基于绿色生产的混合流水车间调度问题研究

针对绿色可持续发展问题,通过量化绿色指标评价方法,构建最小化最大完工时间、碳排放和噪声的多目标混合流水车间调度模型,并提出一种混合离散多目标帝国竞争算法(hybrid discrete multi-objective imperial competition algorithm,HDMICA)对模型进行求解。采用基于混沌反向学习策略的种群初始化方式提高初始化种群的多样性;基于本文模型设计3种有效的局部搜索策略以提升算法局部搜索能力;通过实验验证所提算法的有效性及优越性。     

基于文化基因算法的开放车间调度问题研究

针对开放车间调度问题,运用了文化基因算法进行优化求解。在文化基因算法的框架中,既有种群中的全局搜索,又包含针对问题自身特点的局部搜索,为解决开放车间调度问题提供了一种新的算法。按照文化基因算法的思想和特点,将爬山法作为局部搜索策略加入到全局搜索策略所用到的遗传算法中,通过对开放车间调度问题的邻域结构进行研究,加入爬山搜索法进行优化求解。基于40个标准算例,通过与下界值的比较,验证了所提算法在解决具有较大搜索空间的调度问题时,其拥有更出色的算法性能。     

基于三方博弈的改进遗传算法求解多目标柔性作业车间调度

针对柔性作业车间的特点,以最小化完工时间、总机器负荷最小和临界机器负荷最小为目标,提出了基于三方博弈的改进遗传算法求解多目标柔性作业车间调度模型。通过三方博弈,使三个优化目标之间的博弈策略实现最优组合,从而获得子博弈完美纳什均衡,即为问题的优化组合解。为优化种群质量,将改进遗传算法应用于多目标柔性作业车间调度问题的求解过程,采用帕累托分类思想,对种群进行选择和精英保留,以优化种群结构;通过设计交叉、变异和局部搜索机制进一步寻找目标函数的最优解。为证明算法的有效性,运用基准算例对算法的求解性能进行了验证。其结果表明,所提算法在求解结果上有明显的改善,求解效率更高。     

基于混合离散人工蜂群算法的混合零等待柔性流水车间优化研究

从钢铁业等流程工业提炼出一类混合零等待柔性流水车间问题，其中一些加工阶段要求工件连续不断地经过这些工序，对该问题建立了整数规划模型，提出了一种混合离散人工蜂群算法以最小化最大完工时间。采用二维矩阵编码表述染色体以及工件右移调整策略进行解码以获取调度解，改进NEH启发式规则用于生成初始种群。在雇佣蜂阶段，引入了修正粒子群优化算法产生新解；在跟随蜂阶段，设计了迭代贪婪算法中的破坏和构造算子，进一步增强算法的搜索能力；在侦查蜂阶段，利用变邻域搜索算子以替换最差解。对不同规模问题进行了仿真测试并与现有算法进行对比，结果表明所提算法在求解混合零等待柔性流水车间问题方面更加有效。     

基于改进鲸鱼优化算法的风电消纳调度研究

针对我国风力发电弃风率高、风电消纳受阻等现状,本文提出将高载能负荷作为可调度资源与常规电源共同参与系统调度的调度模式,建立以最大限度地消纳风电、降低系统总调度成本为目标的消纳模型。采用改进鲸鱼优化算法(IWOA)对模型进行优化求解,提出控制参数递减策略,调整算法搜索步长,增强算法全局搜索能力和局部搜索速率;采用随机差分变异扰动策略,增强种群多样性,提高算法收敛精度。通过算例仿真分析验证了该调度模型以及改进鲸鱼优化算法的有效性和优越性。     

带调整时间的多目标流水车间调度的优化算法

为高效地求解带调整时间的多目标流水车间调度问题,提出了一种多目标混合遗传算法,此算法依据基于Pareto优于关系的个体排序数和密度值计算适应度,保持解的多样性,并采用非劣解并行局部搜索策略,提高算法的搜索效率.此外,引入精英策略保证算法的收敛性,在进化过程中通过淘汰掉个别最差个体,进一步加快解的收敛速度.仿真结果表明,新算法能够有效地解决带调整时间的多目标流水车间调度问题.     

