面向异步混合流水车间排产的混合禁忌搜索遗传优化算法

相比于传统流水线,混合流水车间具有更高的灵活性,能适应多变的生产场景,但其排产方案的求解复杂度更高,是现代实际制造系统中的常见问题。针对群智能进化算法在解决该问题时计算难度大且搜索效率不高的问题,以最小化总完工时间为优化目标,提出了一种混合禁忌搜索遗传优化算法。该算法根据排产问题中所有工件具有相同生产工艺、工件数量多、各阶段并行机不同速的特点,采用了基于首阶段工件顺序的单层编码、考虑机器选择三层优先级的解码方法、多种遗传算子和禁忌搜索算子,具有更加优秀的搜索性能,在保证解质量的基础上提高了算法的收敛速度。最后,通过40个算例和实际应用案例评估算法性能,并将其与其他算法进行比较。实验结果表明,所提出的算法在求解中规模算例、大规模算例和加工车间案例时表现优秀,排产结果的完工时间平均缩短了10.71%,算法达到最优解所需的迭代次数减少了25.72%,运行时间缩短了10.79%。     

基于自适应遗传算法的流水车间作业调度

流水车间调度问题是NP完全问题。提出一种新的自适应遗传算法,采用初始种群复合化、适应度相同个体的筛选策略、改进自适应交叉变异概率等方法提高算法性能。通过仿真比较,从最优解出现的代数、最优解的相对误差以及随机若干次试验对算法的影响3个方面证明该算法的优越性。     

基于模拟退火算法的整经排产系统

对于织造企业来说,单一品种且大规模生产模式已无法匹配日益丰富的需求。在一个生产多种不同型号产品的整经车间中,需要投入大量人力频繁地更换经轴,从而增加了生产开销以及生产成本,同时也导致设备利用率的下降。目前整经车间仍采用人工排产,由于人工经验的不确定性、人工排产的主观性以及问题的复杂性,实现最优调度计划十分困难。因而,织造企业需要更有效的方法来搭建更优秀的排产计划,减少开轴数和加工时间,降低设备经轴的切换频率以提高生产效率。本文基于模拟退火算法搭建织造企业的整经生产排产系统,以期能解决多品种小批量生产模式最优化排产问题。     

蜜蜂交配优化算法在车间作业调度中的应用

为了解决车间作业调度问题,在对其进行分析描述的基础上,提出了采用蜜蜂交配优化算法的求解方法。该方法把由多个作业调度方案组成的集合作为蜂群,以最小化加工时间作为算法的优化目标,通过模拟蜂群交配繁衍培养蜂王的优化过程来获得最优作业调度方案。采用车间作业调度测试案例在Matlab平台上进行实验,实验结果表明,该方法不仅能够有效地求解车间作业调度问题,而且能够取得了比传统优化方法更好的优化结果。     

极值优化算法求解印染排产调度优化问题

目前印染的核心过程—排产,大部分仍采用人工排产,这严重降低了企业信息化、自动化的程度,降低了企业的生产效率。本文建立了印染排产调度问题的数学模型。针对这个SMSP(单阶段多产品批处理过程短期调度问题)问题,提出了用改进的极值优化算法来求解这一问题。极值优化算法是受到复杂系统自组织临界理论的启发而提出的一种优化算法,应用到一些复杂组合优化问题上体现出了良好的性能。本文将极值优化与优先适合启发式相结合,提出了用于解决印染排产调度问题的优化算法。仿真结果表明通过选择合理的值,算法性能良好。相较遗传算法,运行时间短,达优率高。     

一种应用于柔性作业车间成组调度问题的分级优化算法

提出一种求解柔性作业车间成组调度FGJSS(flexible grouped job-shop scheduling)问题的蚁群粒子群求解算法。算法采用主从递阶形式,主级为蚁群优化算法,选择零件加工设备;从级为粒子群优化算法,在主级零件加工设备约束下优化设备作业排序以实现流通时间最小的目标。算法中,以工序加工时间和设备承载的作业族数为启发式信息设计蚂蚁在工序可用设备间转移概率;以粒子向量优先权值和作业族号为依据设计解码方法实现设备上的成组作业排序。最后,通过仿真实验,验证了该算法的有效性。     

