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。     

一种基于改进遗传算法的车间调度问题研究

作业车间调度是一类求解较困难的组合优化问题,在考虑遗传算法早熟收敛问题结合模拟退火算法局部最优时能概率性跳出的特性,该特性最终使算法能够趋于全局最优。在此基础上,将遗传算法和模拟退火算法相结合,提出了一种基于遗传和模拟退火的混合算法,该算法将模拟退火算法赋予搜索过程一种时变性融入其中,具有明显的概率跳跃性。同时。通过选取Brandimarte基准问题和经典的Benchmarks基准问题进行分析,并应用实例对该算法进行了仿真研究。该结果表明,通过模拟退火算法与遗产算法相集合,可以使计算的收敛精度明显提高,是行之有效的,与传统的算法相比较,有较明显的优越性。     

基于自适应遗传算法的大型关重件车间布局优化

针对大型关重件生产车间的多行布局问题,建立了同时考虑物流费用与物流时间的多目标优化数学模型,运用了一种改进的自适应遗传算法,其交叉概率和变异概率可随群体的适应度自动改变,使算法避免陷入局部最优;加入精英保留策略,使每代中的最优个体都能够得到保留,避免交叉和变异操作遗失全局最优解。最后结合某船用曲轴车间实例,分别运用该算法和标准遗传算法对车间布局模型进行计算,通过数据和性能分析表明该算法有效的解决了遗传算法易陷入早熟及收敛速度慢的问题;优化后的车间物流费用及物流时间减少约35%,证明该方法在车间布局中的可行性和有效性。     

基于自动导引车单向导引路径网络的智能车间设备布局规划

传统的设备布局设计规划方法通常采用两个设备之间的直线距离或者曼哈顿距离作为优化变量,而没有考虑工件搬运设备在实际行驶过程中的路线。在以自动导引车为主的智能车间中,则必须考虑实际物流路径和物流效率。基于自动导引车单向导引路径,采用搬运频率、单位距离成本、最短有向距离等参数建立智能车间设备布局模型,进而利用混沌遗传算法来实现对物流路径的优化和生产设备布局模型的解算。最后,通过对某缸盖智能生产车间的设备布局规划问题的具体研究,借助MATLAB将本文提出的优化算法与遗传—模拟退火算法和简单遗传算法进行对比试验,并将3种优化算法的最终结果在Plant Simulation平台上进行仿真运行,试验结果表明了所提出的基于自动导引车单向导引路径网络的智能车间设备布局规划方法的有效性。     

利用GASA混合算法对离散生产系统车间设施布置优化研究

这里通过分析模拟退火算法和遗传算法的特性,将两种算法去粕取精,引出GASA混合算法。建立以生产车间布置为研究对象的数学模型,应用GASA混合算法对模型进行优化,并采用VB语言编写车间布置优化程序。通过实例分析表明,利用GASA混合算法对离散生产系统车间进行优化布置,可以最大程度降低企业搬运成本。     

求解车间调度问题的一种新遗传退火混合策略

综合了遗传算法和模拟退火算法的优点,提出了一种新的遗传退火混合优化策略。该算法引入模拟退火算法作为遗传算法种群的变异算子,增强和补充了遗传算法的进化能力,同时将机器学习原理引入混合算法中,增加了种群的平均适值,有效地避免了最优解的丢失,加快了进化速度,使系统能够在很短的时间内得到最优解。针对车间调度的典型问题进行了仿真,结果证明了新算法的有效性。     

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。     

混合遗传算法在桥式起重机结构优化中的应用

针对工程中的变量离散化问题，提出了一种将遗传算法和模拟退火算法相结合的混合算法。该算法发挥了遗传算法和模拟退火算法的优越性，避免了遗传算法的早熟收敛问题，增强了算法的全局收敛性，并提高了算法的收敛速度。通过对桥式起重机金属结构进行优化，其结果与MDOD和改进遗传算法2种的结果进行比较，表明此算法能够很好处理工程离散化问题。     

基于PetriNets和混合遗传算法的双资源JSP动态优化调度

以带有控制器的Petri网为建模工具对柔性生产调度中的离散事件建模,利用遗传算法和模拟退火算法获得调度结果,并通过Petri网进行控制.用于解决作业车间的加工受到机床、操作工人等生产资源制约条件下的优化调度.以生产周期为目标进行的优化调度,将遗传算法和模拟退火相结合.通过多种交叉、变异、概率更新选择、再分配策略等遗传和模拟操作,得到目标的最优或次优解.对算法进行了仿真研究,仿真结果表明该算法是有效性.     

