启发式算法和遗传算法在生产调度中的应用

根据现代制造企业对生产调度的要求,提出了一种启发式算法和遗传算法相结合的生产调度系统结构.使用启发式规则为各工序分配机器,制定加工计划,调用遗传算法对加工计划进行排序,生成最终调度结果.通过将CLIPS推理机嵌入到系统中,实现了决策规则和程序体的分离,易于规则的修改和进一步扩展,系统更具有柔性.由启发式规则生成遗传算法的部分初始种群,提高了初始种群的质量.通过将任务分解,降低了问题求解的复杂度,并由实例验证了其可行性.     

超启发式遗传算法柔性作业车间绿色调度问题研究

针对启发式算法通用性较差的问题,建立了多目标柔性作业车间绿色调度模型,设计了一种超启发式遗传算法对问题进行求解.首先,建立了以最大完工时间和最小能耗为目标的柔性作业车间绿色调度模型,并设计了超启发式遗传算法对模型进行优化求解;然后,对于高层启发式策略采用遗传算法,随机生成初始种群,对种群进行了选择、交叉和变异操作,并且...     

与启发式规则相结合的遗传算法在车间调度问题中的研究

通过在对遗传算法的解码过程中引入启发式规则 ,构造一种新型的与启发式规则相结合的遗传算法 ,即分别利用遗传算法和启发式规则各自的特点来实现不同的调度目标 ,用于解决大规模离散生产类型车间调度问题。通过实例计算分析表明 ,算法适用于大规模离散生产类型车间调度问题     

基于TOC的作业计划方法研究

为解决车间生产不均衡以及作业计划工作繁杂的问题,研究了基于约束理论（TOC）的作业计划方法,找出生产系统瓶颈资源,根据基于启发式规则的调度算法生成瓶颈工序作业计划,对瓶颈工序上下游工序按拉动式和推动式生产生成非瓶颈工序作业计划。论述了该方法的处理过程,详细分析了生产系统瓶颈识别技术以及基于启发式规则的瓶颈工序排序算法,通过实例验证了该方法的有效性。     

面向再制造的生产计划与调度研究综述

介绍了再制造的定义及作用。对再制造生产计划与调度的难点进行了分析。着重对再制造生产计划与调度领域的主要方法：最优化方法、启发式规则法、系统仿真法和遗传算法进行了阐述,并对生产计划与调度理论的发展现状进行了归纳。最后指出了可行的发展方向。     

改进初始种群的遗传算法解决柔性车间调度

初始种群对遗传算法求解的质量和速度有决定性影响,传统遗传算法求解FJSP问题时,一般是随机生成初始种群,在迭代初期会形成许多无效方案,只有经过复杂的运算才会形成较优的方案,这样就会降低算法的收敛速度,对柔性作业车间调度的特点进行研究之后,提出了对初始种群给予基于全程检索规则编码生成初始种群的策略,提高初始种群质量的同时,也不会失去其多样性,而且还能提高全局收敛性。实例用改进的遗传算法,将结果与用传统遗传算法得到的结果比较,证明了改进算法的优势。     

面向再制造的生产计划与调度研究综述

介绍了再制造的定义及作用.对再制造生产计划与调度的难点进行了分析.着重对再制造生产计划与调度领域的主要方法:最优化方法、启发式规则法、系统仿真法和遗传算法进行了阐述,并对生产计划与调度理论的发展现状进行了归纳.最后指出了可行的发展方向.     

