基于Memetic算法的车间动态调度策略研究

针对车间动态调度问题的求解,提出了一种基于Memetic算法的车间动态调度策略。该策略结合滚动窗口机制,并采用基于周期和事件的混合驱动策略,运用Memetic算法对每个滚动窗口工件集进行重调度。该算法采用顺序交叉算子和基于邻域搜索的新型变异算子,在交叉和变异后均采用改进的模拟退火策略进行局部搜索。通过对改进后的基准实例进行实验,验证了该策略的有效性。     

基于Memetic算法的有限缓冲区流水车间调度问题

针对有限缓冲区流水线调度问题,提出一种基于变邻域搜索策略的Memetic算法。在基本遗传算法中,采用NEH算法和改进IG算法产生部分初始种群,使用部分交叉算子和插入变异算子,在交叉和变异之后设计一种改进变邻域搜索方法来进行局部搜索。在该改进变邻域搜索中,将模拟退火算法作为变邻域搜索中的局部搜索方法,大大增强了算法的寻优能力,使得Memetic算法在集中搜索和分散搜索之间达到更合理的平衡。运用提出算法求解经典基准算例,并与当前先进算法比较,验证了所提算法的有效性。     

一种基于改进NSGA-Ⅱ的多目标绿色柔性作业车间调度方法

针对多目标绿色柔性作业车间调度问题,建立了以最小化最大完工时间、总负荷和总能耗为优化目标的多目标优化模型,提出了一种带有自适应交叉变异算子和学习机制的改进NSGA-Ⅱ多目标优化算法。该算法通过机器和工序的两级编码机制,使用基于全局、局部和随机选择的非支配排序选择策略得到初始种群;采用具有自适应算子的混合交叉变异策略进行迭代,提高算法的全局搜索能力;引入分布函数来改进精英保留策略提高种群的多样性;通过学习机制进行邻域搜索提高算法的局部搜索能力。最后,采用基准测试算例Brandimarte以及Kacem数据集对算法进行测试,结果表明采用改进的NSGA-Ⅱ算法求解多目标绿色柔性作业车间调度问题具有求解精度高、收敛速度快以及解集多样性好的优点。     

基于改进遗传算法的柔性作业车间调度研究

针对柔性作业车间的多目标调度问题,文章建立以最大完工时间、能耗为目标的数学模型,提出一种多目标的改进遗传算法的求解方法。首先,在交叉算子中使用均匀交叉法,采用了基于邻域的变异算子。其次,针对交叉变异算子进行了非均匀改进,旨在增加算法搜索能力。通过动态调整非均匀交叉和非均匀变异的概率,提高搜索空间覆盖率,避免陷入局部最优解。最后,采用基准算例Kacem测试集进行测试。实验证明,该改进算法有效地解决了同时考虑最大完工时间和能耗的多目标调度问题,取得了显著的改善效果。     

基于滚动窗口技术和遗传算法的柔性作业车间动态调度研究

在柔性车间的动态调度过程中,存在生产效率和设备利用率低的问题,为此,提出了一种基于滚动窗口技术和遗传算法的柔性车间动态调度新方法。首先,采用最大完工时间最小作为评价指标,根据滚动窗口技术的特点,对滚动窗口中参数的修正、重调度时刻的解码以及窗口中工件的数量和调度周期进行了分析,为后续研究提供了理论指导;然后,采用分段编码的方式对机器选择部分和工序排序部分进行了编码,并设计了相应的交叉操作、选择操作方法;最后,采用工件和机床数据对柔性车间动态调度新方法进行了实验验证。研究结果表明:采用基于滚动窗口技术与遗传算法的新方法求得的最短完工时间值为17,在保证了遗传算法具有全局搜索性能的基础上,既能满足用户多品种、中小批量生产的要求,又能有效降低生产成本;在有效处理动态事件的前提下,该方法既能提高作业车间的生产效率,又能保证设备具有较高的利用率,满足柔性作业车间的动态调度要求。     

基于改进花授粉算法的共融AGV作业车间调度

针对传统智能算法求解自动导引小车与机器集成的车间调度问题效率低且易早熟的缺点,提出一种基于改进花授粉算法的车间调度算法。其中,基于主成分分析法提出新的变异算子以增强算法对解空间的感知能力和跳出局部极值的能力;引入交叉算子以提高花授粉算法的全局搜索能力;基于染色体相似度矩阵提出一种自适应个体初始化生成策略以提高初始种群的多样性。面向该集成调度问题需求,建立了机器与自动导引小车集成的调度数学模型,然后采用新的解码算法和新解接受机制对模型进行求解。最后通过搭建集成调度实验平台验证了所提改进算法的有效性。     

