基于并行协同的多车间协同调度问题研究

传统企业在实际生产中,其多个关联车间之间的生产计划与调度存在难以协作的问题。为此,针对多车间协同调度问题建立了调度模型,提出了一种多车间协同调度的并行协同进化遗传算法(PCE-GA),并且采用该算法对上述模型进行了求解。首先,以最小化订单完工时间为目标,建立了单目标调度模型;然后,采用了并行协同进化遗传算法,对上述单目标调度模型进行了求解,基于工件、机器、装配关系的三层整数编码的染色体编码方案,提出了一种协同适应度值计算的方法;最后,以某液压缸生产企业为例,针对单目标调度问题,采用该算法与单车间遗传算法(JSP-GA)、并行协同模拟退火算法(PCE-SA)分别进行了求解,并对其结果进行了比较,以验证PCE-GA算法的优越性。研究结果表明：采用PCE-GA算法得到的优化率为13.3%,比单车间作业调度遗传算法求解的数据优化11.5%,该结果证明了PCE-GA算法在解决多车间协同优化问题时的优越性。     

考虑双资源约束的柔性作业车间调度研究

针对考虑工人和机器约束的双资源约束柔性作业车间调度问题,建立了最小化最大完工时间、总成本和工人疲劳值的多目标调度模型,并提出了一种改进NSGA-Ⅱ(INSGA-Ⅱ)算法求解。具体改进包括设计了3层编码方案以及插入式解码策略;为提高种群质量,设计了启发式种群初始化策略;为避免算法陷入局部最优,在染色体交叉、变异阶段,设计了自适应调整机制实现种群的动态搜索进化。最后通过多组算例验证了INSGA-Ⅱ算法的有效性和可行性,并通过一组实例验证了所提算法求解实际问题的有效性。     

基于混合遗传鲸鱼优化算法的柔性作业车间自动导引车融合调度方法

针对柔性作业车间调度问题,考虑自动导引车(AGV)在车间制造过程中只参与装卸和搬运工作,提出一种实现AGV路径规划与柔性作业车间调度集成优化的融合调度模型。采用基于工序排序与机器选择两个子问题的二维向量编码方案,并在解码过程中提出基于最先服务原则的AGV安排策略。对鲸鱼优化算法进行离散化改进,针对性地设计了多种种群初始化策略,引入遗传算法的交叉、变异操作以提升鲸鱼优化算法的全局搜索能力,并嵌入局部搜索算法以达到全局搜索和局部搜索的平衡,构建了一种混合遗传鲸鱼优化算法（HGWOA）来求解该融合调度模型。通过经典测试算例验证了算法性能,并使用正交试验优化了算法参数。研究结果表明,HGWOA算法用于求解柔性作业车间AGV融合调度问题可以获得较好的效果。     

自适应多种群Jaya算法求解绿色并行机调度问题

考虑到同一机器加工不同工件时存在序列相关准备时间的情况，研究了具有设置时间的绿色并行机调度问题。针对问题采用二维实数编码方案来有效映射解空间，并设计一种可以求解多目标的自适应多种群Jaya算法。该算法以Pareto最优解及拥挤度计算的机制进行寻优，在Jaya算法的基础上，设计了位置向量排序机制实现连续型解与绿色并行机调度问题离散型解的有效结合；将随机规则与工作均衡规则相结合提升初始种群质量并设计了自适应变化的多种群提升算法的搜索多样性与收敛速度。通过与其他4种算法的算例测试分析，结果表明自适应多种群Jaya算法在求解具有设置时间的绿色并行机调度问题上具有优越性。     

多目标柔性作业车间稳健性动态调度研究

研究了以调度稳定性和鲁棒性为优化目标的柔性作业车间动态调度问题。建立了多目标柔性作业车间动态调度问题模型;针对动态事件特点,采用工件到达发生器和机器故障预维护发生器模拟动态事件,提出了基于周期与事件驱动的混合重调度策略,该策略在每个重调度点对工件进行完全重调度或右移重调度;为克服传统差分算法早熟的缺点,设计了一种改进的多目标差分进化算法求解该调度问题;实例验证了提出策略和算法的有效性。     

求解车辆路径问题的混合遗传算法

针对物流配送中具有容量限制的车辆路径问题,设计了一种结合2-OPT子路径优化的混合遗传算法.在该算法中,提出了一种新的双层染色体编码方案.该染色体编码方案能确保子路径为满足车辆容量约束的可行路径,并且该编码方案只需根据客户编号生成染色体,无需预先知道有容量限制的车辆路径问题所需的最小车辆数,更适于求解实际中的车辆路径优化问题.采用2-OPT算法作为遗传算法的变异算子以优化子路径,从而提高算法的收敛速度.基于典型基准测试实例的计算结果表明,该算法是求解有容量限制的车辆路径问题的有效方法.     