一种求解作业车间调度的文化粒子群算法*

提出了一种文化粒子群算法用于求解置换流水车间调度问题中的最小化最大完成时间。算法设置了群体空间和信念空间两类独立空间,群体空间采用自适应粒子群算法完成进化,信念空间通过更新函数来进行演化。算法中群体空间的粒子群不但通过跟踪个体极值和全局极值来更新自己,实现群体演化,而且通过不断与信念空间中的优秀个体交互,加快群体的收敛速度。该算法在不同规模的问题实例上与其他几个具有代表性的算法的比较结果表明,该算法具有较快的收敛速度,无论是在求解质量还是稳定性方面都优于比较的算法。     

面向柔性作业车间调度的多策略鲸鱼优化算法

以某大型家具企业的柔性生产制造过程中调度问题为研究对象,提出了一种主要用于求解柔性作业车间调度问题的多策略鲸鱼优化算法(multi-strategy whale optimization algorithm, MWOA),首先,为了提高初始种群的多样性,引入混沌理论来初始化种群;同时设计了非线性收敛因子和自适应惯性权重系数来平衡全局探索和局部开发能力;然后结合差分进化(differential evolution, DE)算子提高了WOA的利用和搜索能力,最后采取最优个体混沌搜索策略,减少WOA算法出现早熟收敛现象的概率.以最小化最大完工时间为求解目标,对基准测试问题与某家具企业的生产制造过程的调度优化问题进行了求解,结果表明提出来的多策略鲸鱼优化算法克服了基本鲸鱼优化算法寻优精度低、收敛速度慢及容易陷入局部最优等缺陷,与对比算法比较,取得了更好的寻优效果.     

基于自适应变异的粒子群优化算法的车间作业调度优化及其软件实现

由于现行的遗传算法在解决车间作业调度问题时有局限性,本文将一个自适应变异的粒子优化算法应用于车间作业调度．该算法在运行的过程中根据群体适应度方差以及当前最优解的大小来确定当前最佳粒子的变异概率,变异操作增强了粒子群优化算法跳出局部最优解的能力．仿真实例的结果表明：该算法在解决车间作业调度问题上是可行的．     

考虑多目标的柔性工艺与调度集成优化算法

针对工艺规划与车间调度集成优化问题,在考虑零件的加工工序柔性、工序次序柔性及加工机器柔性的基础上,以最大完工时间、总加工成本和总拖期时间为优化目标,对多目标柔性工艺与车间调度集成问题建模,提出一种基于改进人工蜂群算法的多目标柔性工艺与车间调度集成优化策略,并提出邻域变异操作以及全局交叉操作,对种群进行更新。引入Pareto方法,通过对适应度评价、贪婪准则、Pareto最优解集构造和保存以及解得多样性维护等方面进行改进,设计了一种基于Pareto方法的多目标人工蜂群算法。最后,通过采用基本人工蜂群算法及改进人工蜂群算法对六个工件、五台机床的柔性工艺与车间调度集成问题进行优化,验证了改进算法的有效性。     

改进人工蜂群算法求解模糊柔性作业车间调度问题

模糊柔性作业车间调度问题(FFJSP)是柔性作业车间调度问题(FJSP)的拓展,具有很强的现实意义.针对FFJSP,本文提出了一种基于领域搜索的改进人工蜂群算法.该算法以最小化最大模糊完工时间为目标.首先,为了提高初始种群的多样性,引入混沌理论来初始化种群.其次,为了提高算法的局部搜索能力,采用4种邻域结构对蜜源进行邻...     