动态环境下的柔性作业车间调度问题研究

针对动态环境下的柔性作业车间调度问题,提出了一种基于改进离散粒子算法的动态调度方法。动态调度方法采用在动态车间调度中应用最为广泛的滚动窗口与改进离散粒子算法相结合的再调度策略,最后通过对两类突发动态事件的仿真测试,验证了本文所提方法能够解决各类突发动态事件,及时有效地对初始方案进行调整,并与原方案有效衔接。     

基于GASA优化算法的不确定条件下Job-Shop调度问题研究

针对不确定因素和动态干扰事件下Job-Shop调度问题,基于模糊数理论和动态调度策略,综合考虑完工时间、机器加工成本和机器负荷,建立了作业车间多目标不确定性调度模型;为了求解该调度模型,结合遗传算法和模拟退火算法的特点,设计了遗传模拟退火混合算法,并针对作业车间的复杂性要求,对算法的编码解码、交叉变异算子以及保优策略等方面进行了改进;通过仿真,得到了初始调度方案,然后在此基础上,采用动态调度策略对紧急插单、机器故障、工件取消和交货期变更等不确定干扰事件进行了研究.通过对某电动产品生产公司车间进行的实证研究结果表明,根据上述研究得到的较好的调度方案,可以有效地提高机器利用率和客户满意度.该模型和算法能够较好地应用到企业实际生产中.     

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。     

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。     

考虑工时不确定的混合流水车间滚动调度方法

针对加工时间不确定的混合流水车间动态调度问题,提出一种基于滚动窗口的改进蚁群算法。为实现对事件驱动机制下重调度发生频率的有效缓冲,设计基于交货期偏差容忍度的滚动调度策略。同时为提高调度算法的计算效率,以应对现实生产中工时偏差的频繁发生,在滚动时域分解方法框架下提出一种改进的蚁群算法。一方面,通过压缩蚂蚁可选路径限制其移动范围,在缩短蚂蚁搜索周期的同时寻求新的解;另一方面,通过适当刺激蚂蚁尝试具有较弱信息素路径,提高所得解的全局性。通过实例仿真,分别对滚动调度策略和动态调度算法性能进行分析验证,得出较优的滚动调度策略参数,并验证了算法的优越性。最后给出实际生产算例,验证了滚动调度方法的有效性。     

基于混合差分进化算法的作业车间动态调度

针对动态多变环境下的作业车间调度问题,在基于周期和事件驱动的滚动窗口再调度策略基础上,采用冻结时段思想,同时又允许再调度在冻结时段内的资源上的闲置时段安排任务,并由此建立了机器存在不可用时段约束的动态调度模型。借鉴量子进化算法中量子旋转门更新量子位的方法,设计了三段式交叉操作,并在算法框架中嵌入了局部搜索操作,提出了混合差分进化算法作为再调度的优化方法。通过算法性能与作业车间动态调度实验,验证了所提动态调度方法的有效性。     

变邻域改进遗传算法求解混合流水车间调度问题

针对混合流水车间调度问题的NP难特性,提出一种改进的混合变邻域搜索的遗传算法。建立了数学模型,提出了算法的总体流程,设计了基于操作的编码和解码方法,并采用NEH启发式算法产生初始种群。随机采用基于位置的交叉和线性次序交叉,选用反转逆序的变异算子,交叉变异后合并子代与父代,保留较优个体,对当前最优个体执行变邻域搜索,以增强遗传算法的局部搜索能力。通过初始对比实验,证明了NEH启发式算法能够产生质量更好的初始解,随机采取两种交叉算子能够提高算法的搜索效率,标准算例实验结果表明所提算法能够有效求解混合流水车间调度问题。     