基于GASA优化算法的不确定条件下Job-Shop调度问题研究

针对不确定因素和动态干扰事件下Job-Shop调度问题,基于模糊数理论和动态调度策略,综合考虑完工时间、机器加工成本和机器负荷,建立了作业车间多目标不确定性调度模型;为了求解该调度模型,结合遗传算法和模拟退火算法的特点,设计了遗传模拟退火混合算法,并针对作业车间的复杂性要求,对算法的编码解码、交叉变异算子以及保优策略等方面进行了改进;通过仿真,得到了初始调度方案,然后在此基础上,采用动态调度策略对紧急插单、机器故障、工件取消和交货期变更等不确定干扰事件进行了研究.通过对某电动产品生产公司车间进行的实证研究结果表明,根据上述研究得到的较好的调度方案,可以有效地提高机器利用率和客户满意度.该模型和算法能够较好地应用到企业实际生产中.     

基于GASA优化算法的自适应协同优化方法

针对协同优化方法收敛困难、优化效率低的问题,采用自适应概念与混合优化算法对其进行改进.采用基于学科优化解的差异信息构造自适应惩罚函数,将系统级约束条件进行转化,重新构建系统级的优化模型,克服了协同优化内部定义缺陷所造成的收敛困难.结合协同优化的优化特征,采用兼备遗传算法与模拟退火算法两者优点的混合算法作为协同优化系统级优化算法,提高了协同优化寻优效率.以飞机起落架缓冲器优化问题为例验证了该方法,结果表明该方法提高了协同优化的搜索效率与收敛速度,优化性能良好.     

关于生产车间作业优化调度效率仿真研究

研究生产车间作业优化调度问题,使车间资源使用效率达到最优,由于车间作业调度目标的多样性,以及求解问题过程的复杂性和约束性,导致求解生产车间作业调度效率较低。为了克服作业车间调度问题解的大山谷结构,且提高生产车间作业调度效率,提出改进的粒子群遗传混合算法。本混合算法首先以最大完工时间最小化为目标,参考了模拟退火过程,提出以Metropolics准则定义自适应变异概率的思想,且在变异交叉操作中辅以改进的2变换邻域搜索,同时动态设置粒子群算法中的惯性权重值,改进的粒子群遗传混合算法具有新颖性的特点。结合3类6组经典作业车间调度问题的测试数据进行仿真实验,混合算法得到的解质量较普通的PSO和SA算法得到的解有较大提升,且与这6组经典问题的最优解的平均误差较小,同时计算时间有大幅提升。仿真结果进一步证明了该混合算法在求解生产车间作业调度问题上具有明显的优势,提高了调度效率。     

一种求解车间调度的混合免疫遗传算法

为了克服传统免疫遗传算法(IGA)在车间调度问题上易陷入局部最优的缺点,将免疫遗传算法(IGA)与模拟退火算法(SA)进行了结合,提出一种应用于车间作业调度的混合免疫遗传算法。为了有效的提高免疫遗传算法收敛速度和避免算法陷入局部最优解,此算法设计了一种基于适应度和浓度的自适应精英保留策略且重新设置了变异算子,即将变尺度变异和自适应变异算子进行了融合。最后利用"Muth and Thompson"基准问题进行仿真实验,验证了该算法在JSP问题中的高效性和可行性。     

重型机械加工车间天车调度问题过程仿真与优化

天车作为重型机械加工车间主要的物料搬运设备,其调度方法直接影响生产的连续性和生产效率。重型机械加工车间天车调度是典型的多机多任务问题,以完成生产任务为目标建立基于免疫遗传算法的仿真模型和天车调度优化方法。该模型结合过程仿真与启发式算法有效解决天车调度过程中由于空间约束导致的多机多任务冲突,通过免疫算法的免疫机理对各近似最优解进行动态邻域搜索,维持了群体多样性,实现了多峰值收敛,使调度方案有效可行。最后通过实例仿真验证了该天车调度优化方法的可行性和有效性。     

