低能耗柔性作业车间调度研究

针对柔性作业车间低能耗调度问题,对机床运行模式下能源消耗特点和完工时间进行了研究。建立了以能源消耗和完工时间为目标函数的多目标优化模型;结合该模型特点,采用目标加权法,得到了能源消耗和完工时间两个变量加权求和的最小值;针对遗传算法单一染色体在解决较复杂问题时,无法准确表达问题解的缺点,设计了多层编码策略,对柔性作业车间制造过程中工件加工顺序和机床选择进行了优化,实现了面向能耗优化的多目标柔性作业车间调度;在Matlab环境中对生产实例进行了仿真。实验结果表明:在加入低能耗要求的车间调度中,基于改进遗传算法的调度策略是可行和有效的,决策者可根据偏好在一系列可行解中进行选择,以提高解的合理性、科学性。     

多目标柔性作业车间调度算法研究综述

首先,介绍了多目标柔性作业车间调度问题的数学模型和有关定义;其次,总结了相关优化算法理论,汇总了MOFJSP优化算法的研究成果, 重点综述了求解多目标优化问题性能优良的计算智能方法和智能搜索算法;最后,指出MOFJSP优化算法若干有待进一步研究的方向和内容,并为下一步研究提出了建议。     

批量生产柔性作业车间优化调度研究

在批量生产柔性作业车间调度问题中,不但要考虑路径选取和加工排序两个子问题,而且工件还可被分割为多个子批量,不同子批可选择不同工艺路线。该问题是对传统柔性作业车间调度问题(FJSP)的扩充,它更接近于实际生产调度问题。针对问题的特点,提出了一种基于遗传算法的柔性分批调度算法。在算法中,提出了一种基于"游标"的柔性批量分割方法,并采用一种批量分割与加工工序相融合的染色体编码方法。该算法不但可根据机床负荷将工件分割成具有柔性批量的多个子批,而且可使子批工艺路线选取及加工排序同时得到优化。通过实例仿真,对算法性能进行分析和评价,结果表明了算法的有效性和可行性。     

多目标批量生产柔性作业车间优化调度

研究批量生产中以生产周期、最大提前/最大拖后时间、生产成本以及设备利用率指标(机床总负荷和机床最大负荷)为调度目标的柔性作业车间优化调度问题。提出批量生产优化调度策略,建立多目标优化调度模型,结合多种群粒子群搜索与遗传算法的优点提出具有倾向性粒子群搜索的多种群混合算法,以提高搜索效率和搜索质量。仿真结果表明,该模型及算法较目前国内外现有方法更为有效和合理。最后,从现实生产实际出发给出多目标批量生产柔性调度算例,结果可行,可对生产实践起到一定的指导作用。     

一种求解柔性多目标JIT作业车间调度优化问题的方法

针对JIT作业车间多种工艺路线的工件调度问题,考虑了生产过程受多因素的影响。在混合遗传算法与拉格朗日松弛法结合的基础上,提出一种混合改进算法,采用分层多目标分层协调策略,建立了柔性多目标优化的适应函数模型,利用遗传算法更新拉格朗日乘子得到问题的最优解,仿真实例验证了该模型与求解方法是现实可行的。     

多目标柔性作业车间分批优化调度

为解决多目标柔性作业车间分批调度问题,提出了一种基于粒子群算法的多目标柔性分批调度算法。提出了一种基于游标的柔性批量分割方法,并采用一种批量分割与加工工序相融合的粒子编码方法,使得该算法不但可根据机床负荷将工件分割成具有柔性批量的多个子批,而且可使子批工艺路线选取及加工排序同时得到优化。算法引入了决策者的偏好信息,用于引导算法的搜索方向,使搜索结果集中于决策者感兴趣的Pareto边沿,避免了决策者在众多非劣解中做出困难选择。通过实例仿真,对算法性能进行了比较分析和评价,结果表明了算法的有效性和可行性。最后,从生产实际出发给出了算例,证明了算法的有效性和对生产实践的指导作用。     

基于遗传算法的柔性车间多目标优化调度

针对工件投料时间和机器起用时间不为零的柔性车间多目标优化调度问题,提出了一种改进遗传算法.染色体编码采用机器分配链和工序顺序链的双链结构;用均匀设计法、最短加工时间机器指配法、随机生成法三种方式产生初始种群;由锦标赛方法、最优保存策略和新生策略混合进行选择操作;以传统交叉方式、面向瓶颈机器的交叉方式,以及面向瓶颈工件的...     

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。     

基于遗传算法的模糊目标柔性作业车间调度问题

针对实际作业车间调度问题目标的多样性及其不确定性,提出了一种新的柔性作业车间调度问题模型和处理方法,并在遗传算法中加以实现。计算结果表明,该问题模型能较完整地反映生产实际中调度目标的要求。     

基于多目标优化的改进遗传算法求解柔性车间调度问题

文章主要研究多目标的柔性车间调度问题。在实际生产过程中,调度结果受完工时间、机器负荷、成本控制和资源消耗等多方面因素影响,因此提出了一种基于多目标优化的改进遗传算法,针对最小化最大完成时间、最小化机器负荷和最小化资源消耗3个目标函数进行优化,结合改进的Pareto多目标优化方法,以及最短加工时间变异和邻域变异方法,提高了算法的寻优能力。最后通过实验验证了算法适用于求解多目标的柔性车间调度问题。     