农机转向器制造车间的动态调度算法研究

针对目前农机转向器生产车间对突发事件调度不及时的问题,对车间调度相关问题进行了研究,提出了一种基于改进免疫克隆算法的车间调度模型。首先,结合农业转向器生产实际,以最大完工时间、设备能耗和设备负荷为调度目标构建了目标函数;然后,采用多策略种群初始化和自适应变异算子,对免疫克隆算法进行了改进;最后,在分析车间调度加工时间数据和车间调度加工能耗数据的基础上,以调度模型的适应度和甘特图为指标,对所建模型调度效果进行了验证。研究结果表明:相比传统免疫克隆算法,改进免疫克隆算法寻优速度更快、寻优精度更高,可以实现对农机转向器制造车间的快速动态调度。     

改进差分进化算法求解不确定流程车间调度问题

考虑实际流程工业生产中投入产出比、设备转化率等不确定性因素,基于模糊理论建立了以最大化面积满意度为目标函数的不确定流程工业车间调度模型.为提高调度算法的优化性能,提出多变异、双向交叉的改进差分进化算法,增加了种群个体在搜索空间的遍历性及择优选择的范围.以某电化厂聚氯乙烯车间调度为例,将改进算法应用于实际车间调度,分析了时间段长度、不同变异策略以及中间存储的初始容量对调度结果的影响.仿真结果表明了改进算法的有效性和稳定性.     

柔性作业车间调度的演化策略优化

采用演化策略算法求解柔性作业车间调度问题,提出一种三维个体编码方法用于映射加工路径和工序排序。采用一种基于两点交叉互换的重组算子,并采用对个体中的基因值进行随机更新的变异算子。最后通过算例对演化策略算法进行验证,实验结果说明演化策略算法是有效的和可行的。     

一种改进的免疫算法在车间调度中的研究

针对免疫算法收敛较慢,种群更新优劣差距较大等缺点,提出了一种改进的免疫算法,并用该算法解决了FlowShop车间调度问题,结果表明算法具有较好的搜索与寻优能力,很好地克服了一般人工免疫算法搜索速度较慢、容易陷入局部最优解的缺点。该算法采用自适应的交叉算子、变异算子以及种群分割的方法,在搜索速度和全局最优解搜寻能力上与传统的零等待免疫算法相比有明显的优势。     

一种改进的免疫算法在车间调度中的研究

针对免疫算法收敛较慢,种群更新优劣差距较大等缺点,提出了一种改进的免疫算法,并用该算法解决了FlowShop车间调度问题,结果表明算法具有较好的搜索与寻优能力,很好地克服了一般人工免疫算法搜索速度较慢、容易陷入局部最优解的缺点。该算法采用自适应的交叉算子、变异算子以及种群分割的方法,在搜索速度和全局最优解搜寻能力上与传统的零等待免疫算法相比有明显的优势。     

基于可行域遗传算法的装配作业调度

为了对装配环境下的车间作业进行调度,提出了一种基于可行域搜索的遗传算法。为保证算法在进化过程中染色体始终保持合法性和可行性,在种群的初始化、交叉和变异等阶段,分别设计实现了首代修复算子、可行域交叉算子和可行域变异算子。可行域交叉算子和可行域变异算子的设计组合实现了算法的可行域搜索,减小了搜索空间,省去了复杂的解码修复操作,提高了求解效率,为解决复杂的装配车间调度问题提供了有价值的参考。通过与简单规则、禁忌搜索、普通遗传算法实验结果的比较,验证了所提算法的合理性和优越性。     

增强型混合离散差分进化算法求解阻塞流水车间调度问题

针对以最小化制造期为优化目标的阻塞流水车间调度问题,提出一种基于动态自适应的增强型混合离散差分进化算法。增强型混合离散差分进化算法采用基于工件排列的形式进行编码,首次利用带机器权重的PF规则与NEH启发规则联合构造初始种群,PF-NEH联合规则提升了初始解的质量和多样性;在差分进化的变异阶段,采用一种全新的分类变异策略,更有针对性地控制不同适应度个体的变异需求和方向;在交叉阶段,采用基于位置的交叉策略,保证得到一组合法完整的实验调度序列,并利用贪婪选择的方式确定目标个体;在局部搜索阶段,加入禁忌搜索算子,并融入一种新颖的兼顾集中性与多样性的自适应局部搜索机制,以动态平衡算法的全局粗搜索和局部细搜索。此外,为避免算法的早熟及后期易陷入局部最优,增加了多样性保持机制。最后,在典型算例上进行各种性能实验,验证了所提出的增强型混合离散差分进化算法的有效性和优越性。