蜂群算法解决集聚约束调度问题

为满足真实调度环境中常见的集聚约束问题,本文提出以蜂群优化为基础的调度算法,形成个性化调度方案。算法通过模仿蜂群的\"觅食\"和\"舞蹈\"行为实现寻优操作,通过赋予蜜蜂不同的\"信念\"实现种群的多样化,通过将集聚约束以社会规范的形式融合到蜜蜂觅食过程中满足用户对调度的个性化要求,通过蜜蜂在舞蹈过程中展示行走路径和选择参考路径实现蜂群\"经验\"共享。对若干标准算例的测试结果及与其它算法的比较验证了本文算法的有效性。     

用带蚁群搜索的多种群遗传算法求解作业车间调度问题

结合遗传算法和蚁群算法的优点,提出一种带蚁群搜索的多种群遗传算法．多个种群各自遗传进化,用蚁群搜索得到的解替代各种群中的较劣个体,增加种群的多样性,提高种群的质量;根据各种群最优个体设定初始信息素,大大缩短信息素的累积过程,加快蚁群搜索的速度．利用算法对典型作业车间调度问题进行求解,仿真计算结果表明,该算法是有效的.     

考虑批处理机的绿色模糊混合流水车间调度问题

针对考虑批处理机(batch processing machines,BPM)和部分阶段无优先关系的绿色模糊混合流水车间调度问题(energy-efficient fuzzy hybrid flow shop scheduling problem,EFHFSP),提出一种动态人工蜂群(dynamical artificial bee colony,DABC)算法以同时最小化最大模糊完成时间和模糊总能耗.给出基于种群评估的种群裁定方法以在每一代动态决定雇佣蜂种群和跟随蜂种群,并应用了动态雇佣蜂阶段、基于自适应交流的跟随蜂阶段、多样性强化策略以及自适应侦察蜂阶段.最后进行仿真实验,实验结果表明DABC在求解考虑BPM和部分阶段无优先关系的EFHFSP方面具有较强的优势.     

基于新型人工蜂群算法的分布式不相关并行机调度

针对考虑预防性维修的分布式不相关并行机调度问题,提出了一种新型人工蜂群算法(ABC)以最小化最大完成时间.为了获得高质量的计算结果,该算法将整个种群划分为1个引领蜂群和3个跟随蜂群,跟随蜂有自己的蜜源且采用新方式跟随引领蜂,4种蜂群运用彼此各异的搜索策略产生新解以增强种群多样性,提出一种新策略处理侦查蜂的搜索,并利用优...     

求解批量流水线调度问题的蜂群算法

针对批量流水线调度问题,提出了一种改进的人工蜂群算法来优化最大完成时间。该算法运用NEH方法产生初始解,采用混沌遍历的方法生成新的邻域解。为了跳出局部最优,使用最优解的插入扰动来替换一些连续若干步不能改进的解来提高算法的全局搜索能力。采用自适应的局部搜索加强算法的局部搜索能力。仿真试验表明了所得算法的可行性和高效性。     

反向人工蜂群算法求解混合流水车间调度问题

针对以最小化最大完工时间为优化目标的混合流水车间调度问题,提出一种融合反向学习策略的反向人工蜂群算法求解该问题。首先,根据混合流水车间调度问题的特点,建立了对应的数学模型和仿真优化模型;其次,在寻优过程中为了避免陷入局部最优,分别在种群初始化、雇佣蜂和观察蜂三个阶段引入了反向学习策略,采用两点间逆序策略和元素交换策略加快寻优速度,并采用精英保优策略保留最优解;最后,选取2个实例和21个不同规模的benchmark算例进行仿真实验,通过与相关算法的实验结果进行对比分析,验证了所提算法能有效求解此类问题。     

求解分布式两阶段混合流水车间调度的反馈人工蜂群算法

针对考虑工厂适用性和附加资源的分布式两阶段混合流水车间调度问题(DTHFSP), 本文提出了一种反馈人工蜂群算法(FABC), 以最小化最大完成时间和总延迟时间, 该算法利用一种新型反馈机制动态调整搜索策略集.为此, 本文共设计了5 种特点各异的搜索策略, 将其用于初始策略集和备选策略集, 同时, 建立并调整雇佣蜂群和跟随蜂群的共享策略集, 雇佣蜂阶段和跟随蜂阶段在种群划分的基础上采用随机选择和自适应选择方式确定搜索策略, 在侦查蜂阶段完成后, 对搜索策略集进行动态调整. 文章进行了大量的计算实验, 计算结果表明, FABC策略合理有效, 且它对所求解的DTHFSP具有较强的搜索优势.