基于关联调度模型的模糊环境下车间动态调度

为了实现在模糊加工环境下实时的动态调度,采用调度节点和调度链的建模思想构建车间作业的调度关联模型.通过调度节点和调度路径描述调度任务中的约束关系.考虑实际生产调度过程中存在的大量不确定因素,将调度关联模型引入模糊加工环境中,结合模糊加工状态下作业计划关联方法构建调度可行解,并通过蚁群算法求解调度任务的优化方案.仿真结果表明,该方法能够在加工时间和交货期不确定的情况下,通过动态调度模型的关联过程获得较为优化的调度方案.     

基于遗传算法的双目标多工艺路线调度研究

建立了基于双目标多工艺加工计划的生产调度集成框架图和数学模型,给出了基于遗传算法的满足关键零件的交货期和生产周期双目标多工艺加工计划调度算法,并采用改进的遗传算法进行仿真实验。实验结果表明模型是正确的,算法是有效的。     

Pareto多目标模糊调度算法研究

针对企业项目调度中具有多个目标的特性,现实情况中面临资源的可用时间和活动的执行时间具有不确定性,提出了多目标模糊调度模型.在多目标模糊项目调度模型的基础上提出了Pareto多目标模糊遗传调度算法,针对调度中所获得的解空间的多样性问题,在多目标模糊调度算法中引入共享机制平衡解空间的分布.最后对算法进行了实例验证并与其他多目标调度问题的算法进行了比较,验证其有效性.     

有交货期限的Job—Shop工件装配逆序调度算法的研究

针对调度领域研究中有交货期限要求的Ｊｏｂ－Ｓｈｏｐ工件装配调度算法,提出了一种逆序初排调度算法及调整算法,并给出了目标函数。通过分析与实例验证,所提出的算法在解决企业的实际生产调度问题时,取得了比较满意的效果。     

基于免疫蜂群算法的冷轧生产调度优化方法

冷轧生产调度是一个复杂的约束组合优化问题,生产约束包括轧制板坯的宽度、厚度、硬度跳变及交货期提前和拖后惩罚等。基于1．sP（多旅行商）问题,建立了冷轧生产调度问题的最小值模型,提出了一种免疫蜂群优化求解算法。通过给蜂群注射疫苗产生出代表新的解集的种群,避免算法在优化过程中陷于局部极值。针对工业数据的仿真结果表明：免疫蜂群优化算法明显优于人工蜂群优化算法的解,具有较好的收敛性和快速性。     

PSO算法求解PFSP问题研究进展

粒子群优化算法作为一种基于群体的改进启发式算法,已初步成功地用于解决神经网络训练、模糊系统控制和组合优化等问题.近年来用以解决车间生产调度问题的粒子群思想和方法也层出不穷.为了促进粒子群算法的进一步发展,更好地解决流水车间调度问题以及为设计更好的算法提供参考,首先对粒子群算法进行了简单介绍,指出了解决置换流水车间调度问题的重点和难点;然后从粒子群算法涉及到的初始化种群的方法、粒子编码方法、目标函数设计和粒子速度及位置更新公式等几个主要问题的角度对近年来比较典型的用粒子群算法求解置换流水车间调度问题进行了总结,分析了各种方法的适用范围;最后探讨了粒子群算法求解置换流水车间调度问题有待进一步研究的若干方向和内容.     

基于改进蚁群算法的智能调度系统设计与开发

蚁群算法是一种模拟蚂蚁群体智能行为的仿生优化算法,具有良好的正反馈、鲁棒性、群体性和并行性等特点.在研究柔性作业车间调度的基础上,针对企业实际生产情况,将改进蚁群算法应用于求解实际生产调度问题.笔者介绍了智能调度系统的需求分析、系统设计和主要功能模块的实现.系统实现时采用事件驱动调度策略,当调度任务发生变化时根据上次调度结果重新调度,同时对蚁群算法做出适当改进,添加机器选择策略,在搜索解路径的过程中,首先确定下一步可供选择加工的工件在哪台机器上加工,然后确定加工哪个工件.开发的智能调度系统能完成企业的动态柔性调度,能较好的解决机器变化和订单变化引起的重调度问题,提高企业生产效率.     

