含能分级的方案评价与选择方法的可靠性,与原始调度方案相比,车间总能耗与最大完工时间均实现了降低。     

基于多层级优化模型的绿色车间分批调度方法

在柔性作业车间中，将绿色调度与分批调度结合，不仅是绿色性与经济性的指标集成，更是生产计划与调度的过程集成，具有相当的复杂性。而这种集成最有利于保障柔性作业车间的经济和环境效益的协调优化效果。为此，综合考虑柔性作业车间多层级组织结构和任务配置特点，提出了一种基于多层级优化模型的柔性作业车间绿色分批调度方法。并基于不同调度层次目标的差异及相互作用关系，开发了一种两级节能增效策略。利用模型约束构造不同层次调度模型的相关性，保证调度过程的一致性。设计了三种邻域搜索策略，利用NSGA-Ⅱ和邻域搜索的混合算法构造Pareto解集，最后通过TOPSIS寻出最优解。最后，通过实例验证了该方法的优越性，相较于经典NSGA-Ⅱ的期望成本、机床最大负荷、待机能耗和Makespan减少了9.3%、15.2%、20.9%和12.8%。     

周期式退火炉作批处理机的可重入批离散机流水车间调度

针对无缝钢管冷拔生产中的周期式退火炉作批处理机的可重入批离散机流水车间调度问题,建立以总工件完工时间与批处理机总能源消耗最小化的双目标优化调度模型,设计包括多目标粒子群算法、快速非支配等级排序、拥挤度比较以及变异进化操作的多目标粒子群算法,该算法采用非支配等级排序与拥挤度比较进行最优粒子的选择策略和算法前期与后期变异相结合使用策略。试验结果表明,与带变异进化操作的多目标粒子群算法和非支配排序粒子群算法相比,该算法在两个目标函数上都找到更优的最小值,其结果平均水平更靠近Pareto解集的前沿,有效提高了算法的优化求解能力。通过Pareto解的方式该算法可得到一组综合权衡了完工时间和退火炉能源消耗两个指标的Pareto解集,能提供多种可选的调度方案,当生产时间充足,可尽量选取退火炉能源消耗较低的方案,当企业订单繁多追求生产效率时,可尽量选取完工时间较小的方案,有效地解决了此类实际问题。     

柔性工作车间调度问题的多目标优化方法研究

针对各工件日标不同的多目标柔性作业车间调度问题,构建了以加工成本、加工质量及制造工期为目标函数的柔性作业车间调度多日标优化数学模型.针对传统的加权系数遗传算法不能很好地解决柔性作业车间调度多目标优化问题,提出采用改进的强度Pareto进化算法,对柔性作业车间调度问题进行多目标优化,从而得出柔性车间调度问题的Pareto综合最优解.最后,结合项目实施,以某大型空分装备企业的车间调度为例,证明了文中提出的方法能很好地解决柔性工作车间调度的多目标优化问题.     

基于改进NSGA-Ⅱ的非紧密衔接工序车间多目标调度研究

为解决实际生产中非紧密衔接工序的多目标车间调度问题,基于现有多目标调度算法(NSGA-Ⅱ)提出一种新的针对PARETO解集的评价方法。分析工序间的衔接约束,定义工序衔接系数和工序衔接过度的概念;设计了工序衔接系数的数学模型,并将其融入算法流程作为种群筛选依据;设计了新的精英保留策略,在算法迭代过程中即排除了工序衔接过度解;以最大完工时间最小和加工成本最小为目标,构建两个目标的柔性作业车间调度模型;最后以某汽车零部件制造车间的生产过程为例,将其与应用该方法之前的调度结果做了对比分析,结果表明该方法的调度结果更优且更符合生产实际,证实了该方法的可行性和有效性。     

多目标置换流水车间调度的改进食物链算法

针对目标函数为最小化最大完成时间和总延迟时间的多目标置换流水车间调度问题,提出了一种改进的食物链算法。该算法在食物链算法的基础上,引入基于Pareto最优解的快速非支配性排序和个体拥挤距离计算,增强了算法的寻优性能。对OR-Library三个典型算例的优化比较表明,该算法在解的质量上明显超越NSGA-Ⅱ算法。     

基于Pareto最优的多企业协同计划调度优化

为解决协同制造环境下多协作企业的协同计划调度问题,针对多企业协同生产链实际运作过程,建立了一种考虑综合成本和完工时间的多目标计划调度优化模型。基于Pareto最优概念,采用NSGA-Ⅱ算法（快速非支配排序遗传算法）来解决多目标优化问题。为了保证解的收敛性和多样性,设计了有效的编解码方式和遗传操作程序,通过局部变异种群重复个体,并采用分布函数自适应选取精英数量,得到一系列Pareto最优解。最后通过仿真实例对多目标优化模型和算法进行了求解,结果表明,该方法可快速有效地实现全局多目标寻优,从而找到更多更合理的协同计划调度方案。
     