基于Lévy Flight的混合GA在柔性作业车间调度问题中的性能分析

近年来,柔性作业车间调度问题(FJSP)由于其NP难特性与在制造系统中的广泛应用被大量关注。为提高该类问题求解效率,本文在标准Lévy flight的基础上提出了一种新的离散Lévy flight搜索策略,并将该策略与遗传算法框架结合,形成一种离散Lévy flight策略的混合遗传算法。该混合算法通过使用离散Lévy flight搜索策略对每代精英种群进行变步长搜索,提高了算法的局部搜索能力,增强了种群多样性。本文通过将CS、GA和TLBO等经典算法作为对比算法,对不同规模的54个FJSP算例进行实验,证明了所提出的算法具备更好的收敛效果与稳定性,适合于求解大规模FJSP。     

基于MPSO的有限缓冲区多产品厂间歇调度问题的研究

研究了以最小化最大完工时间为目标的有限缓冲区多产品厂间歇调度问题,提出了一种基于多种群粒子群优化(MPSO)的间歇调度算法.该算法采用多种群,增加了种群初始粒子的多样性,在每一代子种群并行进化的过程中引入移民粒子,使子种群之间相互影响和促进,避免算法过早地陷入局部最优,提高了算法的全局搜索能力;每代进化后选出子种群中的优秀粒子作为精华种群,并对其进行变邻域搜索(VNS),进一步提高了算法的收敛精度.通过对不同规模调度问题的仿真,以及与其它算法的对比,证明了该算法解决有限缓冲区多产品厂间歇调度问题的有效性和优越性.     

用混合量子算法求解模糊柔性作业车间调度问题

针对模糊环境下柔性作业车间的调度问题,以最小化最大完工时间、最小化成本和最小化惩罚值为目标,建立调度问题数学模型,提出了混沌量子粒子群算法。针对实际生产交货期模糊的特点,在量子粒子群算法基础上,提出引入混沌机制建立初始群的方法;针对量子个体的更新,提出了改进的量子旋转角计算方法;针对种群可能局部早熟收敛和后期多样性丢失的问题,利用混沌机制的遍历性,提出混沌局部优化策略;通过四个经典的调度算例验证了所提出算法能降低早熟概率和提高迭代搜索效率,与其他算法比较可以获得更多的非支配解。     

面向医疗器械企业灭菌工艺的不同容量平行机批调度

针对医疗器械企业灭菌工艺生产过程的调度问题,提出面向灭菌工艺的不同容量平行机批调度方法,建立以最小化总延迟时长、最小化总加工能耗和最大化灭菌柜装载率为目标的不同容量平行机批调度模型。并针对模型的求解提出一种改进的NSGA-III算法(Improved NSGA-III,INSGA-III)。为了获得更高质量的批调度解,采用EDT+MLC启发式规则生成INSGA-III初始种群,并设计一种局部搜索策略以改进算法迭代后期的搜索能力。最后,通过算例仿真与传统调度方法进行对比分析,验证了该模型和算法的有效性和可行性。结果表明,该模型和算法较传统调度方法有明显的优势,可为医疗企业实际生产调度提供新思路。     

基于改进Jaya算法的置换流水车间调度问题研究

置换流水车间调度问题（permutation flow shop scheduling problem, PFSP）广泛存在于流程和离散制造企业。本文提出一种改进的Jaya算法求解最小化最大完工时间为目标的PFSP。在改进Jaya算法中,设计了基于最优和最差个体的4种个体更新方案,通过4种邻域结构对个体进行局部搜索,并通过多样性控制策略来保证种群的多样性。采用改进Jaya算法分解求解Car、 Rec和Taillard基准问题,并与其他算法进行比较,验证了所提算法的有效性。     

基于改进遗传算法的偏柔性作业车间调度

偏柔性作业车间调度是生产管理中的重要问题。由于模型和计算的复杂性,传统优化方法往往难以得到最优解。采用改进遗传算法求解偏柔性作业车间的调度问题,设计相应的编码方法,利用所生成的染色体以及通过遗传操作得到的染色体生成可行的调度方案。基于工序串和机器串的编码方法,采用精英解保留策略、轮盘赌选择策略和基于划分集的交叉策略,提出基于均匀分布试验的变异法则,引入贪婪式解码方法对偏柔性作业车间调度进行求解。实例仿真表明,该算法在求解偏柔性作业车间调度方面具有良好的效率和优越性。     

基于混合离散粒子群优化的多时间因素作业车间调度研究

应用粒子群优化(PSO)进行了考虑机器调整时间、工件运输时间以及提前/拖期惩罚的作业车间调度问题的研究,分析了各时间约束对调度的影响,在此基础上设计了一种解决多时间约束调度问题的混合离散粒子群(HDPSO)算法。该算法在初始阶段采用反向学习机制初始化以提高初始解质量,引入记忆池的概念,在每次迭代中利用记忆池中精英解对当代种群搜索加以指导,以增加粒子与优秀群体间的交流并提高收敛速度及跳出局部最优的能力,最后采用一种针对问题的变邻域搜索策略提高了算法收敛精度。实例仿真验证了该算法的有效性。     

