自动化立体仓库中直线往复2-RGV系统入库作业调度

为避免生产线缓存区域的货物积压，产品需以最短时间存储入库。在货物入库过程中，需考虑直线往复穿梭车（Rail Guide Vehicle，简称RGV）与堆垛机协同作业以及RGV碰撞避免等问题。针对上述问题，引入分区法，以货物入库时间最小化为目标，提出分区约束、RGV与堆垛机协调作业约束以及分区临界点RGV碰撞避免约束等，构建了问题的混合整数线性规划模型。针对问题特点，设计了自适应灾变遗传算法（AdaptiveCatastrophicGeneticAlgorithm，简称ACGA）求解问题。为验证算法的有效性，设计了10组不同规模的算例，并根据货物周转率使用ABC分类法为算例的入库货物分配储位。算例实验显示中，ACGA的求解结果与传统遗传算法和CPLEX的求解结果相较，货物入库时间分别平均节省了10.99%和1.20%，证明所提出的算法能有效求解该问题。     

考虑批量的多目标柔性作业车间鲁棒调度

针对多品种小批量的柔性作业车间调度问题,构建了多目标柔性作业车间鲁棒调度模型,在模型中考虑了工件分批加工、批量启动时间和机器故障等因素。基于以上因素的特点,设计了有效的染色体编码方法、染色体解码策略及机器故障仿真算法。基于非支配排序遗传算法(Non-dominated Ranked Genetic Algorithm,NRGA)的基本框架,设计了多目标优化算法,并采用有效的交叉和变异算子避免产生非法解。通过对算例的仿真实验,验证了构建的模型和设计的求解算法能够有效提高调度的鲁棒性,有效避免实际调度性能的恶化。     

多技能资源约束项目调度问题的改进算法

针对多技能资源约束项目调度问题,以最小化项目工期为目标建立了问题的数学模型。针对现有研究的不足,提出基于局部两作业资源需求的改进串行调度机制的遗传算法。该算法上层采用遗传算法框架优化作业顺序列表,下层利用新的调度机制和资源置换算法解决多技能资源分配问题并对调度计划进行解码,其中,新的调度机制包含不同情形下局部两作业的处理策略,资源置换用来确保资源的合理利用使得作业能够尽早开始。数据实验结果表明,所提算法可以有效避免资源冲突,在算法的求解质量和速度方面具有良好的性能。     

自动化立体仓库中环形2-RGV系统入库调度模型与求解算法

确定合理的货物运送序列，实现穿梭车(RGV)与堆垛机协同作业是提升自动化立体仓库中环形2-RGV系统搬运效率的重要手段。通过对RGV在环形轨道运作环境下的碰撞情况进行分析，以货物总入库时间最小化为目标，考虑了同一辆RGV运送、两RGV碰撞避免以及RGV与堆垛机协同运作等约束，构建了环形2-RGV系统入库调度问题的混合整数规划模型，设计了可快速求解问题的混合变邻域禁忌搜索(HVNTS)算法。为验证算法的有效性，设计了25组不同规模的算例，并将HVNTS算法的求解结果与CPLEX和禁忌搜索算法的求解结果相比较，算例实验结果表明：货物的平均入库时间分别节省了0.36%和8.67%,且HVNTS算法的求解时间均在3 min内，证明所提算法能快速有效地求解该问题。     

考虑外集卡的混堆集装箱码头多场桥调度

针对混堆模式下集装箱码头的多场桥调度问题,考虑该模式下内外集卡等待对码头作业成本影响程度的不同,以及多场桥作业时相互间的干扰和堆场内集卡等待时间上限等约束,提出一个多场桥调度整数规划模型。为提高遗传算法的全局寻优能力,设计了新的变异操作,引入了解空间切割方法,并在算法框架中嵌入基因修复技术,提出改进遗传算法进行求解。通过多次数值实验,验证了算法的优越性;基于不同任务规模的实验分析,验证了所提调度方法的有效性。     

引入免疫算子的遗传算法对作业车间调度结果的影响

解决车间生产调度问题能缩短生产周期,提高生产效率,降低制造成本。通过对作业车间调度问题的分析,提出一种求解作业车间调度问题的免疫遗传算法。该算法通过引入免疫算子,进行抽取疫苗和接种疫苗等免疫机制,充分利用待求解问题的特征信息来指导个体的进化,有效改善基本遗传算法的未成熟收敛和局部搜索能力差的不足,显著提高了基本遗传算法对全局最优解的搜索能力和收敛速度。利用Delphi实现该算法并实例仿真,结果表明免疫遗传算法能有效解决作业车间调度问题。     