面向不确定性的车间布局调度集成建模与优化

针对制造系统的不确定性和车间布局调度协同优化难题,研究了不确定环境下车间布局调度集成优化问题,旨在耦合车间布局调度中的不确定因素,实现制造系统的高效有序运作。选取工件需求、工序加工时间和设备故障作为影响布局调度集成优化的不确定因素,构建以制造过程中总费用、总完工时间最小和鲁棒指标最大为优化目标的面向不确定性的车间布局调度集成优化模型。设计了一种具有改进选择算子的NSGA-Ⅲ(NSGA-Ⅲ with improved selection operator, NSGA-Ⅲ-ISO),改进选择算子增强了算法的全局搜索能力和稳定性,同时引入PBI距离并改进其极小值取值方法。通过基准函数测试结果表明,新算法具有更好的前端分布性和收敛性。将集成模型和改进的求解算法应用于车间布局调度工程实例,其结果进一步验证了模型和算法的有效性和可行性。     

结合混合进化算法和知识的多目标车间调度

提出了一种结合混合进化算法和知识的新型多目标车间调度方法,在有限的时间或迭代次数下可以得到更好的非支配Pareto解以服务于生产调度。由优化目标和属性归纳演绎法确定了知识挖掘的工件属性,通过优先级权重得到了规则初始种群。所提出的增减排序方法通过重新局部排序初始种群中工序的位置来克服优先级下工序不足或过饱和的问题。最后由一标准案例和非支配排序遗传算法-Ⅱ（NSGA-Ⅱ）混合模拟退火算法对所提调度方法进行了验证,得到的结果无论是优化目标值还是解集的分布在不同迭代次数和初始种群尺寸下都要优于传统随机进化方法。     

柔性作业车间机床与搬运机器人联合调度方法

针对当前柔性作业车间机床和搬运机器人单独调度存在的不匹配问题,以车间完工时间为目标,提出基于多代竞争强进化遗传算法的机床与机器人联合调度方法。对多工件、多工序、多机床、多机器人的柔性作业车间联合调度问题进行了描述;考虑了机床生产和机器人搬运的时序约束,建立了最小化车间完工时间的优化模型;使用工序链、机床链及机器人链缠绕的染色体编码方式,将联合调度问题转化为算法优化问题;在遗传算法中引入多代竞争机理和强进化算子,其中多代竞争机理增加了优秀染色体的遗传概率,强进化算子具有保留优秀基因片段和强制差基因进化的能力。经生产实验验证,在15个工件44道工序的调度中,该算法的车间完工时间比标准遗传算法缩短了14.75%;另外,在不同规模的工件生产调度中,与克隆选择算法和标准遗传算法相比,该算法的迭代次数最少、车间完工时间最短。上述实验结果充分证明了多代竞争强进化遗传算法在柔性作业车间生产联合调度中的优越性。     

工序加工时间不确定的柔性作业车间重调度算法

针对工序加工时间不确定的柔性作业车间重调度问题,以最小化最大完工时间和最小化机器总负荷为目标,利用区间数表征加工时间不确定性,采用泛灰数实施作业调度,引入EDQS重调度触发机制和滚动窗口优化策略,设计了关键工序集的构造规则;采用改进的NSGA-Ⅱ算法优化关键工序集和SPT规则调度非关键工序集,从而实现完全工序集的调度。引入Hypervolume指标维护进化种群,在保证Pareto最优解集收敛性的同时维持了群体多样性,以泛灰数序关系确定最优调度方案。仿真实例不仅证明了基于工序加工时间不确定的柔性作业车间重调度算法的可行性和有效性,而且证明该方法能够及时响应不确定性因素扰动。     

面向复杂工程项目型产品作业车间调度问题

针对复杂工程项目型产品作业车间调度问题(CEPP-JSP),在考虑产品生产过程具有成套性、并行性、分散性和高柔性等生产特点的基础上,构建了面向CEPP-JSP的基本生产任务分配和作业中心生产调度的多目标优化模型,提出了改进的非支配排序遗传算法(NSGA-Ⅱ)对优化模型进行求解,从而得到了CEPP-JSP的Pareto综合最优解。最后,以某水轮机公司产品的作业车间调度为例,验证了提出模型和算法的可行性和有效性。     

基于SPEA的多目标柔性作业车间调度方法

研究了多目标柔性作业车间调度问题,构建了以制造工期、加工成本及交货期为目标函数的柔性作业车间多目标调度模型,应用改进的强度Pareto进化算法(SPEA)进行求解。在该算法中,引入模糊C-均值聚类(FCM)加快外部种群的聚类过程。采用约束Pareto支配和双层编码策略,一次运行就能够求得Pareto最优解集,并利用模糊集合理论的方法得到Pareto解的优先选择序列和选出一个最优解。最后,将该方法应用于某机械公司车间调度中,验证了该方法的有效性和适应性。     

