基于改进禁忌搜索算法的单机成组作业调度

提出了单机作业调度的改进禁忌搜索算法。以总流程时间最短为优化目标的具有作业分类与机器设置时间的单机成组作业高度问题是NP难问题,此问题的多项式求解方法不能保证求取最优解。基于改进禁忌搜索算法,建立了具有提交时间与分类设置时间的单机成组作业调度模型,可搜索到该问题的最优解。仿真实验表明,改进禁忌搜索算法能够搜索到最优解,其性能优于WSPT启发式算法,并且运行时间短,可应用于大规模调度问题。     

面向大规模定制的瓶颈成组调度启发式方法研究

基于对大规模定制生产模式的产品与生产特征的分析,描述了面向大规模定制的模块工件成组调度问题,提出了以识别瓶颈工序为基础的最小化加权拖期成组调度启发式方法,实现了生产成本与交货期的优化。实际生产数据的调度结果表明,与模块单批调度和完全批成组调度方法相比较,基于瓶颈的最小化加权拖期模块成组调度启发式方法更可行、更有效。     

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.     

基于瓶颈工序的多资源多目标机械加工车间调度研究

为求解多资源约束的机械加工车间调度问题,建立了包括最大完工时间、平均流经时间、总拖期惩罚和生产成本在内的多目标优化模型,并结合免疫遗传算法和约束理论提出了一种基于瓶颈工序的机械加工车间调度算法。算法依据约束理论提出了一种基于工序的多参数级联编码方法和基于鼓-缓冲器-绳索(DBR)的四阶段解码方法,以及有效的交叉、变异操作。基于瓶颈工序的免疫操作及基于浓度的选择更新机制,保证了多目标优化问题的收敛性以及Pareto解集的多样性。仿真结果表明了该算法的可行性和有效性。     

单机成组调度问题的约束满足建模与求解方法

为适应多品种小批量生产需求,企业普遍采用基于成组技术的混流生产,由此产生的成组调度需要平衡安装时间减少与满足交期之间的冲突关系。在分析安装时间是否依赖工件组排序、工件组能否分割加工等成组特征的基础上,以最小化加权流程时间与加权拖期为目标,构建了单机成组调度问题的约束满足模型,提出了以变量排序启发式搜索和前向约束传播相结合的求解方法。典型生产数据的实证分析表明,所提出的方法建模能力强,解的适应性好。     

作业车间瓶颈簇识别方法

针对传统作业车间调度瓶颈识别方法划定多瓶颈候选集时缺乏科学的划分范围、划分层次和划分依据等问题,提出机器簇、瓶颈簇、主瓶颈簇及阶次的概念,建立了作业车间瓶颈簇的识别模型.考虑机器的主次之分和多维特征属性,基于聚类思想及多属性决策理论提出了作业车间瓶颈簇的识别方法.选择识别瓶颈的机器特征属性,采用免疫进化算法获得调度优化方案并计算机器的特征属性值;采用层次聚类法,获得不同距离下机器簇的集合及其树状结构图;基于理想解相似度顺序偏好法确定并比较机器簇的簇中心,识别出瓶颈簇和非瓶颈簇;对瓶颈簇的子簇依次进行比较,通过多次识别逐步确定出多阶主瓶颈簇集合.最后,采用24组作业车间调度问题标准算例,将所提方法与移动瓶颈识别法、正交试验识别法、机器负荷识别法等进行比较,证明了其可行性及优势.     

基于前序基因表达式编程的单机成组调度算法

建立了满足成组技术要求的带有提前/拖期惩罚的单机调度模型,考虑了订单达到时间不同、交货期窗口不同、机器调整时间与工件组加工顺序相关等多种情形;设计了基于基因表达式编程的多层染色体编码方案,将染色体对应于工件的优先规则公式;最后,实现了利用先进的前序基因表达式编程搜索技术求解该问题的算法,并通过实验验证了该算法的可行性和有效性.     

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.     

基于遗传算法的“人-多台单机”柔性作业调度

研究了一类有并行联系的多台单机模型调度问题;考虑了机器工作中人员操作的因素,在人员数量及其作业速度差异的约束下,研究了如何合理安排员工工作和产品工序加工顺序;用遗传算法求解该问题,提出了基于员工和产品工序的混合编码方法,避免了遗传操作过程中不合理解的产生,并用MATLAB编程进行实例求解,得到了满意的结果,同时对比了不考虑人员因素的单机模型的情况,验证了研究的有效性。     

基于改进遗传算法求解柔性作业车间调度问题

针对柔性作业车间调度问题,以最小化最大完工时间、关键机器负载以及机器总负载为目标建立调度数学模型,提出一种改进改进遗传算法进行求解。算法采用两种交叉原则,通过对关键工序块操作形成二级邻域结构进行求解,并采用外部档案集对操作过程中的个体进行保留,采用加权法对个体进行评价,对Kacem基准算例进行求解,以证明所提出算法求解性能。     