智能RGV动态调度研究

本文围绕RGV动态调度问题,建立了以排队论为基础的RGV动态调度模型,设计了两道工序加工和有故障时物料加工的具体算法。利用MATLAB实现了对问题的求解。针对两道工序的物料加工问题:首先,依据不同工序加工时间的相对大小列举出三种不同情况下加工刀头数量分配,再利用遗传算法计算出不同的数量分配下的最优工序刀头排列组合,最后根据邻近原则计算出不同作业参数下分别的物料生产总数。针对有故障概率的物料加工问题:在两道工序物料加工模型基础上加入故障随机发生性以及持续时间随机性对RGV进行动态调度,由此计算出在有故障概率的情况下8小时内两道工序物料生产数。最后,对模型进行推广及优化,在模型推广中提出了多个RGV调度模型,并用遗传算法对其动态调度;在模型优化中提出了无等待RGV动态调度模型以及单个CNC可进行两道工序加工的模型,并与原模型进行比较,证实了优化模型的可行性和实用性。     

应用混合蚁群算法求解模糊作业车间调度问题

为解决蚁群算法求解时间过长和易陷入局部最优的问题,提出了一种求解模糊作业车间调度问题的混合算法,该算法将蚁群算法用于全局搜索.为了提高搜索效率,根据作业车间调度问题解的特征,提出一种基于关键工序的邻域搜索方法,并使用此邻域搜索方法的禁忌搜索算法嵌入蚁群算法.利用禁忌搜索算法较强的局部搜索能力,提高了蚁群算法的优化能力,改善了作业车间调度问题解的质量.实验结果验证了该混合搜索算法的有效性,其优化效果优于并行遗传算法和禁忌搜索算法.     

改进遗传变邻域算法求解飞机装配线调度问题

针对飞机装配调度过程中受到空间限制的问题,建立了以最小化装配作业总工期为目标并考虑空间约束的飞机装配线分部段作业调度数学模型,提出了一种求解此模型的改进遗传变邻域算法。该算法采用优先级规则进行种群初始化以缩减解空间,并设计了一种结合接受阈值的变邻域局部搜索方式,采用考虑紧前紧后关系三种邻域结构来确保搜索过程中产生合法解,以提高搜索能力,避免传统遗传算法陷入局部最优,最后通过标准算例库PSPLIB中的算例验证了算法的有效性和优越性。     

基于改进遗传算法的作业车间调度

针对传统遗传算法在求解作业车间调度问题时存在的算法收敛速度慢、寻优结果易陷入局部最优等缺点,提出了基于禁忌搜索算法的遗传交叉算子,利用禁忌表对交叉过程重复产生的子代进行有效禁忌,以加快算法的收敛速度,提高算法的全局搜索能力。算法设计了特殊的禁忌交叉方式,经实例表明:与传统的遗传算法相比,改进后的遗传算法在算法的收敛速度和求解的质量方面有了明显提高。     

基于混合遗传算法的Job Shop问题研究与实现

遗传算法具有良好的全局搜索能力,在调度问题中得到了广泛的应用。通过对遗传算法进行改进,可以有效避免在求解过程中容易陷入局部最优域的问题。通过采用混合遗传算法,即将模拟退火算法与遗传算法结合,在种群更迭过程中引入了模拟退火操作来求解Job Shop问题。通过实验验证了混合遗传算法的特性,最终算法显示出了遗传算法较好的搜索能力和模拟退火避免过收敛的特性,改进了收敛性能。系统的运行结果满足调度要求,实现了良好的有效性和实用性。     

考虑工件移动和成本的多目标柔性作业车间调度问题优化研究

针对考虑工件移动时间约束的柔性作业车间调度问题,构建了以加工总成本和最大加工时间最小为目标的数学模型并用改进遗传算法求解。针对柔性作业车间调度问题(FJSP)特性,算法中采用基于工序的集成编码操作,实现工序排序和机器匹配的内在关联并由此产生可行的调度方案;根据编码结构设计了有效的交叉和变异操作,从而避免了非法调度解的出现;为克服遗传算法的早熟收敛和减少调度开销,用贪婪解码算法生成主动调度、设计了自适应变异规则并采用混合子代产生模式提高染色体适应值。最后通过测试问题的求解及数值分析,证明了算法和模型的有效性及鲁棒性。     

