柔性作业车间调度分析及其启发式算法

针对多目标柔性作业车间调度问题,基于甘特图和搭积木经验进行了分析,提出了一种组合优先规则和基于此优先规则的启发式算法。组合优先规则面向完工时间、关键机床负荷和总负荷三个指标,改变规则中各数据项的比例可调整三个指标所占的比例。算法采用随机方式调整三个指标的比例,并微调最优解对应的比例,能随机产生多个高质量调度解。对比测试表明,算法求解质量更高,运行速度快,稳定,可直接用于在其他调度算法中产生初始解,或者用于动态调度。     

柔性作业车间调度问题的一种启发式算法

为了研究多目标柔性作业车间调度问题,基于甘特图和搭积木经验进行了分析,提出了一种组合优先规则和基于此优先规则的启发式算法.组合优先规则面向完工时间、关键机床负荷和总负荷三个指标,改变规则中各数据项的比例可调整三个指标所占的比例;算法采用随机方式调整三个指标的比例,并微调最优解对应的比例.能随机产生多个高质量调度解.算法...     

面向复杂作业车间的交互式两级调度方法

针对边界不确定和具有决策偏好的大规模复杂作业车间调度问题,提出以第1级为交互式约束设置求解,第2级为优化求解的两级调度求解策略.在第1级调度中研究交互式约束满足的基于优先级快速调度构建算法,作为支持决策者交互式约束调整的快速响应求解方法.在第2级调度中以基于优先级的快速调度构建算法为基础,研究以优先级为决策变量的智能优化搜索算法,作为满足第1级调度中的交互式约束的改进优化求解.该方法较好地融入了决策者的经验知识和偏好,同时结合优化搜索求解算法,使得在满足决策者偏好的基础上进一步改进调度求解质量,增加调度求解结果的可信度,在实际应用中取得良好的应用效果.最后,通过一个案例对该两级调度求解策略的过程进行描述,并对所提出方法的有效性进行阐述.     

车间作业调度遗传算法中的编码研究

首先讨论了车间作业调度数学表达模型，然后提出了车间作业高度基因等概念，接着详细论述了ＪＳＳ连锁基因编码法的机理，最后给出了ＪＳＳ连锁基因编码法的实施步骤并说明了ＪＳＳ连锁基因编码法的可行性。     

关于车间作业调度的组合优化算法

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,但一个复杂的车间调度不仅可能涉及到成千上万道车间调度工序,而且工序的变更又可能导致相当大的调度规模.本文针对调度提出了一种改进的遗传算法,该算法引入了生物界DNA的思想将染色体分为双链,并在一个制造企业软件系统中应用了此算法.     

面向柔性工艺的作业车间调度问题混合遗传算法

针对离散制造业的许多产品采用柔性工艺设计增加作业计划调度的复杂性这一问题,对传统的FJSP进行了工序顺序柔性的扩展,将问题抽象为柔性工艺的作业车间调度问题（flexible process Job-Shop scheduling problem,FPJSP）。以缩短生产周期为目标,建立了该问题的整数规划模型,并设计了混合遗传算法。该算法针对FPJSP的特点设计了改进的遗传算法染色体编码方式和遗传算子,并结合变邻域搜索算法,设计了适合求解该问题的四种不同的邻域结构进行动态邻域搜索,以提高遗传算法的邻域搜索性能。通过应用实例验证了所提出的混合遗传算法在求解FPJSP的求解效率和优化性能方面的有效性。     

面向柔性作业车间调度问题的改进变邻域搜索算法

针对柔性作业车间调度问题的特点,提出一种求解该问题的改进变邻域搜索算法。结合问题特点设计合理的编码方式,采用遗传算法进行最优解搜索,将搜索的结果作为变邻域搜索算法的初始解,以提高初始解的质量。为提高局部搜索能力,设计3种不同的邻域结构,构建邻域结构集以产生邻域解,保证邻域解的搜索过程中解的可行性以提高求解效率。针对一系列典型的柔性作业车间调度问题的实例,运用所设计的改进变邻域搜索算法进行测试求解,并将计算结果与文献中其他算法的测试结果进行比较,验证了所提出方法求解柔性作业车间调度问题的可行性和有效性。     

