基于遗传规划的动态作业车间调度规则生成

针对以最小化工件平均加权拖期为调度目标的考虑了工艺路线相关准备时间的动态作业车间调度问题,用基于遗传规划的方法智能设计生成用于优化求解问题的调度规则。详细介绍了算法用于调度规则设计的过程,并给出了仿真实验中算法的参数设置以及测试案例的生成方法。仿真调度结果以及对结果的单因素方差分析表明,由遗传规划进化生成规则的性能明显优于所选取的标杆规则的性能。对规则在其他各性能指标下的调度结果进行了同质分组,结果也表明进化生成的规则在其他调度目标下的鲁棒性也较好,这说明针对所要求解的特定调度问题环境,用智能算法遗传规划设计调度规则的方法是可行且有效的。此外,还分析了模型参数对调度规则性能的影响。针对基于遗传规划算法智能设计调度规则存在的优势与不足,指出了未来的研究方向。     

Study on job shop scheduling with sequence-dependent setup times using biological immune algorithm

Sequence-dependent setup times are one of the most important factors for the optimization of scheduling the production targets. Usually, they include the changing of tools, fixtures, cutting tools and the cleaning of production equipments. Some of them are relevant not only to the sequence requirement of the products to be processed on the equipment, but also to the processing requirement of the adjoining sequence. In this paper, a job shop scheduling problem with sequence-dependent setup times is described. A mixed integer program model is adopted to deal with this type of problem, and a scheduling algorithm based on biologic immunity mechanism is introduced. The result shows that the antibody encoding method and the mechanism of antibody proliferation and suppression can not only ensure the diversity of the antibody, but can also greatly improve the effectiveness of dealing with complex problems. Finally, a scheduling problem of finishing processing for a woollen mill is analyzed with its result described.     

求解作业车间调度问题的快速启发式算法

首先将作业车间调度问题转换为一个搭积木模型,受这个直观模型的启发,提出了一个启发式的搭积木规则,该规则综合考虑了已经搭好的积木的顶高和将要搭积木的剩余高度。基于这个规则,提出了一个求解作业车间调度问题的快速启发式算法,对国际上通用的benchmark例的模拟实验结果表明,提出的算法优于经典的优先分配启发式算法。     

考虑准备时间和关键目标的柔性作业车间低碳调度研究

针对考虑依赖于顺序准备时间的柔性作业车间低碳调度问题（Flexible job shop low carbon scheduling problem,FJSP）,提出了一种新型帝国竞争算法（Imperialist competitive algorithm,ICA）以充分优化关键目标最大完成时间和总延迟时间的同时持续改进非关键目标总能耗。该算法采用新的同化策略使得帝国内每个解至少存在多个学习对象并区别对待帝国内的最好解和其他殖民地,新型帝国竞争中给出了归一化总成本新定义并引入了殖民国家的全局搜索。通过试验系统地分析了总能耗的恶化程度与关键目标的改善程度之间的关系,并验证了新型ICA在求解所研究低碳FJSP方面较强的优势。     

NEW NONSTANDARD JOB SHOP SCHEDULING ALGORITHM

Considering the complex constraint between operations in nonstandard job shop scheduling problem （NJSSP）, critical path of job manufacturing tree is determined according to priority scheduling function constructed. Operations are divided into dependent operations and independent operations with the idea of subsection, and corresponding scheduling strategy is put forward according to operation characteristic in the segment and the complementarities of identical function machines. Forward greedy rule is adopted mainly for dependent operations to make operations arranged in the right position of machine selected, then each operation can be processed as early as possible, and the total processing time of job can be shortened as much as possible. For independent operations optimum scheduling rule is adopted mainly, the inserting position of operations will be determined according to the gap that the processing time of operations is subtracted from idle time of machine, and the operation will be inserted in the position with minimal gap. Experiments show, under the same conditions, the result that operations are scheduled according to the object function constructed, and the scheduling strategy adopted is better than the result that operations are scheduled according to efficiency scheduling algorithm.     

