基于人工鱼群算法的MES车间动态调度问题研究

作业车间存在诸多不确定信息和干扰的生产。为解决作业车间环境下制造执行系统的动态调度问题,文中介绍了基于人工鱼群算法的制造执行系统动态调度方法的设计,并深入研究了人工鱼群算法的应用。为使人工鱼群算法能应用于离散的生产调度问题中,依据实际情况对算法进行了部分修改。最终将改进后的人工鱼群算法应用于制造执行系统的车间动态调度中,优化了调度结果的质量。     

模具柔性流水车间滚动调度策略研究

针对模具柔性流水车间滚动调度问题,建立了滚动调度策略。该策略充分考虑了模具车间出现的各种扰动事件,建立了周期驱动和事件驱动相结合、利用滑动窗口的机制。最后通过仿真分析,说明了方法的有效性。     

基于粒子群算法的车间作业调度问题

通过对车间调度问题的描述,针对传统算法寻优效率低的弱点,提出了一种基于粒子群算法的车间作业调度问题的解决方案.对粒子群算法的基本原理进行了阐述,并对粒子群算法的编码、参数的选择以及解码进行了研究,以最小化最大流程时间作为评价算法的性能指标,将其用于编程求解典型调度问题.仿真结果表明,粒子群算法在求解车间作业调度的应用上是十分有效的.     

基于决策树挖掘技术的调度算法研究

作业车间的历史调度隐含着丰富的调度信息,文章在传统调度规则、数据挖掘、遗传算法相结合的作业车间调度方法的基础上,提出了基于数据挖掘的调度算法。选择与优化目标相关的工序信息作为历史离线调度数据集的属性,提出了一种应用于决策树的属性分类方法,再利用决策树C4.5算法从数据集中获得调度知识,形成C4.5多叉树规则,进一步与启发式算法融合,改进了初始种群随机的局限性,实现作业车间的实时调度优化。仿真表明,文章所提出的算法在优化性能和收敛速度方面具有明显的优势。     

改进捕鱼算法求解柔性作业车间调度问题

传统基于精确算法求解柔性作业车间调度问题时,仅能对小量柔性作业车间调度问题实施求解,具有一定的局限性。针对该问题,采用改进捕鱼算法求解柔性作业车间调度问题,在分析经典捕鱼算法存在弊端的基础上,提出改进捕鱼算法,融入渔夫的自身感知性能以及捕鱼经验,分析鱼浓度高的区域,并不断趋向该区域区间,通过概率分布原理对渔夫撒网方案实施优化。分析求解柔性作业车间调度问题的描述以及性能指标,将性能指标作为改进捕鱼算法的输入,通过运算获取最佳的调度结果。实验结果说明,所提算法具有较高的调度效率和精度,并且确保作业车间能耗的最小化。     

基于直觉模糊集决策的多Agent敏捷车间调度

由于静态调度忽略了实际车间调度的不确定性,而动态调度则不一定能达到车间调度的敏捷性要求,为此,研究了基于直觉模糊集决策的多Agent敏捷车间调度方法。文中提出了具有自治性和全局优化性的多Agent敏捷调度生产控制结构。研究了基于粒子群算法的静态调度方案和基于直觉模糊集决策的合同网方法,并将两者进行结合,形成了新的敏捷车间调度策略。最后,进行了实例分析,结果表明该调度策略在敏捷车间调度问题的应用上是有效的。     

改进协同量子粒子群优化算法在流水车间调度中的应用

作为一类典型的调度问题,流水车间调度是N-P难调度问题,因而引起了众多研究者的兴趣。本文提出了一种改进的协同量子粒子群优化算法,该方法中定义了量子角的表达式,所有的子种群采用优化协同模式以确保算法收敛,采用扰动机制避免算法陷入局部最优,运用了综合学习策略以提高种群的多样性。改进的协同量子粒子群算法应用于流水车间调度,仿真结果验证了改进算法能改善全局收敛能力。     

混合粒子群算法在动态车间调度中的应用

车间调度问题是广泛存在于现实生活中的经典算法规划问题。好的生产调度系统有利于提高企业工作效率及降低企业成本,是工业生产的核心竞争力。粒子群算法因为强大的智能规划能力而被广泛用于车间调度问题当中。文章在原有标准粒子群算法基础上,引入模拟退火机制及遗传算法中交叉变异策略形成的混合粒子群优化算法,并在更具有实际生产环境的动态车间调度中模拟应用,与遗传算法、离散粒子群算法进行比较,具有较强优势。     

一种改进的新型布谷鸟搜索算法在工业流水作业中调度问题的优化应用

流水作业调度是近几十年来出现的一类重要调度问题。流水车间调度问题是一类非确定性多项式优化问题。因此,需要采用优化算法对其进行优化计算。布谷鸟算法是近年来发展起来的一种元启发式搜索算法。当布谷鸟搜索的参数不变时,算法的效率会降低,因此,本文提出了一种改进的布谷鸟搜索算法来解决传统布谷鸟算法排列流车间调度问题。该算法已应用于一些基准测试问题,可以在相关领域推广应用。     