基于遗传算法的多目标柔性车间作业调度方法

多目标柔性车间作业调度通常将多个目标进行无量纲处理,加权转换成单一目标函数用于解的优化筛选,但权重选择难免存在一定的随意和偏好,影响调度效果。针对这一问题,提出单目标决策下的多目标调度解决方案,从多个目标中选择一个重要的目标作为决策目标,其他目标作为算法搜索的导向目标。其中对遗传算法变异算子进行改造,将随机性变异转换成目标诱导性变异。实例仿真结果表明了算法的有效性和可行性。     

基于遗传算法的作业车间调度优化求解方法

针对 job shop调度问题 ,提出了一种遗传算法编码方法和解码方法。该方法根据问题的特点 ,采用一种按工序用不同编号进行的染色体编码方案 ,并采用矩阵解码方法。此编码与调度方案一一对应 ,并且该编码方案有多种交叉操作算子可用 ,无须专门设计算子。算例计算结果表明 ,该算法是有效的 ,适用于解决 job shop调度问题 ,通过比较 ,该遗传算法优化 job shop调度操作简单并且收敛速度快。     

车间作业调度问题的仿真研究

研究车间作业调度优化问题,使资源、车辆调试、交通分配等达到优化配置,因此车间作业调度问题是一个多约束条件的目标优化问题,采用多项式求解方法不能获得最优解,导致车间作业调度效率低.为了提高车间作业调度效率,提出了一种蚁群算法的车间作业调度优化算法.首先以最小加工时间作为优化目标,蚂蚁爬行路径为作业调度方案,通过蚁群中个体间互相协作和信息交流获得最优车间作业调度方案.通过车间作业调度测试案例对算法进行验证性实验,实验结果表明,蚁群算法提高了车间作业调度效率,能在最短时间找到最优调度方案,为车间作业调度优化提供了依据.     

注塑车间排产算法

针对E企业注塑车间人工排产效率低下,无法支持企业订单评估的需要,以及该车间生产过程中频繁换模和订单生产不一致的问题,在对该车间的生产流程具体分析的基础上,对物料需求计划计算的生产计划,进行归模和同种产品的物料生产计划的优先处理,得到了合理有效的的生产排产计划。根据企业实施的实际数据表明,该算法能有效解决上述问题。     

作业调度算法研究

作业管理是操作系统的重要课题,同时也是很多实际应用领域中十分重视的课题。在操作系统作业管理中关于作业调度有两种基本的算法：先来先服务算法和短作业优先算法。在具体的应用中有不同的评价标准。比较常用的是以平均带权周转时间作为评价的标准,通过推理,证明短作业优先算法优于先来先服务算法。     

遗传算法在车间作业调度中设计与应用

在现代制造业中,其核心是生产管理、调度理论和技术。本文结合背景单位的车间生产管理系统的设计过程,首先进行了详细的分析,其次探讨了车间作业计划的排序问题在实现上的流程和具体实现方法,通过对一些算法特点的比较和对系统总体设计方案特点的分析,进而引入了遗传算法（Genetic Algorithms）在软件层面上的实现过程,最后应用于生产加工。本文根据制造车间的运行机制、管理模式、以及各个加工流水线的功能和联系,并对零件生产过程中的各个信息进行了采集,运用遗传算法来实现车间的作业调度问题。     

大规模硫化车间调度问题研究

针对硫化车间生产调度过程中产品型号多、处理量大等难点,建立了以最小硫化时间为目标、多硫化机并行生产调度的混合整数线性规划(MILP)数学模型。采用0—1变量表示不同型号轮胎生产顺序,提出了多种约束以减少模型求解难度。为了验证模型的有效性,对文献中三个典型的小规模硫化调度算例求解,得到了比文献更优的调度方案。在此基础之上,考虑硫化车间生产实际,设计了六个贴近实际的大规模调度算例,进一步考察本文所提出方法的有效性,为实际硫化车间调度优化提供了指导。     

超大规模车间作业调度优化方法研究与仿真

研究超大规模车间作业的高效调度问题.超大规模的生产作业中,由于调度规模较大,一些非主要联系的生产调度之间存在可能诱发主要调度联系冲突的可能.传统的基于遗传算法的车间作业调度方法在应用到超大规模车间作业调度环境下时,由于冲突的存在很难建立准确的调度模型,使得模型陷入收敛效率过低,早熟等缺陷,调度效率降低.为解决上述问题,提出一种最优家族遗传算法的超大规模车间生产调度方式.通过在种群优良个体附近构造最优家族,在相应的调度家族微空间中进行精确搜索,从而缩小了搜索范围.仿真结果表明,改进算法对大规模的车间调度具有搜索速度快、稳定性强的特点,提高了调度的效率.     