Z企业配电箱作业车间调度问题优化研究

Z企业配电箱产能扩张需要引入更高效的生产调度管理模式。基于Z企业原有的调度模式,针对传统策略中存在的性能不稳定、易受管理者经验影响以及容易陷入局部最优解的问题,采用遗传算法进行作业车间调度问题的优化。首先,建立适用于Z企业的作业车间调度模型,并考虑实际约束条件,使模型更贴近企业实际。其次,选用MSOS染色体编码、轮盘赌选择法、基于工序编码的交叉算子POX和位置变异法的变异算子扩大搜索范围和寻找最优策略。最后,在相同的环境下分别对不同策略进行仿真,生成甘特图。结果表明,采用算法的策略更优,尤其更适用于复杂环境下的JSP优化。     

置换流水车间调度问题的萤火虫算法求解

作为新兴的仿生群智能优化算法,分析了萤火虫算法的仿生原理,对算法实现优化过程进行了定义。针对最小化最大完工时间的置换流水车间调度问题,采用基于ROV规则的随机键编码方式和互换操作的局部搜索策略,应用萤火虫算法进行求解。通过典型实例对算法进行了仿真测试,调度结果表明了萤火虫算法求解置换流水车间调度问题的可行性和有效性,优于NEH启发式算法和粒子群算法,是解决流水线生产调度问题的一种有效方法。     

基于工序集的多阶段混合流水车间调度问题研究北大核心

针对砂型铸造车间包含并行工序集与批处理集的多阶段调度问题,总结了该类问题的特点和难点,构建了以最小化最大完工时间为优化目标的多阶段混合流水车间调度模型,采用了一种改进人工蜂群算法求解该模型。在算法中提出了基于插入原理与前驱工序释放时间的分段解码方法来有效利用机器空闲时间段,并引入了动态触发邻域机制增强算法的局部搜索能力,最后通过仿真实验验证了本文算法,解决此类问题的可行性和有效性。     

改进离散候鸟优化算法求解带缺失阶段的柔性流水车间问题

针对每阶段包含不相关并行机的柔性流水车间调度，研究了具有缺失阶段的总加权完工时间问题。由于该问题是NP-hard的，因此，提出基于两段式编码和组合邻域策略的改进离散候鸟优化算法进行求解。基于机器和工件编号设计两段式编码，利用最短加工时间规则和随机策略获得初始候鸟种群。领飞鸟和跟飞鸟进化中引入组合邻域策略以产生邻域解，最后对最差个体设计重置机制以再次提高解的质量。针对不同规模问题，对所提算法和四种启发式算法进行仿真实验，实验结果表明改进离散候鸟优化算法得到了更高质量的满意解。     

基于工序集的多阶段混合流水车间调度问题研究

针对砂型铸造车间包含并行工序集与批处理集的多阶段调度问题,总结了该类问题的特点和难点,构建了以最小化最大完工时间为优化目标的多阶段混合流水车间调度模型,采用了一种改进人工蜂群算法求解该模型。在算法中提出了基于插入原理与前驱工序释放时间的分段解码方法来有效利用机器空闲时间段,并引入了动态触发邻域机制增强算法的局部搜索能力,最后通过仿真实验验证了本文算法,解决此类问题的可行性和有效性。     

分层混合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,以总拖期最短为目标,提出了一种分层混合遗传算法。其中,根据总拖期的大小,将种群划分为精英层和普通层,精英层包含全局最优的数个不同质个体,其余个体划分为普通层;针对遗传算法局部搜索不足的问题,对精英层提出了一种邻域搜索策略,使代表机器选择和工序顺序的染色体可以根据自身的不足进行调节;针对遗传算法多样性容易丢失的问题,对精英层提出了一种灾变策略,不仅保留了种群的进化优势而且可以向优秀的个体学习。最后通过一系列标准测试函数以及一个生产中的实际案例验证了该算法的有效性。     

基于批量划分的无等待流水车间订单接受问题研究

在无等待流水车间环境下,考虑订单分批量加工策略的订单接受问题,建立问题的数学模型。由于问题的NP难特性,提出改进的遗传算法对模型进行求解。改进的算法采用正向和反向NEH算法与随机方法产生初始种群,在算法更新过程中将禁忌搜索算法嵌入到遗传算法中来实现局部搜索,避免算法陷入局部最优。最后,算例表明批量划分策略能够有效减少订单的完成时间,实现订单总收益的最大化。通过算法对比,说明了改进遗传算法具有较好的求解效果。