具有柔性加工路径的作业车间批量调度优化研究

古典作业车间调度问题已经被研究了几十年并证明为 NP- hard问题。柔性作业车间调度是古典作业车间调度问题的扩展 ,它允许工序可以由一个机床集合中的多台机床完成加工 ,调度的目的是将工序分配给各机床 ,并对各机床上的工序进行排序以使完成所有工序的时间最小化。本文采用遗传算法进行柔性作业车间调度研究 ,针对柔性作业车间问题提出了一种新颖直观的基因编码方法以适用于批量调度 ,并分析了几种批量调度方案 ,最后给出了这些调度的仿真结果 ,证明单件最佳调度不适合扩展成批量最佳调度     

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。     

考虑动态资源和工件批量约束的柔性车间生产调度

针对实际车间生产调度过程中车间设备资源受上一调度周期剩余任务影响、工件批量和加工路径柔性等问题,构建考虑设备动态负荷和工件批量约束的柔性车间生产调度模型。提出双层嵌套式遗传算法:外层遗传算法确定工件批量划分和各子批零件的工艺路径,并设计一种基于设备优选法的解码算子来确定个体对应的批量划分中各子批零件的工艺路径;内层遗传算法确定外层遗传算法个体所对应的工件分批和加工路径约束下的调度方案,调度方案的完工时间和超出交货期时间将反馈到外层遗传算法中,用于综合评估当前分批和加工路径方案的性能,实现综合优化。最后在柔性调度标准案例10×10案例基础上增加批量、交货期、设备资源等约束,对所提模型和算法进行测试,结果表明所提算法在对工件进行合理分批和工艺路径确定的同时,能够优化调度结果,满足产品交货期和设备资源约束。     

考虑批量装配的柔性作业车间调度问题研究

柔性作业车间调度是生产调度领域中的一个重要组合优化问题,由于取消了工序与加工设备的唯一性对应关系,因而相较于作业车间调度问题,具有更高的复杂度。针对该问题在批量装配方面的不足,考虑将批量因素与装配环节同时集成到柔性作业车间调度问题当中。以成品件的完工时间为优化目标,对该批量装配柔性作业车间调度问题进行了数学建模。针对该模型,提出一种多层编码结构的粒子群算法,并对该算法的各个模块进行了设计。最后,以实例验证了该数学模型的正确性及算法的有效性。     

基于改进双层遗传算法的模块化批量装配生产分批调度

为了满足市场需求,多品种、变批量逐渐成为模块化批量装配生产企业的生产特点。通过分析模块化批量装配的生产流程和生产特点,以装配生产周期最短化为目标,考虑装配工艺约束,采用等量分批策略,建立模块化批量装配生产调度模型。基于模型分析,采用改进双层遗传算法对模型进行求解,解决企业因多品种、变批量而引起的产品装配生产周期长的问题。以中小型液压注塑机的装配生产为例,建立生产仿真模型,验证调度模型的正确性。     

基于改进混合遗传算法的柔性车间调度问题研究

针对柔性作业车间调度问题,提出了一种将模拟退火算法和莱维(Levy)飞行扰动策略引入传统遗传算法(Genetic Algorithm, GA)的改进混合遗传算法。基于传统遗传算法,增加了自适应交叉概率和变异概率,生成初始种群后,对优秀个体进行保护,对性能较差的个体进行模拟退火和Levy飞行操作,克服了传统遗传算法的“早熟”和易陷入局部最优解的问题。通过仿真对比实验的测试,证明了该算法的有效性和优越性。     

具有柔性加工路径的作业车间智能优化调度

用遗传算法研究了具有柔性加工路径的作业车间的智能优化调度问题 ,提出了一种将遗传算法和分派规则相结合的调度算法 ,将加工计划与生产调度同时考虑 ,避免了加工计划和生产调度相脱节的弊端。最后给出了此调度算法的仿真结果 ,证明该算法是可行的 ,并获得优异的结果     

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。     

面向模具制造的柔性制造单元调度策略

针对模具制造过程中柔性制造单元作业任务难以合理分配的问题,以最小化工件组的完工时间为优化目标,建立了调度问题数学模型,并提出了一种遗传禁忌优化算法.最后,通过实例分析说明了所提方法的可靠性和高效性.     