基于混合遗传算法的车间调度问题的研究

作业车间调度问题是最困难的组合优化问题之一，也是计算机集成制造系统中的一个关键环节，在实际生产中具有广泛应用。为此，提出了实现车间调度的混合遗传算法的设计方案，把遗传算法与模拟退火算法相结合，充分发挥遗传算法良好的全局搜索能力和模拟退火算法有效避免陷入局部极小的特性。通过实验验证了基于GASA混合算法的作业车间调度方法显著提高了搜索效率，改进了收敛性能。     

密集仓储环境下多AGV/RGV调度方法研究

针对密集仓储环境下,出库作业时,有轨车(Rail guided vehicle,RGV)在不同货架间运送货物的换乘需要借助穿梭车(Automated guided vehicle,AGV)实现,入库作业时,货物先由穿梭车从输送带送达货架口,再由有轨车完成入库操作等特征,构建密集仓储环境下考虑多出入库任务的多AGV/RGV作业调度模型,包括穿梭车任务分配模型、协同有轨车选择模型和出入库完工时间数学模型.为实现密集仓储环境下的多AGV/RGV调度,提出适应不同出入库货位分布的穿梭车任务分配规则,实现考虑执行任务均衡的穿梭车任务分配;利用遗传算法实现多AGV/RGV出入库协同调度,对遗传算法关键解码算子进行详细设计,解码确定各穿梭车与有轨车执行出入库任务的顺序、任务的起始时间和结束时间,使得所有出入库任务的总完工时间最短.最后,通过某物流仓储企业实际案例进行测试,测试结果表明,提出的启发式规则能实现穿梭车任务的均衡分配,基于遗传算法的协同调度方法能有效地产生多AGV/RGV协同调度方案,减少出入库作业总时间,提高了仓储作业整体效率.     

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。     

智能RGV的动态调度算法设计

针对RGV(轨道式自动引导车)的实际问题,基于机理建模分别给出了一道工序加工作业和故障干扰下二道工序加工作业的动态调度模型,设计有效算法,为智能RGV的动态调度策略提供了思路。     

基于改进量子遗传算法的重型装备生产调度研究

针对机械工厂(车间)中存在的重型装备加工与装配集成调度精益性不足的问题,在研究了多产品综合作业调度的基础上,提出了一种改进量子遗传算法,以提高重型装备生产的精益化程度.以加工成本、精准交付、跨车间转运次数为目标,构建了多产品综合作业调度优化模型;结合产品加工与装配特点,设计了基于装配约束的编码方式;为避免量子遗传算法陷...     

以JIT为目标的多阶段非等同并行机调度问题研究

针对多阶段非等同并行机模式下的准时化(Just-in-TimeJ,IT)调度问题,采用由遗传算法和禁忌搜索算法混合的禁忌遗传递阶算法进行求解。禁忌遗传递阶算法用禁忌搜索算法对工件最佳加工次序进行搜索,而相应评价值由遗传算法计算得出。遗传算法采用基于阶段机器号的二维矩阵编码,可有效地避免不可行解的产生,同时采用自适应改进提高遗传算法跳出局部最优的能力。实际算例说明禁忌遗传递阶算法计算结果稳定可靠,适合于解决多阶段非等同并行机的JIT调度问题。     

均衡作业下的散货港口卸船设备协同调度研究

针对散货港口卸船设备协同调度问题以及货船舱位作业均衡要求,以卸船最大完工时间最小化、作业成本最小化为目标建立卸船设备协同调度模型,设计多目标遗传算法进行求解,将贪婪策略引入染色体解码过程以提升求解效果。计算结果表明：基于贪婪策略的多目标遗传算法求解得出的作业时间和作业成本均少于传统的多目标遗传算法,能够有效优化人工调度结果,进而验证了算法的实用性。     

求解低碳车间调度问题的改进鲸鱼算法

针对传统柔性作业车间调度问题只考虑完工时间,设备利用率,完工成本等因素的局限,构建了以碳排放成本和完工时间成本加权和最小为目标的低碳柔性作业车间调度问题模型,并设计了一种改进的鲸鱼优化算法对其进行求解。首先,采用等长的两段式编码方式来表示柔性作业车间调度问题,引入基于ROV规则的转换机制,实现鲸鱼个体位置向量与调度解之间的相互转换。其次,采用基于一定比例的全局搜索、局部搜索和随机搜索的混合式种群初始化方法,生成一定质量的初始种群,同时设计了非线性收敛因子和自适应惯性权重系数来加强算法协调全局搜索和局部寻优的能力。再次,引入自适应调整搜索策略以提高算法跳出局部最优的能力。最后,通过实验数据验证了改进鲸鱼算法在求解低碳柔性作业车间调度问题方面的有效性。