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%。     

引入免疫算子的遗传算法对作业车间调度结果的影响

解决车间生产调度问题能缩短生产周期,提高生产效率,降低制造成本。通过对作业车间调度问题的分析,提出一种求解作业车间调度问题的免疫遗传算法。该算法通过引入免疫算子,进行抽取疫苗和接种疫苗等免疫机制,充分利用待求解问题的特征信息来指导个体的进化,有效改善基本遗传算法的未成熟收敛和局部搜索能力差的不足,显著提高了基本遗传算法对全局最优解的搜索能力和收敛速度。利用Delphi实现该算法并实例仿真,结果表明免疫遗传算法能有效解决作业车间调度问题。     

项目拆分和多项目调度集成决策模型与算法

针对实际飞机移动装配过程中多架飞机共享装配线资源的情况,同时考虑到线边资源调度的周期性要求,通过把单架飞机的装配作业集合拆分为多个同时调度的作业子集,将飞机移动装配过程抽象为一类项目可拆分的多项目调度问题,建立项目拆分和多项目调度集成决策的数学优化模型,并设计了两阶段的循环迭代算法。第一阶段为基于禁忌搜索的子项目划分算法,在多项目间分配作业;第二阶段采用基于时间—资源利用规则的改进并行调度算法,求解拆分后的多项目调度问题。通过数值实验验证了该模型和算法的有效性。     

一种求解Job-shop调度问题的遗传局部搜索算法

利用遗传局部搜索算法求解了作业车间调度问题,遗传算法中的染色体编码采用基于工序的编码,并用插入式贪婪解码机制将染色体解码至主动调度。为了克服传统遗传算法易于早熟收敛的缺点,设计了一种改进的优先操作交叉IPOX操作和子代产生模式的遗传算法。对于遗传算法每个染色体个体,使用基于N6邻域结构的局部搜索进一步使它们得到改善。利用所提出的混合遗传算法求解基准问题,验证了算法的有效性。     

一种求解Flow-Shop调度问题的混合量子进化算法

针对Flow—Shop调度问题,在量子进化算法的基础上,提出了一种求解置换流水车间调度问题的混合量子进化算法（HQEA）,融合了量子进化算法和经典遗传算法的优点,并提出了一种新的针对置换流水车间调度问题的解码方法和一种新的量子门更新旋转角策略,最后针对一系列典型置换流水车间调度问题进行了对比仿真。研究结果表明,所提出的混合量子进化算法HQEA具有良好的全局搜索能力和较快的收敛速度。     

任务可拆分的多模式多项目调度模型与算法

针对多项目调度资源利用率低的问题,提出任务可拆分的多模式多项目调度模型。采用多属性效用函数对工期—成本—质量—资源均衡进行目标优化,以提高资源利用率、缩短工期,实现多项目调度整体效用的最大化。利用正态云模型云滴的随机性和稳定性的特征,设计云遗传算法并生成多项目调度各个活动的优先级,最终生成活动可拆分的多模式多项目调度计划。通过算例验证了所提模型和算法的有效性。     

求解作业车间调度问题的一种改进遗传算法

为克服传统遗传算法解决车间作业调度问题的局限性,综合遗传算法和局部搜索的优点,提出一种改进的遗传算法。为基于工序的编码提出了一种新的POX交叉算子。同时,为克服传统遗传算法在求解车间作业调度问题时的早熟收敛,设计了一种子代交替模式的交叉方式,并运用局部搜索改善交叉和变异后得到的调度解,将提出的改进遗传算法应用于MuthandThompson基准问题的实验运行,显示了该算法的有效性。     

考虑作业返工的资源受限项目调度问题

为了解决实际项目调度中由时常出现的作业返工现象而导致的计划中断问题,在资源受限项目调度问题的基础上引入作业返工这一不确定因素,以最小化项目工期与作业开始时间变动性的加权和为目标,建立了考虑作业返工的资源受限项目调度问题的数学模型。针对该模型,设计了面向3种不同情况的修复算法。为了从全局角度优化存在扰动的项目,在进行局部修复的同时提出一种前瞻性反应式调度算法,该算法以修复算法生成结果作为初始解,采用禁忌搜索算法进行进一步优化。通过数值实验,采用CPLEX和现有算法与所提算法进行对比,证明了算法的有效性。     

基于压缩时窗的双资源约束作业车间调度策略

针对双资源约束作业车间调度问题的多重约束特点,提出分支种群遗传算法进行求解,在利用时窗比较策略进行预调度的基础上,通过分析预调度方案成本指标优化不佳、时窗空隙较多等问题,提出基于压缩时窗的再调度策略,针对双调度目标分别论证压缩时窗调度条件,通过工序的调度次序调整有效优化双调度目标。通过策略对比与算法性能比较实验证明,压缩时窗调度策略能有效增强算法的局部搜索能力,获得更加逼近Pareto前沿的调度结果。     

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.     

一种基于混合遗传算法的车间生产调度的研究

车间生产调度问题(Job-shop scheduling problem,JSSP)属于NP完全问题,现在多使用现代优化算法来解决此类问题.本文将模拟退火算法、禁忌搜索算法的思想融入到遗传算法中,提出了模拟退火-交叉机制和禁忌搜索-变异机制,形成了一种适用于解决车间调度方面问题的新的混合遗传算法.三种算法取长补短,使得遗传算法局部搜索能力差和易早熟的缺点得以改善.同时运用这种混合遗传算法对经典车间调度问题进行了仿真.     

