考虑机器检修的圆钢热轧批量调度算法

针对圆钢的热轧批量调度问题,考虑实际生产中的机器检修计划对批量连续性加工的影响,以最大化产能利用率、最小化机器调整时间和订单提前拖期为优化目标,建立了多目标的整数规划模型,并提出改进的带精英策略的快速非支配排序算法对模型进行求解。算法结合问题的约束特征,采用改进的NEH算法生成初始解,并采用罚函数的思想设计适应度函数,对种群中存在的不合理解设计修复规则进行修复;针对遗传进化过程,设计了遗传操作方式,并在算法迭代过程中嵌入基于有限搜索范围的邻域搜索算法,避免算法陷入局部最优。实验结果表明,模型和算法对问题的描述和求解是可行有效的。     

水平型制造协作联盟订单分配多目标优化模型研究

针对水平型制造协作联盟的订单分配问题,引入了生产负荷参数,建立了最小化综合成本与生产负荷均衡的多目标优化模型。应用改进的非支配排序遗传算法对多目标优化模型进行求解,获得了Pareto最优解集。仿真计算结果表明,所提出的模型和算法能够获得满意的解。     

基于改进SPEA2算法的铸造并行车间主生产计划

针对铸造企业现有人工主生产计划订单交期准确率不高、车间工时利用率低和任务分配公平性不足的问题,建立了以订单提前/拖期惩罚成本、车间完工时间和工作负载均衡为指标的多目标整数规划模型.提出了改进的强度Pareto进化算法,设计了离散形式的编码、交叉与变异操作,并引入模拟退火机制优化环境选择和种群更新方式,求解出并行车间订单排产的Pareto最优解集,然后采用模糊优选法从中选出折中的推荐排产方案.多个规模的仿真实验结果表明,改进后算法所求得的解的支配性明显优于原算法和加权法求得的解,同时最终确定的推荐排产方案与原算法相比,各目标函数值均有效降低,其中惩罚成本和负载均衡目标优化效果显著.     

基于混合整数规划的高级计划排程方法研究

针对目前离散制造企业普遍存在的MRP计划和车间调度相脱节的问题,本文提出了高级计划排程(APS)的数学模型和近似求解算法。以订单的提前/拖期总惩罚成本最小为目标函数,构建了包含BOM结构、零件加工次序、机器析取约束等的APS混合整数规划模型;采用遗传算法对APS模型进行近似求解,该算法采用随机键编码方式、轮盘赌选择方法、两点交叉法、精英保留策略等遗传操作;最后用算例验证了APS模型和求解方法的有效性。     

不同交货期时间窗下的平行机生产问题研究

在工业4.0环境下,满足定制生产需求并能够准时交货的智能工厂成为发展趋势。研究在JIT原则下,考虑订单交货期、到达时间和设备产能资源等约束条件下的平行机生产排序问题,以订单任务提前生产的总时间最小化作为目标,基于历史订单构建虚拟订单进行产品组合,建立交货期约束系统求解模型,使用"最小提前生产时间的启发式算法"进行求解,解决不同交货期约束下平行机生产排序过程中的资源冲突、工期延误、设备浪费等问题,以保证准时交货。最后,使用仿真案例实验验证该方法的可行性,为进一步研究不同交货期时间窗下较大规模的复杂平行机排序问题提供可借鉴的方法。     

改进PSO算法求解具有柔性生产路径钢铁产品分配问题

针对钢铁企业实际生产和产品分配特点,研究了柔性生产路径下的产品分配问题,建立以最大化企业利润、设备利用率和市场产品满足率为目标的多目标模型,并设计了改进粒子群算法对问题进行求解。算法考虑模型的复杂约束特征,采用约束满足技术产生初始解,并利用惩罚函数设计适应度函数,通过动态调整粒子群算法中的惯性权重对粒子进行动态更新,最后,通过实际钢厂数据的实验仿真,说明了模型的可行性和改进粒子群算法的有效性。     

带能力约束的多目标OEM协作生产订单分配决策与混合蚁群算法应用研究

在面向订单生产(build-to-order,BTO)的协作生产环境下,品牌制造商如何将所接受的不同客户订单(生产任务)分配给众多的协作生产企业OEM供应商,同时以最大的成本收益及最高的服务水平完成这些制造任务,是OEM协作生产环境下一个很实际的生产管理问题。首先根据此类问题的特点建立了一个带能力约束的、以总订单利润与准时交货为目标的多目标OEM订单分配模型;然后利用混合智能优化算法——模拟退火蚁群算法进行求解,并对该混合算法进行改进;最后应用算例验证了算法的有效性与合理性。     