基于滚动时域优化策略的柔性作业车间动态调度研究

根据传统柔性作业车间静态调度模型很难适应实际生产过程中动态性和不确定性的特点,通过对动态环境下柔性作业车间调度问题的研究,构建以生产系统最大完工时间最小为优化目标的数学模型。基于滚动时域优化基本框架,设计一种生产设备出现故障情况下周期和事件混合驱动的动态调度策略。同时,采用一种扩展的基于工序和设备双层染色体编码的遗传算法来对动态调度模型进行求解。最后,通过对某一具体生产车间实例进行仿真求解,验证该动态调度策略的可行性和有效性。     

多目标模糊作业车间调度问题研究

研究了具有模糊加工时间和模糊交货期的多目标作业车间调度问题,首先给出了基于模糊优先规则的编码新方式,染色体的每一位表示在GT算法迭代过程中,对应机器上发生的某次冲突,根据该基因位对应的优先规则消除。然后设计了基于个体密集距离的多目标进化算法,该算法利用密集距离进行外部档案维护和适应度赋值。最后将多目标进化算法应用于模糊作业车间调度问题,以最大化最小一致指标和最小化模糊最大完成时间,并和其他算法比较。计算结果验证了多目标进化算法在模糊调度方面良好的搜索性能。     

改进细菌觅食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的NP难特性,提出一种改进的细菌觅食优化算法。采用集成法策略同时求解柔性作业车间调度问题的机器分配和工序调度子问题。将细菌个体表示为工序串,建立问题和算法的映射关系;分别针对普通细菌个体和当前最优个体设计了多重趋化操作,以增强算法的局部搜索能力;复制操作设置繁殖阈和死亡阈,以提高对历史经验的继承程度;迁移/驱散操作中,结合改进的LPT启发式规则,提出带倾向性的迁移/驱散操作方式。采用正交试验对算法的重要参数进行了优化配置,通过搜索算子优化效果对比实验证明了正交试验的结论;进行了收敛性能对比实验,证明算法具有优秀的全局开发能力和局部探索能力;典型算例实验结果表明,该算法能够有效求解柔性作业车间调度问题。     

单件小批量生产作业计划的倒排产算法研究

提出一种用于单件小批量生产中编制作业计划的算法模型———倒排产算法 ,并建立一套包含此模型的作业计划及调度监控集成系统。在科龙等企业的生产部门进行实施 ,获得良好效果     

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。     

考虑运输时间柔性作业车间调度问题的快速寻优方法

为了快速获得考虑运输时间的柔性生产调度问题的近优解,进行了快速寻优方法研究。采用运输时间矩阵对析取图模型进行改进,建立了设备选择的多阶段决策方法。建立了考虑运输时间的关键链优化方法,通过邻域搜索快速获得近优解。开发了调度实验系统对上述工作进行验证。实验结果表明,该方法可较稳定地获得近优调度解,并具有较好的计算效率。     

Pareto archive particle swarm optimization for multi-objective fuzzy job shop scheduling problems

This paper addresses multi-objective job shop scheduling problems with fuzzy processing time and due-date in such a way to provide the decision-maker with a group of Pareto optimal solutions. A new priority rule-based representation method is proposed and the problems are converted into continuous optimization ones to handle the problems by using particle swarm optimization. The conversion is implemented by constructing the corresponding relationship between real vector and the chromosome obtained with the new representation method. Pareto archive particle swarm optimization is proposed, in which the global best position selection is combined with the crowding measure-based archive maintenance, and the inclusion of mutation into the proposed algorithm is considered. The proposed algorithm is applied to eight benchmark problems for the following objectives: the minimum agreement index, the maximum fuzzy completion time and the mean fuzzy completion time. Computational results demonstrate that the proposal algorithm has a promising advantage in fuzzy job shop scheduling.     

模糊分布式柔性作业车间调度优化

针对考虑工件加工时间不确定性的模糊分布式柔性作业车间调度问题(fuzzy Distributed Flexible Job Shop Scheduling Problem, fDFJSP),将加工时间用三角模糊数表示,以最小化最大模糊完工时间为优化目标,提出一种改进的人工蜂群算法进行求解。针对fDFJSP的分布式特点,设计了基于车间-工序-机器的三层编码方式,针对不同编码层,采用多种混合搜索策略,以提升算法的邻域和全局搜索能力。为测试算法的性能,设计了2组实验对5个算例进行测试,并与代表性算法进行对比。结果表明,所提算法结果总体优于其他对比算法,能够有效求解具有模糊加工时间的模糊分布式柔性作业车间调度问题。     

车间多目标优化调度问题的研究方法和应用

系统地总结近年来车间多目标调度问题中常用的研究方法,介绍算法的基本思想和实际的使用情况,总结车间调度问题研究中的不足和局限性.     

随机工时下柔性加工车间的鲁棒优化调度方法

为了提高柔性加工车间调度方案的可行性、保障生产过程的稳定性,提出一种鲁棒优化调度方法。引入两个不确定参数来描述随机工时的波动程度和约束条件的允许违背程度,提出随机变量服从概率分布时一般线性规划问题的鲁棒优化方法。采用该方法将含随机工时而难以求解的随机型柔性加工车间调度模型转化为确定型鲁棒对等模型。基于该模型,将随机工时融入适应度函数中,结合遗传进化的全局优化和邻域搜索的空间拓展能力研制出鲁棒调度算法,同步实现工件排序和机器分配的双重决策。案例测试表明,所提方法可以在较短计算时间内、以较小性能损失、将近95%的置信度获得当前最优解。