大规模作业车间的瓶颈分解调度算法

针对大规模作业车间生产调度问题,提出一种基于瓶颈工序分解的调度算法.该算法采用正交试验进行瓶颈设备的识别,在设备层分解的基础上进一步进行工序级的分解,将大规模调度问题分解为瓶颈工序集调度、上游非瓶颈工序集调度和下游非瓶颈工序集调度三个子问题,通过子问题的求解和协调获得原问题的解.该算法遵循约束理论中"瓶颈机主导非瓶颈机"的原则,抓住调度问题的关键因素,采用分而治之的调度策略,不仅较大程度地降低了原问题的计算规模和复杂度,还兼顾了求解的质量.仿真结果表明了该算法的优越性和可推广性.     

运输能力有限混合流水车间调度的改进拉格朗日松弛算法

为改善在制品库存和能耗问题,研究了从钢铁实际生产环境提炼出的运输能力有限的动态混合流水车间调度问题.将运输机视为虚拟机器,可将原问题转换成与其等价的不考虑运输能力但在偶数阶段机器有不可用时间段的动态混合流水车间调度问题,其中机器不可用时间段取决于其运送的工件.对转换后的问题建立数学模型,提出基于阶段分解的拉格朗日松弛算法进行求解,该算法将优先级约束松弛到目标函数中,将拉格朗日松弛问题分解为多个阶段级子问题,进而设计了动态规划求解这些带任意权重和机器不可用时间段的并行同构机调度子问题.对不同问题规模的测试结果表明,所提算法能够在较短的运行时间内获得满意的近优解.     

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.     

等待时间受限的HFSP及其拉格朗日松弛算法

等待时间受限的混合流水车间调度问题(HFSP)广泛存在于钢铁生产,玻璃加工和塑料等行业。目前,关于等待时间受限的HFSP的研究较少。首先建立了等待时间受限的混合流水车间调度问题模型,然后设计了基于工件分解策略的拉格朗日松弛算法来进行求解。该算法通过将机器容量约束松弛到目标函数中,将得到的松弛问题进而分解为一系列易于求解的工件级子问题来进行求解。最后对设计的算法进行仿真验证,测试结果表明所设计的拉格朗日松弛算法能够在较短的时间内产生较好的近优解。     

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算法,采用双线程进行并行计算求解,提高全局搜索能力和效率,重组后形成原问题的可行解;最后利用实例证实了模型和算法的可行性.     

作业可拆分的资源投入问题的建模与优化

为了研究飞机移动装配线中基于作业可拆分的资源投入问题,建立以最小化资源使用成本为目标的作业调度数学模型。通过对作业调度过程中拆分与否及拆分位置的决策,在改进传统串行调度生成机制的基础上,设计了启发式算法求取资源需求上下界。针对所建立模型,提出以资源需求及作业优先级列表为编码的遗传算法,通过求解资源受限项目调度问题的子问题来评判对应资源需求在给定工期下的可行性,从而评估与优化项目不同资源的投入组合。数值实验表明,对于小规模问题,该算法可以求得近似精确解;对于大规模问题,相比现有文献,在算法求解精度上可提升5.57%。     

含串行批处理机的三阶段混合流水车间调度问题

基于钢铁行业炼钢-连铸-热轧一体化生产作业,提炼出新的三阶段混合流水车间调度问题。其中第二阶段有多台串行批处理机而其他阶段为离散机,批加工时间等于同一批内所有工件在第二阶段的加工时间之和,且考虑了设备需要调整时间等实际生产特征。以最小化总加权完成时间为目标函数,对该问题建立数学模型,提出基于工件分解策略的拉格朗日松弛算法,引入拉格朗日乘子将机器能力约束和批加工约束松弛到目标函数中,进而将形成的松弛问题分解为较易求解的多个工件级子问题,利用动态规划算法求解子问题,设计启发式算法将松弛问题的解转换为原问题的可行解。仿真实验表明,所设计的算法能够在可接受的运行时间内得到较好的近优解。     

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.     

面向订单的瓶颈资源识别与单机成组作业调度

具有分类设置与提交时间的单机成组作业调度问题明显是NP-Hard问题。一些问题的多项式求解方法不能保证求取最优解。一些启发式算法无法保证瓶颈资源多目标最优。基于改进禁忌搜索算法,建立了此类单机成组作业调度模型,可搜索到该问题的最优解。仿真结果表明,该算法性能优于WSPT启发式算法,能够解决面向订单的多品种小批量生产企业中的瓶颈识别与多目标排产问题。     

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.