钢琴生产批量调度方法的研究与应用

针对多品种批量化生产模式的钢琴生产调度问题，考虑了批量优化及调整时间的影响，以完工时间最短为目标，建立了包含批量优化、批量加工任务分配和批量任务排序的批量调度优化模型。基于遗传算法的框架，设计了四元组基因值的染色体矩阵编码。基于多色集合逻辑围道矩阵和数值围道矩阵建立了批量调度的约束模型，将多色集合约束模型与遗传算法相结合，提出了一种基于模型约束的遗传算法（CMGA），实现了批量调度问题的高效求解。通过实例对比，表明不等量分批调度比等量分批调度能得到更好的生产调度方案，考虑了调整时间的调度方案在生产实际中能得到更好的效果。     

基于模拟退火遗传算法的自动化制造最小完工时间调度优化

自动化制造最小完工时间调度是一个典型的组合优化问题。本文提出一种模拟退火遗传算法,应用于自动化制造最小完工时间调度优化。以最小化时间为目标代价函数,通过遗传算法的复制、选择和变异操作来实现大范围的全局搜索,通过仿真退火算法的逐步降温实现小范围的局部搜索,并行实现方案加速了其求解的速度。与模拟退火算法和遗传算法相比:该算法在解的质量、收敛速度和运行时间上均具有一定的优势。     

柔性车间调度与设备维护的联合优化研究

在现实生产中,生产调度和设备维护具有相互影响的关系,应将两者统筹优化。在理论研究中,柔性车间调度和设备维修决策的联合优化问题尚鲜有研究。为解决这一问题,以车间调度理论和预防性维护理论为基础,建立了柔性车间调度和设备维护的联合优化模型。同时依据问题的特性,设计了求解上述模型的双层编码遗传算法方案。最后通过实例进行仿真,得出了满足总完工时间最小条件下的最优生产和维修方案。通过与独立决策结果对比,证明了联合优化模型和算法的有效性。     

并行机作业车间等量分批多目标优化调度

为降低并行机作业车间等量分批多目标优化调度问题的复杂度,提高优化效率,提出了一种基于仿真技术和改进非支配排序遗传算法的分步优化方法.建立了一类以完工时间最短和总制造成本最低为优化目标的并行机作业车间等量分批多目标优化调度模型;将各产品进行等量分批,以Witness为仿真平台建立并行机作业车间等量分批生产仿真模型,通过组合仿真优化得到产品理想的等量分批方案,从而将原问题转化为并行机作业车间多目标优化调度问题;设计了一种改进的非支配排序遗传算法,对并行机作业车间多目标优化调度进行求解.通过算例分析验证了该方法的有效性.     

考虑换电过程的自动化码头AGV调度优化

针对自动化码头自动导引运输车(Automated Guided Vehicle,AGV)实际换电需求的特性,为减少AGV换电排队时间,降低换电过程对AGV调度的影响以提高其作业效率,构建了考虑换电过程的AGV作业调度混合整数优化模型。该模型在考虑AGV电池电量以及AGV不同状态耗电差异的约束下利用AGV作业顺序与换电站作业时间窗的协同,改变AGV原有换电策略,交错各AGV到达换电站的时刻以减少AGV换电排队时间。最后通过遗传算法(Genetic Algorithm,GA)对该模型求解,算例分析结果表明:与原有换电策略调度相比,优化后的换电策略有效减少了90. 96%的AGV换电排队时间,并提高了28. 03%的AGV作业效率,验证了该模型的有效性。     

基于多目标优化的生产调度与设备维护集成研究

为了解决生产实际中工件调度与维修计划的相互影响问题,提出基于多目标遗传算法的联合优化方案,以单机系统为研究对象,设备失效函数服从威布尔分布,考虑机器和工件的堕化效应,综合决策工件加工顺序和预防性维护时间。以工件流程时间最短化和维修成本最小化为联合优化目标,基于非支配排序遗传算法框架,提出一种新的选择机制以及去除重复个体的方法以提高种群多样性,设计改进的多目标遗传算法以求解Pareto最优解。通过不同设置下的数据实验验证了基于多目标优化的联合决策比独立决策表现更优异。实现了生产与维修部双目标之间的权衡,使决策者可根据偏好选择不同的满意解,有效协调车间的生产调度与设备维护计划。     

基于仿真的多机流水车间成组作业调度

以总流程时间为优化目标,首先对多机流水车间成组作业调度的最小化总流程时间问题进行了数学建模,然后以三机调度为例在eM-Plant（仿真软件）环境里对该问题进行仿真建模,最后在eM-Plant环境里将仿真模型与遗传算法结合起来对这一类实例进行求解;结果表明这是一种实际有效的方法.     