改进遗传算法求解面向订单多目标排产问题

针对面向订单的多目标排产优化问题,综合考虑订单的延期成本、库存成本和生产单元的负载均衡,构建了面向订单的多目标排产优化的数学模型;针对上述模型设计了一种基于矩阵编码的改进遗传算法,并详细介绍了算法初始种群产生策略、行交叉算子、列交叉算子、行变异算子、列变异算子、适应度函数和选择算子的设计。通过实验对比,验证了提出的算法可以有效地解决面向订单生产的多目标排产优化问题,降低企业生产成本,充分利用生产资源。     

产品族设计与供应商的订单分配关联优化研究

针对统一采购情形下产品族设计与供应商订单分配问题,提出了一个以产品族利润最大为目标,满足产品配置要求、供应商最小订单数量等约束的产品族设计与供应商订单分配关联优化模型,并开发了一种自适应遗传算法对模型进行求解。为了防止由于优化问题中存在的订单等式约束导致算法产生大量不可行的染色体,给出了一种按比例分配订单的染色体编码与解码方法。同时算法设计了自适应的交叉方式与变异方式尽可能避免陷入局部最优解。最后通过一个实例验证了所提优化方法和求解算法的有效性。     

基于聚类算法的订单分批策略研究

订单分批是物流中心提高作业分拣效率的一个有效方法。主要针对“货到人”模式下的订单分批问题,构造了基于聚类算法的数学模型,并以最小化货物搬运次数为目标函数进行求解。通过在不同规模的订单数据下,比较基于聚类算法的分批策略与采用先到先分批策略、不分批策略在拣选作业中的实际效果,表明该算法能有效提高分拣任务的作业效率。     

多节点流水线制造车间订单接受与调度研究

在准时化生产(Just-In-Time,JIT)模式发展背景下,订单交货延迟惩罚以及产品库存费用受到越来越多关注。针对订单交货延迟惩罚与产品库存费用之间的平衡问题,在有限产能的前提条件下,建立了以总利润最大化为目标的订单接受与调度一体化决策模型。模型使用改进型双层编码遗传算法进行求解分析。最后经实例验证,通过与其他几种启发式订单选择规则进行对比,以及对改进前与改进后的算法对比,分别验证了模型与算法的有效性与可行性。     

供应链环境下产能优化配置问题的混合粒子群算法

针对供应链环境的协作特征,研究以下游企业需求为导向的产能优化配置,建立了以最大化企业盈利、设备利用率以及下游企业需求饱和度为目标的问题模型,并设计了基于精英集的多目标粒子群算法。算法结合模型的约束特征,采用约束满足技术生成初始解,基于惩罚函数的思想设计适应度函数,并对不可行解提出了修复规则;针对多目标优化特征,在求解过程中通过建立精英集来保存非劣解,并基于Pareto最优的概念更新精英集,利用基于k-means聚类的精英集裁剪策略,来保证精英集规模和粒子的分布性。实验结果表明了模型和算法的可行性和有效性。     

有限资源约束下的刀具调度方法研究

数字化车间的刀具库存量有限,在生产中经常会发生多道工序同时采用同一种刀具的情况。为了解决刀具使用冲突的问题,提出了有限资源约束下的刀具调度模型,建立包括最大完工时间和拖期惩罚费用最小化的目标函数,设计了基于刀具时间冲突的调度算法对其进行求解,得到了最优的生产作业排程以及满足该排程的刀具需求计划,并通过具体生产排程实例验证了算法的有效性。     

多目标产品配置优化研究

针对多目标产品配置优化问题,考虑实例关系和个性化等约束,构建了以性能、成本和交货期为目标的产品配置模型。设计了一种改进的非支配排序遗传算法(Non-Dominated Sorting Genetic AlgorithmⅡ,NSGA-Ⅱ)进行配置模型求解,并根据顾客偏好推荐配置方案。该算法采用动态罚函数处理约束问题,采用自适应交叉和变异概率提高算法收敛速度,对变异操作结果进行模拟退火操作,避免了算法陷入局部最优解,并针对多目标问题改进了Metropolis准则。通过算法验证与实例应用,证明本模型有效可行,改进NSGA-Ⅱ算法在配置问题求解上优于NSGA-Ⅱ算法。     