一种多品种变批量柔性作业车间调度方法

文中针对多品种变批量柔性生产车间交付周期长、设备利用不均衡、生产效率低的问题,提出了一种基于遗传算法的多品种变批量生产调度方法。该方法以最长完工时间和设备总负载为目标构建多品种变批量生产调度优化模型,并基于遗传算法求解该模型。同时考虑在实际生产过程中存在的动态扰动事件,设计并实现了一种基于扰动事件驱动的重调度方法。通过对某发动机的气门传动机构进行测试,验证了文中所提方法的可行性和有效性。     

考虑批量和辅助时间等生产工况的智能调度方法

根据车间调度实际要求,综合考虑批量、毛坯到达时间和辅助时间等生产工况,研究复杂生产调度问题。给出了此问题的模型及求解此问题的生物免疫算法模型,并介绍了基于生物免疫机理的智能调度方法实现过程中的关键技术,包括抗体编码设计、工件起始加工时间的计算准则和优化方法、交叉和变异操作等。对考虑辅助时间、批量等多工况问题的测试结果表明,所提出的综合考虑批量和辅助时间等生产工况的智能调度方法是有效的, 且在调度过程中考虑批量是必要的。     

考虑批量的多目标柔性作业车间鲁棒调度

针对多品种小批量的柔性作业车间调度问题,构建了多目标柔性作业车间鲁棒调度模型,在模型中考虑了工件分批加工、批量启动时间和机器故障等因素。基于以上因素的特点,设计了有效的染色体编码方法、染色体解码策略及机器故障仿真算法。基于非支配排序遗传算法(Non-dominated Ranked Genetic Algorithm,NRGA)的基本框架,设计了多目标优化算法,并采用有效的交叉和变异算子避免产生非法解。通过对算例的仿真实验,验证了构建的模型和设计的求解算法能够有效提高调度的鲁棒性,有效避免实际调度性能的恶化。     

柔性设计任务协同调度算法

指出柔性多任务协同调度是一个NP难题,并分析了协同任务调度在协同设计系统中的重要性,提出一种基于遗传算法和模拟退火算法的混合算法,利用该算法实现设计任务的选择。设计二维结构的矩阵编码,并基于这种编码方式,提出行算子与列算子,融入约束条件,采用列交叉算子与列变异算子;为了加快群体的收敛性,采用精英保留策略;此外引入灾变算子,以保证群体的多样性;在个体生成过程中,考虑能力等相关因素对设计效果的影响,在解码过程中实现任务的时间调度与优化,并设计解码算法。通过实例仿真分析,所提出的混合遗传算法收敛速度快,寻优能力强。     

批量流水线调度问题的混合离散蛙跳算法

研究了以提前/拖后惩罚指标为目标的批量流水线调度问题,给出了该问题的数学模型以及小批量的调整策略.根据蛙跳算法的原理,采用基于工序的编码方式并利用两点交叉操作设计了新的位置生成公式,提出了解决该问题的离散蛙跳算法.为进一步增强算法的开发能力和效率,结合扰动策略、模拟退火概率接受准则和插入邻域搜索对该算法进行改进.对随机生成的实例进行了广泛的试验,结果表明了所提算法的高效性.     

遗传算法在柔性CAPP与生产调度集成中的应用

提出了在并行工程思想下柔性CAPP与生产调度集成的框架，研究了遗传算法在柔性CAPP与生产调度集成中的应用方法。使用结构化编码方式对染色体进行编码，并应用规划－资源算子进行遗传操作，通过使用重迭调度缩短了系统的流通时间。最后，算例验证了应用遗传算法的集成方法能够提高系统的全局优化和生产效率。     

成批生产计划调度的集成建模与优化

针对多品种批量生产类型,建立了调度约束的生产计划与调度集成优化模型。模型的目标函数是使总调整费用、库存费用及生产费用之和最小,约束函数包括库存平衡约束和生产能力约束,同时考虑了调度约束,即工序顺序约束和工件在单机上的加工能力约束,保证了计划可行性。该模型为两层混合整数规划模型,对其求解综合运用了遗传算法和启发式规则,提出了混合启发式求解算法。最后,针对某机床厂多品种批量生产类型车间进行了实例应用,对车间零件月份作业计划进行分解,得到各工段单元零件周作业计划,确定了零件各周生产批量与投产顺序。     

基于遗传算法的批量 Flow-shop调度问题研究

结合实际情况,对批量Flow—shop调度问题进行了研究,给出批量Flow—shop调度问题的建模,根据不同的移动方式。给出工件在各机床上的起始加工时间的确定方法,并提出一种融入启发式规则的遗传算法进行问题的最后求解。最后的实例证明了提出的算法求解批量Flow—shop调度问题的有效性。     

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。