改进NSGA-Ⅱ算法求解考虑运输约束的柔性作业车间节能调度问题

传统柔性作业车间调度通常忽略工件在机器间的运输时间和能耗,针对该问题建立了考虑运输约束与节能的柔性作业车间调度模型,并提出了改进的NSGA-Ⅱ算法求解该模型。首先,在柔性作业车间调度数学模型中设立最大完工时间、总延期、设备总负载、车间总能耗4个目标,并根据运输约束实现了调度模型矩阵编码、解码、交叉与变异,基于子代向最优解学习机制改进NSGA-Ⅱ算法迭代过程中易陷入局部最优解问题。最后,在考虑车间机器之间运输约束的前提下结合Kacem、Brandimarte算例对调度模型进行可行性分析,结果表明该模型与算法求解效率高,能有效解决车间运输约束导致的调度方案与实际加工偏差问题。     

基于改进非支配排序的云模型进化多目标柔性作业车间调度

采用多目标进化算法研究柔性作业车间调度问题,目标是最小化最大完工时间、机器总负荷和最大机器负荷3个性能指标。针对NSGA-Ⅱ识别非支配个体较慢和个体比较次数较多的不足,设计一种基于预排序的快速非支配排序算法,快速识别非支配个体并淘汰被支配个体,提高非支配解集的构造效率;结合柔性作业车间调度问题的特点和进化算法的性能,引入云模型进化策略,提出一种基于非支配排序的云模型进化多目标柔性作业车间调度算法。运用云模型揭示模糊性和随机性的优良特性维护进化种群,提高非支配解分布的广度和均匀度。利用多指标加权灰靶决策模型选择最满意调度方案。使用基准实例进行测试并比较测试结果,验证了算法的可行性和有效性;利用提出算法确定了生产实际的最满意调度方案。     

结合支配强度的NSGA-Ⅱ的柔性车间低碳调度

针对加工辅助环节对传统柔性车间低碳调度的影响这一问题,以最大完工时间、碳排放及机器负载为目标,建立考虑机床上下料调整状态的柔性车间低碳调度模型,利用加权归一法进行量纲的统一;针对非支配排序遗传算法(Non-dominated Sorting Genetic Algorithm-Ⅱ,NSGA-Ⅱ)在解决高维多变量、复杂Pareto边界及复杂非线性多目标问题时存在无法识别非支配解、拥挤度公式不合理、计算效率低下及解集质量较差等问题,提出一种基于支配强度的改进NSGA-Ⅱ算法(Improved NSGA-Ⅱ algorithm based on Dominant Strength, INSGA-Ⅱ-DS)对该模型进行求解：将支配强度引入非支配排序,采用新型拥挤度算子与基于外部档案集的自适应精英保留策略;设计了一种变邻域搜索策略,扩大了邻域搜索范围,增强了算法的局部搜索能力。并运用实例数据对INSGA-Ⅱ-DS性能进行验证,结果表明,改进算法求解效率更高,解集质量更优。     

一种基于改进NSGA-Ⅱ的多目标绿色柔性作业车间调度方法

针对多目标绿色柔性作业车间调度问题,建立了以最小化最大完工时间、总负荷和总能耗为优化目标的多目标优化模型,提出了一种带有自适应交叉变异算子和学习机制的改进NSGA-Ⅱ多目标优化算法。该算法通过机器和工序的两级编码机制,使用基于全局、局部和随机选择的非支配排序选择策略得到初始种群;采用具有自适应算子的混合交叉变异策略进行迭代,提高算法的全局搜索能力;引入分布函数来改进精英保留策略提高种群的多样性;通过学习机制进行邻域搜索提高算法的局部搜索能力。最后,采用基准测试算例Brandimarte以及Kacem数据集对算法进行测试,结果表明采用改进的NSGA-Ⅱ算法求解多目标绿色柔性作业车间调度问题具有求解精度高、收敛速度快以及解集多样性好的优点。     

基于改进NSGA-Ⅱ算法的发动机活塞机构优化设计

为提高发动机活塞机构的运动性能,提出了以最小跟踪误差和传动角与直角的偏差最小为优化目标,建立发动机活塞机构多目标优化模型,引入NSGA-Ⅱ算法对活塞机构进行多目标优化。为提高NSGA-Ⅱ算法的种群的多样性和搜索能力,对交叉算子和变异算子进行改进,应用NSGA-Ⅱ算法与改进算法对发动机活塞机构优化问题进行求解,分别得到各自的Pareto解集,并通过逼近理想解排序法选出最优解进行对比。通过实验对比表明,改进算法的Pareto解集分别更均匀、收敛速度快、跟踪误差更小,能为发动机活塞机构的优化设计提供参考依据。