板坯热轧计划编制的优化模型与算法

针对热轧计划编制问题,考虑不兼容钢种因素,给出了主体材的热轧规程,并在优化目标中引入最小化出炉温度跳跃惩罚,建立了多目标数学模型。结合模型特征设计了单亲遗传算法,并对算法的基本参数和目标函数的惩罚值进行了深入探讨,以增强算法的适用性和求解效率;提出了热轧计划数和不可行热轧计划解的处理策略,以提高算法的求解性能。以钢种、规格和轧制工艺优化的订单和库存数据为初始数据,考虑有/无不兼容钢种两种情况进行仿真实验,实验结果表明,所提模型和算法能够有效解决不兼容钢种热轧计划问题,编制的热轧计划具有准确性。     

分布式环境下基于混合蛙跳算法的物化视图选择问题

为提高分布式环境下数据仓库的查询效率,降低维护成本,提出基于混合蛙跳算法(SFLA)求解分布式物化视图选择问题。分析了基本蛙跳规则不适用于分布式物化视图选择问题的原因,提出在局部搜索过程中,使用遗传算法重组算子替换基本蛙跳规则。扩展了遗传算法变异算子,以提高约束条件下的搜索能力,同时保持蛙群的多样性。提出启发式修复策略来处理进化过程中产生的不可行解。实验结果表明,在不同约束组合下,改进的SFLA在求解质量上优于基本SFLA和改进遗传算法;在约束较为严格时,从求解质量和稳定性的角度来看,启发式修复策略均明显优于惩罚策略和随机排名策略。     

最小化板坯盈余问题的约束满足求解算法

针对热轧薄板生产中板坯设计环节的最小化板坯盈余问题,建立了问题的约束满足优化模型;通过0-1背包问题的多项式归结,证明了问题的NP难复杂性。针对问题的特殊性质,给出了变量选择策略和值选择策略,在此基础上,提出了基于约束满足的求解算法;通过数据实验进一步验证了算法的可行性和有效性。     

圆柱齿轮传动多目标优化的差分进化算法

针对单级斜齿圆柱齿轮传动机构优化设计问题,建立以体积最小化和重合度最大化为目标的约束多目标优化模型。为提高Pareto前沿的分布均匀性和分布广度,将网格Pareto占优技术与约束多目标差分进化算法结合,设计网格占优约束多目标差分进化算法(ε-CMODE)。根据工程实践需要,将离散约束多目标优化模型映射为约束非负整数规划问题,再改进ε-CMODE算法以求解该模型。最后,给出优化设计实例。结果表明,ε-CMODE算法能有效求解齿轮机构多目标优化问题,得到均匀分布的Pareto前沿,可为设计人员提供多组备选解。     

单曲柄双摇杆扑翼机构多目标优化设计

对单曲柄双摇杆仿生扑翼机构进行多目标优化设计,可为机构实际应用提供多组备选解。在单曲柄双摇杆机构运动分析的基础上,建立其约束多目标优化模型。其中,以最小化左右扑翼角之差的最大值和最大化扑翼角幅值为目标,以满足Grashof准则、力传递性能和仿生学规律等为约束条件。采用一种改进多目标进化算法——扇形采样约束多目标差分进化算法求解该多目标优化问题,得到多组满足约束条件的Pareto最优解。最后,对Pareto最优解和被支配解进行比较分析,结果表明,前者的目标函数值优于后者。     

考虑多阶段多流向的冷轧生产计划模型及算法

针对冷轧生产流程多阶段库存和批次多流向的特点,在满足工艺约束的基础上建立了以合同超期和提前的总惩罚费用最小、中间库存量超出和不足的总惩罚费用最小并确保成品库成本最低为目标的多阶段多流向冷轧生产计划模型,采用改进的遗传算法进行求解。算法通过参数的合理设定,解决了交叉、变异概率在一定区间内取固定值、断点处函数值跳跃大和出现不合理值的问题,使两种概率可根据适应值进行自适应调整。以国内某冷轧企业为案例对模型和算法进行了验证,实验结果表明该冷轧生产计划模型能够保证合同交货期和降低库存成本。