交货期窗口待定情况下的平行机排序问题

考虑多个工件在平行机上加工的生产调度问题,这些工件相互独立且有相同的交货期窗口,但交货期窗口的位置待定,其目标是最小化提前和延误的赋权工件数及交货期窗口定位费用的和.本文给出了这个强NP-困难问题的一个多项式时间近似序列(PTAS).     

基于GASA的柔性作业车间动态调度研究

针对柔性作业车间调度在机器故障扰动情况下的动态性及工件交货期模糊的情况,研究采用基于事件与周期混合驱动的滚动窗口再调度策略,并运用线性加权和的方法,以最大完工时间最小、能耗最小、客户满意度最大为目标,建立多目标柔性作业车间动态调度模型,并设计了遗传算法与模拟退火算法结合的GASA算法。将算例仿真结果与遗传算法取得的结果进行对比,验证算法的有效性。     

面向定单交货期窗的连续生产过程生产调度

针对连续工业生产过程中的调度，把各个订单的交货期考虑为一个连续时间窗，并根据订单交货期的约束，把一段连续的生产时间进行离散化，在允许拖期交货的情况下，建立面向订单交货期窗约束的连续过程生产调度数学模型，使企业的生产不仅满足订单需求量和交货期的要求，而且使企业在生产中获得最大的生产利润；对各个时间段的设备生产率进行实数编码，采用遗传算法对模型进行优化求解，并讨论了拖期惩罚系数的选择对调度结果的影响．仿真结果表明，所提出的模型具有可行性和有效性．     

基于改进智能水滴算法的双资源约束车间调度

为了解决多资源约束下的作业车间调度问题,提出了一种改进智能水滴算法.该算法采用了基于工序与加工机器相融合的两层编码方式建立问题和算法的映射关系,运用随机方法初始化产生可行解,结合精英保留策略加快算法的收敛速度,嵌入迭代局部搜索算法以增强算法的全局搜索能力,并来解决影响车间调度的3个主要成本因素,即最小化延期成本、最小化人工成本和最小化设备运行成本.通过实例的收敛性能对比,证明算法具有优秀的全局开发能力和收敛性.实验表明了该算法能够有效求解双资源约束车间调度问题.     

基于协同遗传算法的车间调度问题研究

遗传规划在实际问题中的应用是一个新的发展方向。文章根据车间调度问题的特点,对遗传规划算法进行了改进,借鉴了一种新编码策略将变长编码变成定长,减少了算法复杂度,提高了运算效率;同时设计了一种新的标记交叉算子,这种交叉算法可以有效地避免产生非法解。由于遗传规划问题的收敛性不高,文中将遗传规划和遗传算法有效地结合起来,提出一种协同遗传规划算法,实验表明,改进后的算法比传统算法能更有效地解决车间调度问题。     

求解JSP问题的改进遗传算法

作业车间调度是一类求解困难的组合优化问题，使用改进的遗传算法来求解。GA有新解产生盲目性的特点，以搜索效率为目标提出了一种改进的遗传算法，在解的搜索过程中，通过禁忌表操作来评价种群。改进的遗传算法在保持群体多样性的同时，加快了遗传算法的收敛速度，将该算法用于典型作业车间调度问题的测试，找到了已公布的最优解，对超大规模的问题还有待进一步研究。     

基于改进粒子群算法作业车间调度问题的优化

针对作业车间调度问题,提出一种基于自适应权重和混沌的改进粒子群优化算法。构建以机器加工时间最短为优化目标的多约束作业车间调度模型,采用基于工序排列的编码方式得到粒子参数与工序序列的映射关系;基于自适应权重改进粒子群算法中的惯性系数和加速因子,使得算法可以根据适应度值动态调整参数因子;采用反向学习策略改善种群初始解的质量;引入莱维飞行、变邻域搜索、混沌,增强了算法的搜索能力,避免陷入局部最优解。试验结果表明:改进粒子群算法可以有效地提高粒子利用率,平衡全局搜索与局部搜索能力,改善传统粒子群算法易早熟的缺点,得到更优的解。     