考虑设备维修与维护的装配作业车间动态生产仿真研究

装配作业车间生产调度的关键是动态协同产品各零件的生产进度以满足产品的齐套需求。设备的随机故障将会扰乱已有的生产计划,给各零件之间的进度协同带来更高的挑战。预防性维护能够提高设备的可靠度以减少故障的发生,但过度的维护又会减少生产加工的时间。从调度规则构成属性的角度分析设备故障将带来的影响,并提出一种考虑设备故障的改进型调度规则。通过仿真试验分析了企业常见的3种预防性维护策略对车间性能的影响和7种代表性调度规则的性能。试验结果表明:预防性维护策略对车间有明显的影响;且考虑了设备故障的调度规则有一定的改进效果。     

基于现场总线的多Agent作业车间动态调度问题的研究

提出了一种基于现场总线的多Ａｇｅｎｔ作业车间动态调度问题的解决方法。该方法是一种混合式多Ａｇｅｎｔ调度方法。在该方法中,有一个起核心作用的Ａｇｅｎｔ负责向其它辅助Ａｇｅｎｔ发送调度任务,在所有的辅助Ａｇｅｎｔ调度完毕后。回收它们的调度结果,然后进行统一协调,最终得出一个调度方案。实验结果表明,该方法具有很好的可扩展性和鲁棒性,对于作业车间调度问题有一定的实用价值。     

CAPP与车间作业计划集成的研究

阐述在制造过程中ＣＡＰＰ与车间作业计划之间集成的必要性，分析目前ＣＡＰＰ与车间作业计划集成的方法：在分析式集成方法的基础上，提出分层规划集成的模型，并讨论此模型的系统结构和特点。     

调整时间与顺序相关的能耗优化调度问题

以陶瓷行业车间生产计划为背景,将其抽象为调整时间与顺序相关的能耗优化调度问题进行研究。以最少化总能耗为目标,建立数学模型;提出了基于NEH算法的混合遗传算法,其中初始化种群中,定义了虚拟工件概念,采用了改进NEH规则对种群初始化;为了对上述算法进行验证,提出了该问题的两个下界,设计了仿真试验,进行下界背离程度分析和CPU运行时间分析。计算结果表明：所设计的混合遗传算法能够在可接受的计算时间内获得合理的解。     

车间调度中的动态工作日制研究与实现

车间调度问题在实际应用中更多地表现为动态调度问题.在分析调度问题的三个基本要素的基础上,并结合车间实际生产情况,对时间的动态变化这个影响动态调度最基本的因素进行了研究.提出了动态工作日制的实现策略和关键算法,为动态日制的离散实现提供了一个应用的具体方案,最后通过实例证明了该方案的可行性.     

无成组技术条件下流水车间调度的多目标优化

针对有工件组调整时间的流水车间调度问题,提出了无成组技术假设条件下的多目标优化模型,并设计了一种进化计算与局部搜索结合的混合遗传算法.模型的目标函数是最小化最大完工时间和最大拖期.在局部搜索过程中,根据问题的特征定义了两种邻域结构,采取两阶段搜索策略,以提高算法的优化搜索效率.进化过程中,采用基于个体的累计排序数和密度值的适应度分配方法,以保持群体多样性,并采取精英保留策略,以保证解的收敛性.通过测试问题和实际问题的实验以及与其他算法的比较,验证了所提模型和算法的有效性.     

多代理和遗传算法在动态作业车间调度中的组合应用

动态多变性与NP hard特性的并存使现存的大多数调度方法难以同时满足动态作业车间调度的多种要求。针对动态作业车间的特点 ,结合多代理的灵活性和遗传算法的全局优化性 ,提出了一种基于多代理和遗传算法的调度系统 ,并寻求适合于这种车间环境的优化调度方案。     