基于紧急订单的并行流水线动态调度研究

针对工艺流程的特殊性,对基本遗传算法进行改进,设计了双染色体编码方法。运用改进遗传算法与仿真分析相结合的混合智能方法,以完工时间、交货惩罚为目标,建立仿真优化模型,首先得到多目标模糊并行流水线的静态调度方案;然后在分析紧急订单这一扰动因素的基础上,求解并行流水线动态调度问题;最后以某汽车零部件生产企业冲压流水线为实例,验证了混合智能方法对研究并行流水线动态调度问题的有效性。     

水工业系统的优化调度及其遗传算法求解

讨论了水工业系统优化调度的基本问题和国内外研究现状。重点探讨了水工业系统水厂泵群机组的优化调度问题，建立了相应的数学模型。在用遗传算法求解模型的过程中，通过改进变量编码策略，缩小搜索空间，有效地提高了算法求解速度。与经典非线性规划约束变尺度算法相比，仿真实验表明了遗传算法的优越性。最后，给出了水工业系统优化调度计算机监控系统的应用实例。     

基于并行协同的多车间协同调度问题研究

传统企业在实际生产中,其多个关联车间之间的生产计划与调度存在难以协作的问题。为此,针对多车间协同调度问题建立了调度模型,提出了一种多车间协同调度的并行协同进化遗传算法(PCE-GA),并且采用该算法对上述模型进行了求解。首先,以最小化订单完工时间为目标,建立了单目标调度模型;然后,采用了并行协同进化遗传算法,对上述单目标调度模型进行了求解,基于工件、机器、装配关系的三层整数编码的染色体编码方案,提出了一种协同适应度值计算的方法;最后,以某液压缸生产企业为例,针对单目标调度问题,采用该算法与单车间遗传算法(JSP-GA)、并行协同模拟退火算法(PCE-SA)分别进行了求解,并对其结果进行了比较,以验证PCE-GA算法的优越性。研究结果表明：采用PCE-GA算法得到的优化率为13.3%,比单车间作业调度遗传算法求解的数据优化11.5%,该结果证明了PCE-GA算法在解决多车间协同优化问题时的优越性。     

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。     

机器混合故障下柔性作业车间鲁棒调度方法

柔性作业车间机器在生产过程中时常发生退化故障和突发故障，针对这种混合故障，考虑用预防性维护来防止退化故障，通过插入缓冲时间的方式来吸收突发故障的影响。分别以工序最终完工时间期望值和各工序加工完成时间的延迟总和期望值为质和解的鲁棒性指标，建立柔性作业车间鲁棒性调度优化模型，并设计引入混合故障概率矩阵的改进遗传算法对模型求解，联合决策工序加工顺序、预防性维护位置和缓冲时间位置，同时优化调度方案的鲁棒性。最后通过数值实验与对比分析验证了此鲁棒调度方法能有效应对车间混合故障造成的扰动。     

基于滚动时域优化策略的柔性作业车间动态调度研究

根据传统柔性作业车间静态调度模型很难适应实际生产过程中动态性和不确定性的特点,通过对动态环境下柔性作业车间调度问题的研究,构建以生产系统最大完工时间最小为优化目标的数学模型。基于滚动时域优化基本框架,设计一种生产设备出现故障情况下周期和事件混合驱动的动态调度策略。同时,采用一种扩展的基于工序和设备双层染色体编码的遗传算法来对动态调度模型进行求解。最后,通过对某一具体生产车间实例进行仿真求解,验证该动态调度策略的可行性和有效性。     

