基于自适应遗传算法的航材动态调度规划研究

针对民机不同维修任务的航材调度规划问题进行了深入研究,提出了基于改进自适应遗传算法动态库存的航材实时共享调度规划模型。结合任务时间窗的需求和停机惩罚函数为约束,以最小总成本为优化目标,建立了航材库动态环境下的航材调度模型。在此基础上,采用改进遗传算法对模型进行求解,编码方式采用染色体组的形式,在求解过程中,将交叉和变异概率根据适应值作出动态调整。通过算例仿真验证了该模型的可行性和有效性,为航材实时调度规划提供了理论方法依据。     

基于自适应遗传算法的模具制造动态调度研究

模具生产工艺复杂,生产过程动态多变,为有效求解模具制造动态调度问题,设计动态调度算法。文章首先建立简化模具企业车间作业调度问题模型,利用自适应遗传算法确定模具各工件各工序的加工方案。其次,考虑模具生产中的不确定因素,提出了局部更新和全局更新相结合的、基于滚动窗口技术的动态调度方法。最后,将算法用于求解实际模具企业车间作业调度问题,结果表明,该算法通用性强,可行性高。     

基于自适应遗传算法混合Flow-shop的调度与仿真

通过对柔性制造系统中混合流水车间生产调度问题的分析和研究,开发了基于遗传算法的生产调度方法,调度目标为最小化工件的最大完工时间。采用了一套新的染色体编码方法以保证个体的合法性与计算的方便性,设计了相应的交叉和变异操作算子,并生成最优的排序计划。仿真结果表明,改进后的顺序自适应交叉遗传算法更能有效地解决混合流水车间调度问题,并采用VB软件编程实现了调度过程的动态仿真。     

基于遗传算法的柔性作业车间调度优化

针对经典作业车间调度问题的局限性,结合实际生产情况,提出了具有路径柔性的作业车间调度模型,给出了求解模型的遗传算法的具体实现过程.针对模型的特殊性,提出了染色体两层编码结构,将AOV、AOE网络图分别应用到解码和适应度函数的计算中,并给出了相应的选择、交叉、变异操作设计.最后通过一个8×6调度问题的测试例子,表明了此算法的有效性.     

基于遗传算法车间作业调度与eM-Plant实现

在分析车间作业计划的数学模型的基础上研究了在eM-Plant系统中建立车间作业调度仿真模型的关键技术,并且利用eM-Plant内置的遗传算法优化模块在现有仿真模型的基础上进行车间作业调度优化,最后以一个例子说明eM-Plant遗传算法模块的车间作业调度优化过程.     

遗传算法在车间作业调度上的应用

在车间作业调度数学模型的基础上,以遗传算法为优化工具对问题进行求解,着重介绍了生成可行调度的算法和对遗传算法的改进,同时选择典型的Job-Shop调度问题(FT06)作为算法的试验对象.最 后分别给出了基本遗传算法和改进后的遗传算法的测试结果,测试结果表明基本遗传算法在求解Job-Shop调度问题(FT06)时通常只能找到次优解,而改进后的遗传算法在求解该问题时基本能找到最优解.这一方面说明了基本遗传算法在求解实际调度问题中的不足,同时也表明该改进的遗传算法具有较大的可行性,也进一步说明了改进的遗传算法在解决实际调度问题具有更大的优势,这就揭示了实现对遗传算法的改进才是应用遗传算法解决实际调度问题的未来发展方向.     

基于改进自适应遗传算法的机器人路径规划研究

传统遗传算法的交叉和变异操作为随机操作,虽然简单,但在路径规划中却会产生不可行路径,增加运算量,影响算法的收敛速度。针对这一问题,在传统遗传算法遗传操作的基础上进行了改进,利用先验知识保证遗传操作后的种群个体为可行路径,同时提出了新的遗传参数自适应调整方式与之配合,提高了算法的寻优效率。最后,由于遗传算法容易陷入局部最优,根据模拟退火算法的Metropolis准则对经过遗传操作产生的新个体进行接受判定。通过将改进后的遗传算法与其他文献中的改进遗传算法相比较,结果表明:文中的改进遗传算法在收敛速度、优化效果以及寻优能力上都取得了明显的效果。     

基于遗传算法的面向绿色制造的车间调度优化

针对面向绿色制造的车间调度问题,文章综合考虑加工时间、电能消耗的可计算性和质量、环境影响的复杂模糊性,采用0-1变量思想将质量、环境影响转化为可计算的因素建立了以最小完工时间,最小电能消耗为目标以质量和环境影响为约束的调度数学模型.采用遗传算法结合变权重思想对该优化问题求解,同时结合一个齿轮加工过程中面向绿色制造的车间优化调度为例,说明该优化方法的可行性.     

基于熵增强混沌遗传算法的柔性作业车间调度

为使企业获得最优综合调度质量的车间调度方案,研究了多目标柔性作业车间调度数学模型及其求解算法,建立了基于最大完工时间、最大机器负荷差、机器总负荷和调度复杂度4个调度质量指标的多目标柔性作业车间调度问题模型(MFJSP),提出熵增强混沌遗传算法(ECGA)求解该模型,应用伯努利混沌映射公式改进算法选择操作,用高斯云模型改进变异算子和交叉算子,提高算法的全局寻优能力和搜索效率。根据计算的交叉概率和变异概率执行切牌式交叉操作和两基因片段式变异操作提高种群基因的多样性。以M8J12P3调度问题为例验证了MFJSP模型和ECGA算法的有效性。结果表明,与SGA、PSO和ABC相比,ECGA具有更快的收敛速度和更好的全局搜索能力,有助于企业提高生产效率和降低成本。     