一种新型混合优化算法在机器人路径规划中的应用

针对模拟退火算法收敛速度慢这一缺点，提出了一种基于模拟退火算法和复合形法相结合的新型混合优化算法，并成功应用于机器人神经网络路径规划中。该算法不仅继承了模拟退火算法能得到全局最优解的优点，又能搜索到理想的下降方向，提高了算法的收敛速度。仿真实验研究表明：这种新型混合优化算法，计算简单，收敛速度快，初值鲁棒性好。     

基于改进免疫遗传算法的混合车间调度研究

建立了以最大总完成时间最小为目标的混合车间调度模型。该模型包括作业车间和并行流水装配车间两部分调度问题。为降低问题求解难度,采用分解的策略对调度问题分阶段求解,并引入多Agent协商机制和模拟退火算法与免疫遗传算法相结合,提出了基于分解策略的免疫遗传算法,并通过在某汽车减振器企业的实施验证了模型和算法的有效性。     

基于混合遗传算法的车间调度问题研究

利用遗传算法(GA)和模拟退火算法(SA)求解该问题近优解的有效性和实用性,提出一种实现车间调度的混合遗传算法(GASA),给出了一个新的编码方法,并建立了相应编码的解码规则.对初始温度的确定方法和获得适应度函数的方法进行了探讨.基于LA16调度问题,分别利用该方法和单纯遗传算法及模拟退火算法进行了模拟仿真计算,计算结果表明该混合算法克服了单纯遗传算法和模拟退火算法在车间调度优化方面的不足,具有较高的鲁棒性.     

基于混合遗传算法的车间调度研究

针对用遗传算法求解车间调度问题(job shop problem)容易早熟的缺点,对遗传算法的收敛性、搜索效率和最优解等方面进行了研究,改进了遗传算法,引入了模拟退火算法,提出了新的混合遗传算法。重新设计了基于工件编号的交叉算子和变异算子;采用自适应交叉概率和变异概率;在每一代遗传进化中引入了Metropolis接受准则。通过结合遗传算法、自适应概率和模拟退火算法的各自优点,提高了算法搜索能力。用遗传算法、模拟退火算法和混合遗传算法对Job Shop Problem中FT06问题进行了仿真。仿真结果表明,混合遗传算法提高了搜索效率,能够找到最佳的调度方案。     

面向节能的导弹结构件混线生产作业车间多目标调度研究

针对导弹结构件混线生产过程中具有的型号多、工艺复杂、生产能耗大、交货期紧的特性,以能量消耗和完工时间为目标,建立了基于设备-能耗曲线的柔性作业车间混线生产系统的数学调度模型。提出了一种双元混合的改进遗传算法对该调度模型进行求解,具体包括:引入粒子群算法的信息共享机制,对遗传算法的交叉算子进行改进,提高算法的寻优能力;用Hill函数构建传统模拟退火的温度更新函数,替代遗传算法的变异部分,以弥补遗传算法容易陷入早熟收敛的不足。采用多指标加权灰靶决策模型从得到的一组Pareto解集中选择最满意调度方案。分别用完全柔性和部分柔性的作业实例对算法进行验证,证明了改进算法的有效性。最后,将算法用于上海航天精密机械研究所结构件生产车间的生产实例,取得了较好生产的指导效果。     

基于混合遗传算法的混流混合车间协同调度问题

为解决一类具有多品种混流生产特征和作业车间与流水车间集成的混流混合车间协同调度问题,给出了以在制品成本最小为目标的混流混合车间调度问题模型;采用零件加工、部件装配、产品总装的三段协同编码方法,给出了一种集成模拟退火算法的混合遗传算法,并在模拟退火算法中引入变温度参数来平衡算法效率。最后,通过某冰箱混流装配企业典型实例验证了模型和算法的有效性。