具有柔性加工路径的作业车间智能优化调度

用遗传算法研究了具有柔性加工路径的作业车间的智能优化调度问题 ,提出了一种将遗传算法和分派规则相结合的调度算法 ,将加工计划与生产调度同时考虑 ,避免了加工计划和生产调度相脱节的弊端。最后给出了此调度算法的仿真结果 ,证明该算法是可行的 ,并获得优异的结果     

多目标混合流水车间机器故障重调度问题研究

在数字化转型过程中,如何解决好生产调度问题是研究者关注的问题。混合流水车间机器故障是在生产调度过程中常遇到的问题。为此,需要为快速解决机器故障的重调度问题找到方法。在解决机器故障重调度过程中,主要考虑的因素为加工时间不能确定、物流装卸时间以及生产设备布局限制,从而提出这种多种重调度组合的重调度方法。首先建立双目标数学模型,系统中植入NSGA-II算法求解初始调度方案,算法采用启发式规则和随机化的方式生成初始解,利用仿真的方法对调度方案进行评价。其次,将多种重调度方式融合在一起,通过设备故障仿真验证重调度方法,试验验证启发式规则作为初始解的一部分,可以非常好地提高算法的搜索效率,所研究的重调度方法能够有效解决混合流水车间机器故障问题,具有重要的意义。     

具有柔性加工时间的机器人制造单元调度问题改进遗传算法

为克服传统遗传算法在求解具有柔性加工时间的机器人制造单元调度问题时易出现早熟收敛、冗余迭代等缺陷,提出了改进遗传算法。该算法采用基于工件搬运顺序的染色体编码,并根据调度问题特征,设计构造型启发式算法来生成初始种群,避免了大量不可行染色体的产生,提高了后续操作的优化质量。同时,在交叉变异操作中引入局部邻域搜索,通过对子代邻域的局部寻优提高了算法的收敛速度。最后,分别应用该算法和传统遗传算法求解六个基准案例,实验结果验证了该算法的有效性。     

生产调度问题的启发式遗传算法

将遗传算法 (GA)和启发式算法 (H A)结合 ,进行生产调度问题的求解 ,提出了一种新的启发式遗传算法 (HGA)。在应用该算法的过程中 ,给出了适合的遗传操作和启发式规则的运用方法。最后 ,简单介绍了研制的软件原型。     

Integrated optimization of production planning and scheduling for a kind of job-shop

This paper addresses an integrated job-shop production planning and scheduling problem with setup time and batches. It not only considers the setup cost, work-in-process inventory, product demand, and the load of equipment, but also the detailed scheduling constraints. That is a way different from the traditional hierarchical production planning method. The hierarchical methods do not consider the detailed scheduling constraints, so it cannot guarantee to obtain a feasible production plan. Here the integrated problem is formulated as a nonlinear mixed integer program model. And in order to simultaneously optimize the production plan and the schedule, an improved hybrid genetic algorithm (HGA) is given. In the model, the detailed scheduling constraints are used to compute the accurate load of a device in order to obtain a feasible production plan. The heuristic scheduling rules such as the shortest processing time (SPT) and the longest processing time (LPT) are used to generate a better initial solution. Also, a subsection coding strategy is offered to convert the planning and scheduling solution into a chromosome. At last, a comparison is made between the hybrid algorithm and a hierarchical production planning and scheduling method, showing that the hybrid algorithm can solve the problem effectively.     

成批生产计划调度的集成建模与优化

针对多品种批量生产类型,建立了调度约束的生产计划与调度集成优化模型。模型的目标函数是使总调整费用、库存费用及生产费用之和最小,约束函数包括库存平衡约束和生产能力约束,同时考虑了调度约束,即工序顺序约束和工件在单机上的加工能力约束,保证了计划可行性。该模型为两层混合整数规划模型,对其求解综合运用了遗传算法和启发式规则,提出了混合启发式求解算法。最后,针对某机床厂多品种批量生产类型车间进行了实例应用,对车间零件月份作业计划进行分解,得到各工段单元零件周作业计划,确定了零件各周生产批量与投产顺序。     

求解紧急事件调度资源水平问题的启发式算法

为求解紧急事件调度中的资源水平问题,设计了一种启发式算法.鉴于紧急事件调度的紧迫性特点,首先在不考虑资源约束的基础上确定项目的初始关键链;然后根据初始关键链中任务的最早及最晚开始时间,建立了基于任务紧迫性的启发式规则,求解资源冲突;最后结合初始关键链与启发式规则,开发了基于任务紧迫性的启发式算法.算法目标是在给定项目工期条件下,获得最低的资源配置及对应的调度序列.与现有算法进行比较,试验结果表明,设计的启发式算法可以获得更好的解,更适用于紧急事件调度问题.     