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。
     

基于仿真优化的加热炉—热轧区间重调度

为实现钢铁企业的生产连续性、成本降低等优化目标,在考虑加热炉、连铸机生产的工艺要求、订单交货期和产能的基础上,建立了加热炉—热轧区间生产调度模型,并利用非支配排序遗传算法对其进行求解。当加热炉或热轧机出现故障时,利用局部重调度重排策略,实现了加热炉—热轧区间的重调度。为减少随机因素的影响,可对染色体进行多次独立仿真,取其平均值返回给优化器。基于实际生产数据验证了该模型和方法的适用性和可行性。     

露天矿卡车SA-GA算法实时调度的实现

应用模拟退火算法优化遗传算法实现了露天矿卡车的实时优化调度。首先，针对所建卡车调度模型的单目标、多约束、非线性优化的特点，应用求解此类问题表现优越的遗传算法进行求解。其次，针对遗传算法局部搜索能力不足的特点，应用局部搜素能力强的模拟退火算法对其进行优化并详细阐述了模拟退火算法优化遗传算法的基本思想和算法流程。接着，应用典型的TSP问题对模拟退火优化遗传算法进行了验证。最终，应用Mtlab编程软件编制了基于SA-GA算法的露天矿卡车调度程序，并以实际生产数据进行了实验验证。     

柔性车间生产资源与AGV物流资源联合优化调度

柔性车间生产资源与物流资源关联性越来越强,各资源独立调度无法实现系统的高效率运行。针对此问题,提出了基于二维度自适应遗传算法的车间生产资源与物流资源联合调度方法。明确了AGV系统组成、工作模式和分配策略,建立了柔性车间的栅格地图模型;以车间完工时间最小为目标,建立了生产资源与物流资源联合调度模型;从时间和空间2个维度设计自适应算子,提出了基于二维度自适应遗传算法的联合调度方法。经合作企业某车间生产验证,二维度自适应遗传算法联合调度方案的完工时间为68 min,小于遗传算法和自适应遗传算法调度方案;经参数敏感性分析可知,二维度自适应遗传算法鲁棒性好,对不同情况下的车间调度问题都具有较好的性能。     

基于发电计划和设备检修计划的实时调度智能安全校核

针对发电计划和设备检修计划对实时调度的校核影响进行了分析。对机组检修与安全约束调度的关系和步骤进行了梳理。建立了以安全调度为目标以及以竞标机组为目标的多目标检修计划优化模型,约束条件以直流潮流作为实时在线校核。利用二进制遗传算法以及原始对偶内点法对模型进行联合求解。通过 30 节点系统进行仿真分析,说明了该模型的有效性。     

不确定可重入定点装配车间集成生产计划与调度

为满足工厂—车间一体化管理需求,研究了不确定可重入定点装配车间生产计划与调度集成优化问题。在分析车间装配特点的基础上,利用期望值描述不确定可重入情况,建立了双层生产计划与调度集成优化随机期望值模型,上层为能力约束的生产计划模型,下层为不确定可重入定点装配车间调度模型。提出了一种具有双层结构的交替迭代式改进遗传算法,上层用精英遗传算法求解生产计划,代入下层后采用基于随机模拟技术的遗传模拟退火算法求解生产调度,然后将调度结果返回上层重新求解新计划,如此不断交替迭代以实现计划与调度的同时优化。通过算例仿真验证了模型及算法的有效性。为制定不确定可重入定点装配车间生产计划与调度提供了一种合理可行的方法。     

考虑准备时间和工件分批的柔性作业车间调度

针对柔性作业车间调度受生产准备时间和工件批量影响的问题,构建了考虑准备时间和工件分批的柔性作业车间调度模型.根据工件批量加工中等量分批方法柔性不足的特点,采用柔性分批方法对工件进行批量划分.提出一种改进的遗传算法,以最小化最大完工时间为优化目标,采用双层编码的方式对模型求解,确定各工件的分批方案和子批工序调度排序方案.通过分析柔性调度案例,验证了该算法的有效性,能够更好地满足实际车间生产要求.