多目标模糊作业车间调度问题研究

研究了具有模糊加工时间和模糊交货期的多目标作业车间调度问题,首先给出了基于模糊优先规则的编码新方式,染色体的每一位表示在GT算法迭代过程中,对应机器上发生的某次冲突,根据该基因位对应的优先规则消除。然后设计了基于个体密集距离的多目标进化算法,该算法利用密集距离进行外部档案维护和适应度赋值。最后将多目标进化算法应用于模糊作业车间调度问题,以最大化最小一致指标和最小化模糊最大完成时间,并和其他算法比较。计算结果验证了多目标进化算法在模糊调度方面良好的搜索性能。     

双资源多工艺路线作业车间模糊调度问题研究

在研究双资源、多工艺路线作业车间调度的基础上,从实际作业车间调度系统存在大量不确定因素的情况出发,建立了模糊调度的数学模型。以最小完工时间和平均满意度最大为优化目标,基于遗传算法,对算法中初始种群的构造、适应度计算、遗传操作等方面进行了研究;应用改进的遗传算法,求解最优调度工序。最后给出了实例仿真和结论。     

含精英策略的小生境遗传退火算法研究及其应用

针对传统遗传退火算法的缺陷,提出了小生境遗传退火算法,该算法引入小生境技术,避免了搜索初期有效基因的缺失,保证了解的多样性;引入了自适应双点交叉和互换变异策略,克服了算法交叉和变异概率固定不变导致的求解过程较长和易收敛于局部最小值的缺陷;引入精英保留策略,有效地避免了最优解的丢失,加快了进化速度;通过3个经典函数测试,并将其应用于Job Shop调度问题,仿真实验结果表明:新算法有效克服了停滞现象,增强了全局搜索能力,比遗传算法和传统遗传退火算法的寻优性能更佳。     

基于仿真和正交试验的优化调度研究

针对生产系统多点协调调度问题,提出了一种基于仿真和正交试验的优化调度方法。在动态生产环境中,为了支持快速仿真调度分析,以模型元素和控制逻辑分离的原则为指导,采用面向对象方法,实现了基于模块化控制逻辑的快速仿真建模。以仿真模型作为系统目标求解函数,各种决策参数作为系统输入变量,通过正交试验优化仿真实验,确定最佳调度决策参数组合,将其应用于生产系统的调度控制。以某研究所的数控车间为例,验证了该调度方法的可行性和有效性。     

改进遗传算法求解柔性作业车间调度问题

分析柔性作业车间调度问题的特点,提出一种求解该问题的改进遗传算法。在考虑各个机器负荷平衡,所有机器上的总负荷和最大完工时间等性能指标更加合理情况下,设计一种全局搜索、局部搜索和随机产生相结合的初始化方法,提高种群初始解的质量,加快遗传算法的收敛速度。结合问题特点设计合理的染色体编码方式、交叉算子和变异算子,防止遗传操作过程中非法解的产生,避免染色体的修复,提高求解效率。使用文献中相同的实例测试利用初始化方法的改进遗传算法,并将计算结果与文献中其他遗传算法的测试结果进行比较,验证所提出的初始化方法的可行性和有效性。     

基于深度强化学习的作业车间调度问题优化

针对作业车间调度问题求解的复杂性,以最小化最大完工时间为目标,提出基于深度强化学习优化算法求解作业车间调度问题。首先,基于析取图模型构建深度强化学习的调度环境,并建立三通道状态特征,设计20种复合启发式调度规则作为动作空间,将奖励函数等价为机器利用率;利用深度卷积神经网络搭建动作网络和目标网络,以状态作为输入,输出每个动作的Q值,进而使用行动有效性探索和利用策略选取动作;最后,计算即时奖励和更新调度环境。使用标准案例验证了算法可以平衡求解质量和时间,训练好的智能体对非零初始状态下调度问题具有很好的泛化性。     

权重式多Agent作业计划及其在Job Shop中的应用

提出了一种新的分布式多Agent通用作业计划编制体系。为体系中每个设备、任务和控制中心设计了计划编制Agent，以计算竞争作业的评价指数，根据车间的特征决定各Agent的权重，并用加权平均方式确定各竞争作业的最终评价指数。将这种一般策略应用于Job Shop生产系统的最小交工延迟问题，与以往的启发式算法相比，作业计划的质量有了明显的提高。