基于改进遗传算法的多线性缓冲区联合调度

针对汽车涂装生产的车辆路由调度问题,为降低涂装作业颜色切换次数及后续生产序列偏差,实现有限的资源内制造成本最低。基于涂装车间内具有多线性缓冲存储区的特点,以随机的待喷涂车辆集合为输入,建立以颜色切换次数最少及总装生产需求队列偏差最小为目标的MILP(mixed integer linear programming)模型,入库基于启发式规则,出库通过改进遗传算法求解,输出车辆路由调度方案。最后以某新能源汽车厂涂装车间为例,开发了一套路由调度系统,验证了所提出的多线性缓冲区联合调度方法,使得涂装切换成本下降80%左右,总装生产需求偏差成本下降10%左右。     

基于粗粒度并行遗传算法的JSSP研究

针对车间作业调度问题(JSSP)进行研究,利用粗粒度并行遗传算法(CGPGA)对JSSP进行有效求解。该算法首先将多个子群体以不同的编码方式进行进化计算,然后引入迁移因子进行群体间的信息交互。利用迁移因子把子群体中的优良个体传播到其余子群体,替换相邻子群体中的最差个体并继续进化而获得最优解。仿真实验表明:该方法简单且易于实现,求解效率远远高于经典遗传算法(GA),并可有效防止早熟现象的发生。     

一种改进的遗传算法在车间作业调度上的应用

在车间作业调度数学模型的基础上,以遗传算法为优化工具对问题进行求解,介绍了生成可行调度的算法和对遗传算法的改进,选择典型的Job-Shop调度问题(FT06)作为算法的试验对象,给出算法的测试结果,证明了算法的有效性.     

基于改进模糊自适应遗传算法的移动机器人路径规划

针对现有移动机器人路径规划方法运行效率低的问题,提出一种基于改进模糊自适应遗传算法的路径规划方法。基于领域知识对初始路径进行可行性筛选,提高可行路径比例。采用模糊逻辑控制器动态整定遗传算法运行参数,提高路径寻优速度,避免陷入局部最优路径;综合考虑机器人运行安全性要求,引入余弦函数平滑度评价因子,对不同的路径夹角施以不同的惩罚项,以改善路径平滑度。仿真结果验证了改进算法解决路径规划问题的有效性。     

面向车间生产动态调度的动态工作日制研究

生产调度问题在实际应用中更多地表现为动态调度，在分析调度问题的三个动态因素：加工机床集、加工任务集和时间的基础上，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动态实现策略和实现的关键的算法，为动态日制的离散实现提供了一个具体应用的方案，最后演示了一个对动态工作日制的管理及其实现的示例，证明了该方案实际应用的可行性。     

遗传算法在模具生产调度中的应用

根据遗传算法结合生产工艺知识,提出了一种实用的生产调度算法,该算法应用于模具生产企业的车间调度中,收到了满意的效果。     

基于改进遗传算法的自动导航小车路径规划调度

为解决智能车间物料运输AGV小车调度问题,以AGV补料任务行走总距离最短为目标,结合路径选择及任务排序双重标准,提出双层编码方式;同时为避免染色体上的基因聚集到小的邻域内,提出一种改进的遗传算法,算法增加了多种变异过程,相较于传统遗传算法扩大了解的空间,防止局部最优解的产生。最后通过MATLAB对环境进行建模、仿真,并与基本遗传算法进行对比。实验结果表明：所提出的改进算法能高效且可靠地解决AGV在多任务目标情况下的路径规划问题。     

求解车间调度问题的一种改进遗传算法

为了克服传统遗传算法解决车间作业调度问题的局限性,提出了一种改进的遗传算法,引入人工免疫机制克隆选择算子和设计独特的交叉算子,提高了算法的收敛速度和种群的多样性,可以有效地避免基本遗传算法种群早熟化和收敛速度慢的问题.仿真结果表明,与基于工件交叉位置的遗传算法比较,改进的遗传算法在全局最优解和收敛速度上都有较为明显的优势.     

基于遗传算法的航空航天环锻件混合流水车间调度优化

航空航天环锻件的生产特点趋于批量小、定制化和种类多,针对其生产过程中的混合流水车间调度问题进行了优化研究。将优化目标函数设为最小化的整体完工时间,选择搜索能力较高的遗传算法,在Matlab2019b软件中模拟仿真实验,并将实验结果与环锻件的实际生产数据进行对比,验证了算法的有效性和可行性。结果表明：提出的基于遗传算法的调度优化方法的整体完工时间,相较于传统人工排产的略有减少,约提高生产效率10.09%,为优化航空航天环锻件混合流水车间调度问题提供了可能。     

基于自适应遗传算法的分销系统调拨策略研究

通过分销区域内各分销点问的信息传递，当某一分销点库存低于订货点而总库存未低于总订货点时，采用遗传算法(GA)确定各分销点间的调拨量，减少由于分销点库存的不平衡而增加的费用，使得在某一时段内，分销点的库存费用最小。     

基于自适应的NSGA-Ⅱ多目标柔性作业车间调度

针对非支配排序遗传算法（NSGA-Ⅱ）进行自适应改进,采用独立的交叉和变异操作对工序与设备进行排序及分配的调整,从而求解多目标柔性作业车间调度问题。改进后的算法可依据不同阶段,动态调整算法的交叉概率与变异概率,提升算法运算效率、种群多样性并减少非法解的产生。最终,通过实例仿真验证算法的有效性。结果表明：新方案的最大完工时间、加工能耗、加工设备总负载和延期时间均得显著改善,有效提高了生产管理效率。