基于遗传和禁忌算法求解一类车间调度问题

针对一类具有路径柔性的车间调度问题，在考虑遗传算法早熟收敛问题和禁忌搜索法自适应优点的基础上，将遗传算法和禁忌搜索法结合起来，提出了基于遗传和禁忌搜索的优化调度算法，并用实例证实了该算法的有效性。     

基于混合粒子群算法具有交货期瓶颈的作业车间调度问题

为了解决一类具有交货期瓶颈的作业车间调度问题,给出了基于订单优势的交货期满意度和交货期瓶颈资源确定方法,以工件拖期加权和最小为优化目标,建立了基于交货期满意度和瓶颈资源约束的作业车间调度模型;为了求解该调度模型,设计了一种基于模拟退火的混合粒子群算法,该算法采用随机工序表达方式进行编码,并在模拟退火算法中引入变温度参数来提高算法效率。通过随机仿真,分别采用PSO-SA、SA和PSO对所建立的调度模型进行求解,结果显示PSO-SA算法的广泛性好、求解效率高且算法的稳定性好,验证了模型和算法的有效性。     

含作业到达时间的单机调度问题的改进算法

研究了以作业完成时间之和最小化为目标函数的单机调度问题，该问题中各作业到达时间可能不同。在对传统启发式算法进行分析的基础上，提出一种改进算法，并给出了算例及其计算结果。大量的随机数据实验的结果表明，该改进算法的性能比传统启发式算法的性能更优。     

基于改进遗传算法的作业车间调度

针对传统遗传算法在求解作业车间调度问题时存在的算法收敛速度慢、寻优结果易陷入局部最优等缺点,提出了基于禁忌搜索算法的遗传交叉算子,利用禁忌表对交叉过程重复产生的子代进行有效禁忌,以加快算法的收敛速度,提高算法的全局搜索能力。算法设计了特殊的禁忌交叉方式,经实例表明:与传统的遗传算法相比,改进后的遗传算法在算法的收敛速度和求解的质量方面有了明显提高。     

Job Shop基于无延迟调度路径重连与回溯禁忌搜索算法研究

针对作业车间调度问题(Job shop scheduling problem,JSP),以优化最大完工时间为目标,提出一种路径重连和禁忌搜索混合算法.结合JSP领域知识设计路径重连,分别将正向无延迟调度解和反向无延迟调度解作为导向解.在正向无延迟和反向无延迟调度甘特图中,每一道工序的左边与右边分别无可用空闲时间.提出基于当前解工序头长度的正向无延迟调度转化算法,以及反转工件工艺路线,基于当前解工序尾长度的反向无延迟调度转化算法.设计新的基于精英解的回溯禁忌搜索算法,能够充分利用迭代过程中的历史解信息.不但提取更新的当前最优解加入到精英解集合,而且当最优解连续不更新代数达到设定值时,提取区间代数内较好的当前解加入到精英解集合.实现精英解池的不断补充和动态更新,使得算法可以持续进行回溯搜索.采用移动范围更广的邻域结构进行搜索,将路径重连与禁忌搜索算法混合,对JSP问题基准算例进行测试,验证了所提算法的有效性.     

基于进化算法的一类作业车间调度

在分析比较几种典型搜索算法的基础上,提出了一种新的混合进化算法,最后,通过具体的算例验证了该算法的有效性。     

基于改进粒子群算法的车间作业排序的优化设计

兼顾车间作业排序中的制造周期和机器利用率,建立了以最小化最大完工时间为主目标、以最大化机器利用率为从目标的优化模型。设计了引入自适应技术的惯性权重,使基本粒子群算法的学习因子可动态变化地改进粒子群算法,并用该改进后的算法对车间作业排序进行了优化设计。实例研究表明：改进后的粒子群算法在收敛速度和收敛可靠性上均优于未改进的粒子群算法,在求解车间作业排序问题的应用中具有更高的求解质量。     

基于改进粒子群算法的车间作业排序的优化设计

兼顾车间作业排序中的制造周期和机器利用率,建立了以最小化最大完工时间为主目标、以最大化机器利用率为从目标的优化模型。设计了引入自适应技术的惯性权重,使基本粒子群算法的学习因子可动态变化地改进粒子群算法,并用该改进后的算法对车间作业排序进行了优化设计。实例研究表明:改进后的粒子群算法在收敛速度和收敛可靠性上均优于未改进的粒子群算法,在求解车间作业排序问题的应用中具有更高的求解质量。     

基于改进遗传算法的生产车间多工艺计划调度研究

建立了基于多工艺加工计划的生产调度数学模型,给出了基于改进遗传算法的无辅助加工时间多工艺加工计划调度算法,通过与国外学者提出的算法相比较,证明了该算法的正确性和优越性,实验结果表明,模型是正确的,算法是有效的。