大规模作业车间多瓶颈调度算法

针对大规模作业车间调度问题,提出一种基于滚动窗分解的多瓶颈调度算法.该算法基于关键路径法进行多瓶颈机器的识别,沿时域将大规模调度问题分解为多个子问题进行求解.在子问题创建过程中,提出负荷均衡分布的规则,使得各工件在各子问题中的负荷均匀分布,以实现算法求解过程的稳定性;在子问题的求解过程中,遵循约束理论中瓶颈机主导非瓶颈机的原则,采用瓶颈工序最优化调度、非瓶颈工序采用分派规则快速调度的调度策略,提高算法的求解效率;通过相邻子问题间的工序衔接再优化过程,以及全局解评价子问题染色体适应度值策略,有效避免了子问题分解创建和求解过程的局限性,提高了算法的求解质量.仿真结果表明,该算法具有较佳的求解效率和质量.     

基于正交试验的作业车间瓶颈识别方法

针对作业车间现有瓶颈识别方法的不足,提出了一种基于正交试验的瓶颈识别方法.该方法利用正交表和多种分派规则构造试验方案,以生产系统作业目标为衡量指标,快速便捷地实现瓶颈机器的识别.该方法能够在生产任务执行之前,预先给出瓶颈机器所在,以指导生产计划和相关生产准备.通过与移动瓶颈识别法对不同规模的作业车间调度问题标准算例进行仿真对比,证明了该方法的优越性和可靠性.     

作业车间调度优化算法参数效能研究

针对作业车间调度中算法基本模型的参数设置缺乏成熟理论论证和研究的问题，采用数理统计方差分析和试验评估的方法，论证了遗传算法中关键参数：种群规模、交叉概率和变异概率各自以及相互作用下对算法整体性能的影响，提出了相关参数的选择原则和修正方法。本研究对遗传算法在作业车间调度中的应用具有实际意义。     

基于TOC理论的大规模作业车间调度问题研究

针对大规模Job Shop调度问题,提出了一种基于TOC(theory of constraints)的免疫遗传算法。该算法依据TOC理论中瓶颈机约束生产系统性能的思想,利用瓶颈机器的特性,在染色体编码及遗传操作过程中,对瓶颈机与非瓶颈机采用不同的处理方式,以使瓶颈工序得到最优化调度。而非瓶颈工序在满足瓶颈工序的调度方案的基础上进行快速调度,降低大规模作业车间调度问题的复杂度,提高算法的求解效率。为提高算法求解质量,克服遗传算法的随机性及迭代退化问题,将TOC理论中的瓶颈机器拓展至瓶颈工件,提出候选瓶颈工件集及瓶颈工件的定义。通过对瓶颈机接种"瓶颈工件邻域对换"免疫算子,充分利用种群中个体的特征信息,辅助遗传算法的优化过程。仿真结果表明:瓶颈特征的应用以及免疫算子的融入是有效的,免疫遗传算法可以在较短的时间内求得令人满意的解。     

大规模柔性作业车间调度问题分解建模和求解方法

研究在满足既定工序顺序约束的情况下,按序组合工序来分解柔性作业车间大规模调度问题,建立分解调度问题的数学模型,并探索高效求解的方法.首先基于工序组合与遗传算法,将大规模调度问题进行分解降低问题空间复杂度,形成调度子问题,并建立分解后的调度数学模型;其次将利用组合规则生成高质量的初始解,采用遗传算法与蛙跳算法相结合的混合...     