基于改进候鸟算法的柔性作业车间分批调度问题

为了将可变批次的调度策略应用于生产,以提高大规模柔性作业车间的生产效率和设备利用率,针对柔性作业车间可变子批问题的特点,建立了以最小化完成时间和最小化批次数目为优化目标的多目标柔性作业车间调度模型和析取图模型,提出一种改进的候鸟算法求解该问题.算法设计了精英分批和可行邻域结构两种策略用于提高算法的搜索效率.通过对比实验验证了可变批次划分策略的优势和所提算法的有效性.     

基于遗传算法和变邻域搜索的柔性作业车间同步调度方法

研究了现有的柔性作业车间问题求解算法中存在的计算等待时间与求解结果质量之间的矛盾.针对这一矛盾设计了一种名为同步调度的新型调度求解方法.同步调度实现了生产作业与调度计算同步进行,旨在同时满足零等待与精求解两大要求.基于遗传算法与变邻域搜索设计了两种同步调度算法.在静态与动态柔性作业车间问题上的仿真实验表明,同步调度算法...     

求解分布式柔性作业车间调度的混合蛙跳算法

针对分布式柔性作业车间(Distributed flexible job shop scheduling problem,DFJSP)最小化最大完工时间问题,提出一种混合蛙跳算法.在该算法中,编码采用基于工序序列和工厂序列的部分解空间编码方案,机床选择在解码过程中通过规则确定.引入变邻域搜索算法提升蛙跳算法的局部搜索能力.为了弥补部分解空间编码不能探索整个解空间的缺点,引入针对关键工厂的全解空间禁忌搜索,从而扩大算法解空间、进一步提升算法的局部搜索能力.通过对基准实例的求解,并与现有的最先进算法进行对比,验证了所提算法的有效性和优越性.     

求解分布式柔性作业车间调度的混合蛙跳算法

针对分布式柔性作业车间(Distributed flexible job shop scheduling problem,DFJSP)最小化最大完工时间问题,提出一种混合蛙跳算法.在该算法中,编码采用基于工序序列和工厂序列的部分解空间编码方案,机床选择在解码过程中通过规则确定.引入变邻域搜索算法提升蛙跳算法的局部搜索能力.为了弥补部分解空间编码不能探索整个解空间的缺点,引入针对关键工厂的全解空间禁忌搜索,从而扩大算法解空间、进一步提升算法的局部搜索能力.通过对基准实例的求解,并与现有的最先进算法进行对比,验证了所提算法的有效性和优越性.     

一种混合遗传算法在车间作业调度中的应用研究

结合遗传算法和局域搜索的优点,提出一种混合遗传算法(HGA)以解决Job-shop调度问题。HGA采用基于工序的编码方案;然后在探讨影响HGA性能的交叉和变异算子的基础上,引入顺序保留交叉算子(PPX),并采用具有邻域搜索能力的变异算子;最后应用局部搜索对得到的GA解进行微调以改善解的质量。仿真结果表明了本文方法的有效性。     

基于混合遗传算法的柔性制造系统优化设计

针对基于闭排队网络模型的柔性制造系统优化设计问题，提出了一种混合遗传算法，利用该模型中生产量函数和成本函数的单调性，设计了最大产量－成本梯度算子，来引导新一代种群从不可行域进入可行域，既实现了利用遗传算法求解柔性制造系统约束优化问题，又增强了遗传算法的局部搜索能力。由于该算法利用渐近边界分析思想和编码技术减少了计算量，从而使混合遗传算法既保持了遗传算法的全局寻优特点，又提高了运行效率。算例证明，该算法的求解质量优于目前该领域常用的隐枚举算法。     