考虑运输时间的柔性作业车间调度问题研究

针对工件实际加工过程中工件转移的重要性,对运输时间的柔性作业车间调度问题进行优化研究,建立了以最小化最大完工时间和总碳排放量为优化目标的调度数学模型,并提出了一种改进的NSGA-Ⅱ算法。算法采用基于工序和机器特征的双链式编码方法,设计了针对工件运输时间的插入式解码操作;为探索到更优的前沿解设计了一种局部邻域搜索策略;基于非支配解引入了节能低碳策略进行排放量调整;通过仿真实验对比结果,表明了改进NSGA-Ⅱ算法及其求解考虑运输时间的柔性作业车间调度问题的有效性。     

求解Job shop的一种快速混合算法

结合车间调度问题本身的特点,采用关键路径块邻域结构,混合禁忌搜索算法和粒子群优化算法,设计了一种快速混合调度算法.该算法对预选择的块邻域解的性能进行快速估计,对不可行解尽早舍去,大大减小了邻域解的搜索空间.仿真结果表明,该算法在求解平均时间和性能方面均具备明显优势.     

面向柴油机制造企业基于MES的车间单元调度探究

针对柴油机制造企业产品结构复杂、加工制造周期长、设备利用率低以及生产过程中人为调度密集,底层信息不能及时反馈等现状,提出了面向柴油机制造企业基于MES的车间单元调度系统。首先分析了系统的体系结构,调度流程以及实现功能,在此基础上建立了车间单元调度的多目标模型,并进一步采用基于TOC的遗传-分散搜索混合算法进行求解,使车间单元调度系统更具科学性和实用性。     

浅谈企业车间MES生产调度的设计分析

企业车间采用MES(制造执行系统)进行生产调度,能够缩短产品生产的周期,降低企业生产的成本。MES生产调度的设计,要符合企业车间的基本需求,完善企业车间的运营环境,改善企业生产的状态,进而体现出MES生产调度设计的作用和重要性。本文主要探讨企业车间MES生产调度设计的相关内容。     

基于遗传算法的柔性车间作业调度

目前柔性车间作业调度问题已成为研究热点,本文采用遗传算法求解该问题。针对柔性车间作业调度问题的特点设计了染色体编码方法,即将基于工序的编码和基于机器的编码方式结合。同时在遗传操作方面设计了相应的交叉和变异算子。这些改进方法可以保证遗传操作每一步产生的染色体在工艺约束和选择机器方面都是合法的,避免了传统柔性车间作业调度中繁琐的染色体合法化修复工作。为了得到活动调度,在进行适应度计算时对染色体中的基因序列进行调整。仿真结果表明设计的遗传算法求解柔性车间作业调度是有效的。     

改进元胞粒子群算法求解JSP问题

为求解离散JSP(作业车间调度)问题,设计了基于四方形网格的元胞粒子群算法。引入变异策略增强了算法跳出局部最优的能力,对每代粒子群引入变邻域搜索提高了算法的局部搜索能力。数值实验表明,改进的元胞粒子群优化算法具有好的收敛性与求解精度。     

求解改进布谷鸟算法的置换流水车间调度问题

针对实际工况下置换流水车间调度问题,文中以最小化完工时间为目标对标准布谷鸟算法进行了改进。为提高优化解的稳定性和算法的计算精度,该算法将淘汰概率引入动态自适应机制,将局部搜索引入差分进化机制,并在初始种群的生成中引入NEH算法。文中将改进的布谷鸟算法运用于解决实际工况下的置换流水车间调度问题,通过与标准布谷鸟算法仿真优化结果进行对比,证明了改进布谷鸟算法具有更好的解的稳定性和更高的寻优精度。     

基于改进遗传算法的单目标柔性作业车间调度系统的研究

单目标柔性作业车间调度问题是经典作业车间调度问题的重要扩展,对其的研究有着重要的理论意义和工程实践意义。首先对单目标柔性作业车间调度问题进行了描述;然后结合FISP问题,改进设计了遗传算法;接着应用Visual Studio 2008开发工具设计开发了原型系统,并对系统进行了测试,得到了运行结果;最后对全文工作进行了总结。     

车间调度问题的量子粒子群优化算法设计

针对粒子群优化算法搜索空间有限、容易出现早熟现象的缺陷,将量子粒子群优化算法用于求解车间调度问题,按照量子粒子群优化算法的进化规则在调度空间内搜索最优解,并对量子粒子群算法的参数选择进行了研究。以典型的Job-Shop调度问题作为实验对象,实验结果表明QPSO算法相对PSO算法具有较好的全局搜索能力。     

云制造模式下多目标柔性作业车间调度研究

为了解决实现云制造模式过程中的柔性作业车间调度问题，在进化算法的基础上提出了IM-MOEA/D算法。该算法为了减少运算，种群使用双编码模式，初始化种群分两步策略和六种规则，采用两类五种变邻域搜索并设置搜索阈值，以提升算法的全局和局部迭代寻优能力。最后用算例验证了IM-MOEA/D算法的有效性，有助于改善云制造环境下柔性作业车间调度的制造效率。     

基于改进遗传算法的多目标JSP调度研究

针对多目标车间作业调度问题(JSP),提出了一种混合遗传算法,将多目标遗传算法得出的初步优化结果作为粒子群算法的初始粒子,利用粒子群算法强化局部搜索,加快收敛速度,改善了简单遗传算法局部搜索能力差、迭代效率低的问题.仿真结果表明了该算法对JSP调度的良好效果.