基于蜂群算法的作业车间调度研究

根据群体智能原理 ,利用蜜蜂个体与环境之间交互安排任务的模型 ,针对多批次 ,各批次工件随机到达情况下的作业车间调度 ,提出了基于蜂群算法的动态调度方法 ,仿真实验结果表明该方法能够起到优化调度的作用。     

作业车间瓶颈簇识别方法

针对传统作业车间调度瓶颈识别方法划定多瓶颈候选集时缺乏科学的划分范围、划分层次和划分依据等问题,提出机器簇、瓶颈簇、主瓶颈簇及阶次的概念,建立了作业车间瓶颈簇的识别模型.考虑机器的主次之分和多维特征属性,基于聚类思想及多属性决策理论提出了作业车间瓶颈簇的识别方法.选择识别瓶颈的机器特征属性,采用免疫进化算法获得调度优化方案并计算机器的特征属性值;采用层次聚类法,获得不同距离下机器簇的集合及其树状结构图;基于理想解相似度顺序偏好法确定并比较机器簇的簇中心,识别出瓶颈簇和非瓶颈簇;对瓶颈簇的子簇依次进行比较,通过多次识别逐步确定出多阶主瓶颈簇集合.最后,采用24组作业车间调度问题标准算例,将所提方法与移动瓶颈识别法、正交试验识别法、机器负荷识别法等进行比较,证明了其可行性及优势.     

分段式车间作业调度算法

车间作业调度问题是制造系统运筹技术、管理技术与优化技术发展的核心。本文对离散作业型 (Job Shop)车间中的作业调度问题做了探讨 ,并根据离散作业调度的阶段性提出了基于作业状态空间的逐段式车间作业调度算法。通过对一个实际车间作业调度仿真比较 ,此算法运算速度比最短加工时间 (SPT)和最少工作量剩余 (L WR)算法快 ,其调度结果具有可执行性     

用效率调度算法求解非标准作业车间调度问题

作业车间调度问题是一类具有次序约束和资源约束的较大规模的组合优化问题,本文所描述的非标准作业车间调度问题,放宽了资源约束的条件,具有更大的寻优空间,针对这种复杂的组合优化问题,本文构造了相应的目标函数并提出一种效率调度算法来求解此问题,经分析和实践验证,获得了满意的结果。     

大规模柔性作业车间组批调度及求解方法研究

针对大规模柔性作业车间排程调度问题,采用基于工件组批调度方法降解问题规模,并利用自适应遗传算法优化求解。该方法首先将加工工艺类似、管径尺寸在同一范围内且毛坯材质相同的零件进行组批,从而减小问题求解规模。其次在优化过程中,采用OBX(Order-Based Crossover)交叉方法,根据最优交叉点个数与染色体长度的关系,改进自适应遗传算法,提高其优化速度及求解能力。最后经实例验证该方法可以有效地缩减工件完工时间、减少订单拖延期和寻优时间。     

求解大规模车间调度问题的一种分解优化算法

针对以最小化加权拖期和为目标的大规模作业车间调度问题,提出了一种基于操作的分解优化算法.该算法采用迭代优化的框架,从原问题对应的操作集合中依次分解出部分操作,并确定其加工顺序.在每一次迭代过程中,首先用模拟退火算法搜索较优的操作分解方案,并形成子问题.然后用遗传算法求解该子问题.针对随机生成的测试问题,以及某减速器厂实际生产数据的计算实验表明,该算法能够在合理的计算时间内获得满意的优化质量.     

基于约束满足的车间调度算法综述

为了说明如何利用启发式信息构造车间调度的约束满足求解算法,首先概述了常规约束满足求解技术,进而介绍了车间调度问题的约束传播算法、树搜索算法和启发式修复算法的构造原理及适用性.在此基础上,针对目标优化问题,给出两种求解框架.最后,指出近期的研究趋势和进一步的研究工作.     

用遗传算法求解一类不确定性作业车间调度问题

对具有不确定加工时间和交货期窗口的一类作业车间调度问题进行了研究.不确定加工时间用区间数来表示,以工件提前或者拖期遭受惩罚的可能性的总加权和最小作为优化目标.设计了带精英交叉策略的遗传算法求解此类问题.仿真实验验证了该算法的有效性.计算结果表明,该遗传算法有更快的收敛速度、更高的优化精度和更好的初值鲁棒性.     