订单型企业多目标生产计划的制定及其调度

针对制定订单式小批量生产计划问题,提出了一种使用动态随机投入产出函数来制定多目标生产计划的方法。针对生产调度问题,提出了联合使用最长加工时间优先(LPT)与遗传算法(GA)的混合遗传算法(HGA)来求解混合流水线的调度,并给出了一种新的编码方法,选择了相应的交叉和变异方法。研究结果表明,该计划制造方法能较好地满足订单型企业的随机性要求,而且生产计划编制效率高。该编码方法在保证染色体合法性的同时也保证了算法本身的随机性。某轧辊厂的实际案例分析结果也验证了所提出的订单型企业多目标生产计划的制定及其调度方法的可行性。     

基于混合遗传算法的工艺路线优化配置

针对 FMS工艺路线优化配置问题提出一种混合遗传算法。该算法在遗传算法中引入了具有启发式规则的余量随机分配算子 ,可以将超过约束条件的余量随机分配到个体中去 ,通过按照一定规则的调整而将不可行个体引入可行域。一方面实现了利用遗传算法求解工艺路线的约束优化问题 ,保持了遗传算法的全局寻优特点 ,另一方面加强了遗传算法的局部搜索能力 ,提高了运行效率。算例证明该算法的求解效果好于目前该领域常用的启发式算法。     

A novel hybrid genetic algorithm to solve the sequence-dependent permutation flow-shop scheduling problem

Flow-shop scheduling problem (FSP) deals with the scheduling of a set of jobs that visit a set of machines in the same order. The FSP is NP-hard, which means that there is no efficient algorithm to reach the optimal solution of the problem. To minimize the make-span of large permutation flow-shop scheduling problems in which there are sequence-dependent setup times on each machine, this paper develops one novel hybrid genetic algorithms (HGA). Proposed HGA apply a modified approach to generate the population of initial chromosomes and also use an improved heuristic called the iterated swap procedure to improve them. Also the author uses three genetic operators to make good new offspring. The results are compared to some recently developed heuristics and computational experimental results show that the proposed HGA performs very competitively with respect to accuracy and efficiency of the solutions.     

求解Job-shop调度问题的混合遗传算法

分析了单件生产车间调度问题,提出了适合Job-shop调度的算法-混合遗传算法.通过分析几种求解该问题的典型混合遗传算法,说明了混合遗传算法是求解该问题的可行且有效的方法,并且在具体的环境下有一定的优越性。     

Discrete variable structural optimization based on multidirectional fuzzy genetic algorithm

Round method is the common method for discrete variable optimization in optimal design of complex mechanical structures;however,it has some disadvantages such as poor precision,simple model and lacking...     

自动化仓库旋转货架拣选优化

对自动化仓库旋转货架拣选优化问题进行了描述,提出了求解该问题的分层遗传算法（HGA）。根据具体问题对低层和高层采用了不同的进化策略,详细介绍了HGA算法的原理。通过实际算例运算及分析,表明HGA对解决自动化仓库旋转货架拣选优化问题的有效性。     

基于编码光栅和外极线约束的曲面匹配算法研究

提出了一种新的基于编码光栅和外极线约束的三维曲面匹配算法,该算法有效解决了立体视觉中的图像匹配问题,即左右图像光栅条纹的对应关系确定问题。另外,采用外极线约束将可能的候选点限制在直线分布,即将查找范围由二维降为一维。这种算法极大地减小了图像匹配的运算量,同时减小了错误匹配的概率。实验表明,采用编码光栅投影与外极线约束的视觉测量能够准确有效地匹配出自由曲面的三维立体轮廓。     

自适应遗传算法求解模糊作业车间调度问题

研究模糊作业车间调度问题(FJSSP),用三角模糊数表示模糊加工时间,用半梯形模糊数表示模糊交货期,以最大化最小客户满意度为调度目标,建立了模糊环境下Job-shop调度问题的模型。提出了一种自适应遗传算法,该算法采用基于优先列表的编码方式,提高了编码效率;在进化过程中对种群采用精英保留策略,确保最优个体不被破坏;并对自适应交叉变异算子进行了改进,使种群最优个体参与进化。仿真结果证明所提算法在寻优能力及收敛性能方面均有所改善。