扰动机制下的遗传算法求解柔性作业车间调度

针对柔性作业车间调度问题,提出一种扰动机制下的遗传算法,该算法以最大完工时间最小为优化目标。为了克服传统遗传算法早熟的缺点,引入差异度阈值策略对传统遗传算法的结构进行动态调整,同时设计了灾变机制和大变异策略相结合的扰动机制,增强了算法的搜索性能。最后,通过基准案例进行测试并与其他算法的结果进行对比,验证了扰动机制下的遗传算法对于解决柔性作业车间调度问题的有效性和优越性。     

基于遗传-粒子群混合算法的柔性作业车间多资源调度问题

在传统柔性作业车间调度问题(FJSP)中加入运输和装配环节,提出一种柔性作业车间多资源调度问题(MRFJSP),以完工时间最短为目标建立了包含加工、运输和装配的柔性作业车间调度模型。为了提高传统遗传算法(GA)在车间调度问题中的寻优能力,将粒子群算法(PSO)的寻优过程进行改进并与遗传算法进行结合,提出一种带保优策略的遗传-粒子群混合算法,利用单层编码对模型进行求解。通过算例验证了模型的可行性,并将提出的混合算法与遗传算法和粒子群算法进行比较,证明了混合算法的优越性。     

基于改进非支配排序遗传算法的多目标柔性作业车间调度

采用多目标进化算法解决具有工件释放时间、工件目标差异的柔性作业车间调度问题。依据实际制造系统中存在较多的最大完工时间、平均流经时间、总拖期时间、机器总负荷、瓶颈机器负荷和生产成本性能指标,建立多目标柔性作业车间调度模型。针对柔性作业车间调度问题的特点,设计一种扩展的基于工序的编码及其主动调度的解码机制,以及初始解产生机制和有效的交叉、变异操作;针对非支配排序遗传算法(Non-dominated sorting genetic algorithm II,NSGA-II)在非支配解排序和精英选择策略方面的不足,设计一种改进的非支配排序遗传算法,应用改进的算法求解柔性作业车间调度问题得到一组Pareto解集,并运用层次分析法选出最优妥协解。通过测试基准和模拟实际生产的实例,验证提出算法的可行性和有效性。     

多工艺路线多资源多目标的作业调度优化

针对多工艺路线多加工资源多目标的作业调度问题,提出了一种启发式活动调度算法,将该方法与多目标遗传算法及模糊优选技术相结合,得到了一种新调度算法.基于工序的染色体编码方法和基于活动启发式算法的交叉算子的运用,有效地缩小了遗传算法的搜索空间.将随机产生的权系数与模糊优选技术相结合,有助于遗传算法搜索到多个优良的调度方案,这为决策者得到最满意的调度方案提供了保证.仿真结果表明该算法是可行的,与国外学者的同类研究相比,具有一定的优越性.     

面向云制造服务的制造资源多目标动态优化调度

针对云制造环境下制造资源调度的特点和存在的问题,建立了云制造环境下制造服务资源多目标调度模型。根据云制造环境下极易发生扰动的特点,提出了一种动态调度技术,以在发生突发事件时及时作出反应。提出了一种基于遗传蚁群算法的制造资源调度算法,该算法利用遗传算法搜索能力强、收敛速度快的优势弥补蚁群算法易陷入局部最优、收敛速度慢的不足,使整个调度过程能快速、准确地收敛于最优解。最后用实例证明了该算法的有效性。     

基于剩余率求解非标准作业车间调度问题逆序算法

为了克服现有效率算法、遗传算法和逆序算法等求解非标准作业车间调度问题时存在的不足 ,提出了一种新的逆序算法。将非标准作业车间调度问题进行数学描述 ,给出目标函数 ,针对非标准作业车间调度问题的复杂性 ,构造了一种基于剩余率函数的逆序调度算法 ,以确定出最佳的开工日期。与其他算法相比 ,该算法的复杂性更小 ,调度结果更优     

基于混合遗传算法求解分布式流水车间逆调度问题

分布式调度是智能制造的新模式,急需新的调度方法来应对动态多变的市场需求。针对分布式置换流水车间问题,采用逆调度方法优化,通过最小调整加工参数,使得尽可能保证原排序的情况下调度最优。以最小化调整加工时间为目标,建立流水车间逆调度数学模型,针对逆调度问题特征,在遗传算法的框架下提出一种混合遗传优化算法。首先,基于逆调度参数可调的特征,提出基于工序的小数机制双层编码方案,能够实现参数的调整,保证可能解;提出改进启发式方法和基于规则的方法相结合的混合初始化方法;其次,采用适合问题特征的交叉、变异操作执行搜索;为协调全局搜索与局部搜索能力,设计局部搜索策略和学习机制的双种群协同搜索策略。为验证算法性能,基于问题实例采用三种算法进行比较,并且进行统计分析,其结果表明所提算法能更有效求解分布式流水线逆调度问题。     

基于元胞机和改进GA的大型零件柔性作业车间调度算法

针对大型零件柔性作业车间调度问题,采用改进遗传算法优化元胞机局部演化规则,提出了元胞机和改进遗传算法相结合的混合调度算法。依据总加工时间最短、各工位负荷率高、同一工位组各工位负荷平衡率高的优化目标,建立了离散化后单个静态调度单元的遗传算法优化模型,并结合算例具体说明了优化过程。通过文献实例演算验证了混合算法求解大型零件柔性作业车间调度问题的可行性和有效性。     

基于改进免疫遗传算法的混合车间调度研究

建立了以最大总完成时间最小为目标的混合车间调度模型。该模型包括作业车间和并行流水装配车间两部分调度问题。为降低问题求解难度,采用分解的策略对调度问题分阶段求解,并引入多Agent协商机制和模拟退火算法与免疫遗传算法相结合,提出了基于分解策略的免疫遗传算法,并通过在某汽车减振器企业的实施验证了模型和算法的有效性。