基于狮群算法的数字孪生车间调度问题优化

针对柔性作业车间调度问题,提出一种基于狮群算法的数字孪生柔性作业车间调度方法。基于实际生产过程的需求,使用狮群算法生成柔性作业车间调度初始方案,建立物理车间与虚拟车间实时交互的数字孪生柔性作业车间调度模型,在搭建的虚拟车间中对初始调度方案根据设备利用率进行方案优化。采用数字孪生模型解决设备故障等车间突发事件对生产进程的影响问题。通过使用真实车间数据对机加工车间生产调度过程试验,结果表明,采用狮群算法求解柔性作业车间调度问题,搜寻能力强,搜索速度快,可以在不同规模的问题中找到更优的解决方案;狮群算法结合数字孪生的柔性作业车间调度方案能够整体优化系统性能,有效处理扰动带来的延长生产时间问题。     

求解多目标柔性作业车间调度问题的离散人工蜂群算法

作业车间调度问题是一类典型的组合优化问题,要求多个作业在不同的机器上进行加工,目的是获得最好的作业加工序列,以满足特定的性能指标。柔性作业车间调度问题是对传统的作业车间调度问题的进一步扩展,由于求解的复杂性,使得传统方法很难在有效的时间内获得问题的最优解。人工蜂群算法是近年来提出的一种受生物行为启发的优化算法,该算法主要通过模拟蜜蜂的觅食来实现问题的求解。提出了一种离散的人工蜂群算法于求解柔性作业车间调度问题,算法通过交叉方式来搜索潜在的更好的蜜源,并采用自适应的变异策略来降低早熟收敛的可能性。最后通过对比实验证明算法对于求解多目标柔性作业车间调度问题是有效的。     

多阶段连续型柔性制药车间调度

针对包含易变质药品的柔性均衡制药车间调度问题,提出一种基于列生成框架的算法.通过设计面向虚拟作业对的排序策略,表征制药过程中的无等待现象,利用动态规划方法求解由原调度问题衍生出的价格问题,并设计改进的分支定界算法求得最终的调度方案.由不同规模的数值实验可知,对于规模较小的多阶段连续型柔性制药车间调度问题,提出的算法可求得最优解;对于传统优化软件难以求解的较大规模问题,该算法仍可在较短时间内得到高质量的药品生产调度方案,从而验证了该调度算法的有效性,并可为实际连续型柔性制药车间提供辅助排程决策.     

求解调度问题的粒子群算法编码方法研究

利用粒子群算法求解调度问题的关键是建立有效的粒子编码结构。介绍了作业车间、流水车间和并行机调度等3类典型调度问题的特点,阐述了求解调度问题的粒子群算法结构,指出设计粒子群算法编码方法需要考虑的3个关键问题。提出3种求解不同调度问题的粒子群算法编码方法,并从生成调度解的可行性和有效性、粒子群计算模型的适用性和解码过程的复杂性等几个方面对粒子编码方法进行分析。以作业车间调度问题为例,验证了所提粒子编码方法的有效性。     

Dynamic Scheduling of Flexible Job Shops

Aim of this research is to minimize makespan in the flexible job shop environment by the use of genetic algorithms and scheduling rules. Software is developed using genetic algorithms and scheduling rules based on certain constraints such as non-preemption of jobs, recirculation, set up times, non-breakdown of machines etc. Purpose of the software is to develop a schedule for flexible job shop environment, which is a special case of job shop scheduling problem. Scheduling algorithm used in the software is verified and tested by using MT10 as benchmark problem, presented in the flexible job shop environment at the end. LEKIN software results are also compared with results of the developed software by the use of MT10 benchmark problem to show that the latter is a practical software and can be used successfully at BIT Training Workshop.     

柔性车间调度的新型初始机制遗传算法

为了提高柔性作业车间调度求解遗传算法（GA-Ⅰ）的初始种群质量,提出一种基于短用时和设备均衡策略的机器链优化初始方法.运用均匀设计原理对每道工序的具有最短加工时间的可选机器进行均匀组合,形成机器分配链优化遗传算法（GA-Ⅱ）的初始群体|采用均匀设计法构造不同权值,形成机器总负荷和机器负荷方差的不同加权组合以构造机器链优化的适应度函数|通过GA-Ⅱ计算产生定量优化的机器分配链群体.将上述机器分配链优化群体作为柔性作业车间调度问题遗传算法（GA-Ⅰ）的机器链初始群体,并利用混合方式的交叉与变异在工件和工序级尺度上进行遗传操作,实现了FJSP的高效求解算法.通过典型算例验证了该方法的可行性和有效性.