基于混合差分进化算法的作业车间动态调度

针对动态多变环境下的作业车间调度问题,在基于周期和事件驱动的滚动窗口再调度策略基础上,采用冻结时段思想,同时又允许再调度在冻结时段内的资源上的闲置时段安排任务,并由此建立了机器存在不可用时段约束的动态调度模型。借鉴量子进化算法中量子旋转门更新量子位的方法,设计了三段式交叉操作,并在算法框架中嵌入了局部搜索操作,提出了混合差分进化算法作为再调度的优化方法。通过算法性能与作业车间动态调度实验,验证了所提动态调度方法的有效性。     

求解作业车间调度问题的全局邻域搜索方法

采用传统的关键邻域搜索方法求解作业车间调度问题时,往往容易陷入局部极值而且难以跳出.为此,提出了一种具有动态调整能力的全局邻域交换策略,该策略有可能产生大量的不可行调度,需要一种筛选方法加以过滤.证明了一个新的邻域交换性质,利用该性质可以对所得调度方案作可行性约束判定,从而有效地过滤掉不可行调度.在此基础上,提出了一种求解作业车间调度问题的算法.最后,取不同规模的Benchmark问题算例对该算法进行测试,结果表明,无论从解的质量还是计算时间都取得了较好的效果.     

基于遗传算法的作业车间提前/拖期调度问题

针对带有交货期窗口硬约束并对提前/拖期零件进行惩罚的一类作业车间调度问题,设计了一种改进型遗传算法,该算法采用＂逆向后推＂和＂顺向前拉＂相结合的两阶段求解策略。针对部分染色体在解码过程中违反交货期窗口硬约束而产生非法解的问题,采用基于关键路径的染色体修复方法来调整染色体基因序列,以期实现在满足交货期窗口硬约束的同时降低零件拖期成本;在保持第一调度阶段拖期成本不变的基础上,采用基于逆向重调度的目标值修订方法来延迟零件开工时间,以降低在制品流动成本和成品提前库存成本。通过80组调度测试用例的仿真结果表明,该算法在降低调度总成本和拖期成本方面具有一定的优势。     

基于文化遗传算法求解柔性作业车间调度问题

在分析柔性作业车间调度问题特性的基础上,提出了一种采用主群体空间和信仰空间的双层进化结构的调度算法。该算法采用优良调度方案的知识信息构成信仰空间;提出一种二维矩阵的集成编码;基于工序顺序编码和基于机器分配编码的两种交叉和变异算子在主群体空间进行传统的遗传操作;通过具有自学习特点的相似性选择算子,使子代更好地继承父代的优良特征。通过典型算例的计算实验,表明算法在计算效率和求解质量上均具有较好的效果。     

基于可行域遗传算法的装配作业调度

为了对装配环境下的车间作业进行调度,提出了一种基于可行域搜索的遗传算法。为保证算法在进化过程中染色体始终保持合法性和可行性,在种群的初始化、交叉和变异等阶段,分别设计实现了首代修复算子、可行域交叉算子和可行域变异算子。可行域交叉算子和可行域变异算子的设计组合实现了算法的可行域搜索,减小了搜索空间,省去了复杂的解码修复操作,提高了求解效率,为解决复杂的装配车间调度问题提供了有价值的参考。通过与简单规则、禁忌搜索、普通遗传算法实验结果的比较,验证了所提算法的合理性和优越性。     

求解多目标作业车间调度问题的双种群遗传算法

针对多目标作业车间调度问题,提出一种将正逆序调度方法与生成调度活动的遗传算法相结合的双种群遗传算法.该算法利用活动调度缩减解空间,提出采用正、逆序遗传调度算法分别在不同种群优化不同目标函数,将多目标问题分解成多个单目标问题.在进化过程中,通过个体迁移算子加快多个目标的并行搜索,并提出了一种构造Pareto解集的精英锦标赛法则.通过基于Benchmark算例的仿真实验,验证了该算法求解多目标作业车间调度问题的有效性.