带准备时间的柔性流水车间多序列有限缓冲区排产优化问题

针对带准备时间的柔性流水车间多序列有限缓冲区排产优化问题,提出一种改进的紧致遗传算法（Improved compactgenetic algorithm,ICGA）与局部指派规则结合的方法来解决该问题。全局优化过程采用改进的紧致遗传算法,为了克服紧致遗传算法（Compact genetic algorithm,CGA）易早熟收敛的问题,提出一种基于高斯映射的概率模型更新方式,在保持紧致遗传算法快速收敛特性的前提下,扩展了种群中个体的多样性,增强了算法进化活力。为减少生产阻塞和降低准备时间对排产过程的影响,设计了多种局部启发式规则来指导工件进出多序列有限缓冲区的分配和选择过程。采用某客车制造企业中的实例数据进行测试,测试结果表明,改进的紧致遗传算法与局部指派规则配合使用,能够有效解决带准备时间的柔性流水车间多序列有限缓冲区排产优化问题。     

基于遗传算法的订单式车间调度问题

针对订单式生产特点,提出了订单式专门机调度模型,给出了相应的解决问题的遗传算法具体实现过程.针对该模型,对算法进行适应度值标定、采用集合分割的交叉算子以及大变异策略等操作设计.最后,将该算法与启发式规则对不同规模问题的模拟仿真比较,证明该算法能更有效地取得较优解,并能用于较大规模的调度中.     

生产调度的启发式规则研究综述

启发式规则是求解生产调度问题比较简单有效的方法,与其他生产调度算法相结合,在过去50多年里得到了深入研究和广泛应用。首先综述了国内外对生产调度启发式规则的研究状况,阐述了启发式规则及其分类,介绍了启发式规则性能评价指标和鲁棒性,进一步分析了新提出的启发式规则。在总结启发式算法的基础上,给出了启发式规则应用于智能优化调度算法的一般性框架。最后展望了生产调度启发式规则的进一步研究方向。     

求解置换调度问题的改进混合遗传算法

构造了求解极小化总完工时间的置换调度问题的改进混合遗传算法：先采用构造型启发式算法和随机方法共同产生初始种群，然后在选择、交叉和变异等遗传操作之前借助禁忌搜索算法寻找每个个体的局部最优解组成当前种群，再应用种群整体替换策略保存种群中的优秀个体构成新一代种群。改进混合遗传算法有机地结合了禁忌搜索算法的局部搜索性能和遗传算法的全局搜索性能。仿真实验表明，改进混合遗传算法具有比构造型启发式算法和禁忌搜索算法更好的鲁棒性和寻优性能。     

遗传调度算法的研究

提出一种基于２算法进行生产调度优化的算法,该算法通过ＧＡ,启发式调度以及评价算法的有机结合,在调度效率较高的情况下,实现调度方案的全局优化。特别是这种方法为ＧＡ在调度系统中的应用提供了经验,也为解决工艺计划与生产调度的集成提供了一种有效的优化手段。     

基于工序约束并行机模型的冲压线调度

根据双向冲压线的实际生产特点,提出了一种基于工序约束并行机的双向冲压线调度模型.在该模型中,工件同时在牛产线两端按设备顺序加工,且加工工件及其加工开始时间和完工时间受生产线两端工件工序数目约束和生产线设备加工能力的约束,给出了该约束的规则;设计了启发规则和遗传算法混合的求解算法.最后,以最大完工时间为优化指标进行验证,证明该模型具有较好的实用价值.