网格环境中任务调度算法的研究

随着计算机网络技术的成熟,基于网络的高性能计算的进一步发展,出现了网格系统,网格是一种异构的计算环境。首先展示了在异构平台上对于常规的计算和数据,最优分配将是一个NPC问题,寻求有效的静态调度将是困难的,动态策略应当是有前途的,因为机器负载是自我管理,甚至自我均衡,尽管任一机器是异构的。然而动态策略在异构平台上真正的敌人是数据依赖,可能将导致速度被拖为最慢的处理器速度。因此,对于网格系统的异构平台,调度方案应该是动静结合,处理器数据多样性的问题能够通过在每个可识别静态相之间重映像数据和计算来实现,采用ScaLA-PACK的块模式外部乘积算法,将问题抽象为矩形块的分配,给出了完全NP启发式算法的MM乘的最优结果,并且给出研究重映像的一个统一策略。最后,做了一个10个节点的异构平台的实验,展示了结果的实用性。     

基于GPGP协同机制的多Agent车间调度方法研究

车间调度作为车间制造系统的重要组成部分,影响着整个车间制造系统的敏捷性和智能性.但是,由于资源和工艺约束的并存,使得车间调度成为一类NP-hard问题.基于静态的智能算法与动态的多Agent思想,提出了一种结合通用部分全局规划(generalized partial global planning,GPGP)机制与多种智能算法的多Agent车间调度模型,设计了从"初始宏观调度"到"微观再调度"的大规模复杂问题的调度步骤,并构建了一个柔性强且Agent可自我动态调度的仿真系统.同时,从理论上总结了GPGP基本协同机制的策略,实现了二级多目标优化调度.最后使用DECAF仿真Agent软件模拟了车间调度的GPGP协同机制,并与CNP,NONE机制进行了比较.结果表明,所提出的模型不仅提高了调度的效率,而且降低了资源的损耗.     

柔性车间生产排产调度优化方法

为满足柔性制造企业在车间生产中合理安排生产排产调度的需要,提出柔性车间生产排产调度优化方法。首先,通过分析车间生产排产问题的特点,制定满足车间应用需求和各种资源限制的生产排产总体流程,从而设计基于约束条件的生产对象关系模型;其次,提出一种动态策略差分进化算法,根据个体之间的拥挤度动态选择变异策略,设计基于工序位置的编解码方案,其能快速有效地进行求解,从而得到最佳调度方案,提高设备运行效率,实现资源利用的最大化;最后,通过6个标准测试函数、FT6-6测试问题及生产调度应用实例验证了算法的有效性。     

基于遗传算法的自适应网格任务调度方法

文章提出了一种以资源代理为基础的任务调度方法—GMBSA,该方法先对任务执行时间进行预测,然后运用遗传算法结合多队列Backfilling方法进行任务调度,达到最小化任务执行时间(MinimumExecutionTime)的要求,最终实现网格资源的优化分配。试验中采用Simgrid任务调度模拟器对GMBSA的性能进行了测试,并比较了轻重负载情况下GMBSA,多队列Backfilling和FCFS三种调度方案的性能差异。     

一种基于SystemC的Job Shop调度问题建模方法

考虑SystemC解决大规模集成电路硬件建模问题的优势,运用事件驱动下进程交互仿真策略,提出了一种基于SystemC仿真平台的生产调度问题建模方法,并将该方法应用于求解经典的Job Shop调度问题。仿真实例表明基于SystemC的仿真建模方法对于求解Job Shop调度问题可以达到令人满意的效果,从而验证该方法应用于实际生产调度问题建模的可行性。