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。     

多工艺路线的作业车间模糊调度优化

对具有模糊加工时间和模糊交货期的多工艺路线的作业车间调度问题进行了研究；以最大化平均满意度为调度目标，建立了作业车间模糊调度的数学模型，提出了一种基于遗传算法的全局优化的调度算法；设计了包含工序及其加工机床信息的染色体编码，对染色体的解码方法、交叉方法和变异方法进行了研究。仿真结果表明，该算法是可行的，与其他同类研究相比，有一定的优越性。     

并行机作业车间等量分批多目标优化调度

为降低并行机作业车间等量分批多目标优化调度问题的复杂度,提高优化效率,提出了一种基于仿真技术和改进非支配排序遗传算法的分步优化方法.建立了一类以完工时间最短和总制造成本最低为优化目标的并行机作业车间等量分批多目标优化调度模型;将各产品进行等量分批,以Witness为仿真平台建立并行机作业车间等量分批生产仿真模型,通过组合仿真优化得到产品理想的等量分批方案,从而将原问题转化为并行机作业车间多目标优化调度问题;设计了一种改进的非支配排序遗传算法,对并行机作业车间多目标优化调度进行求解.通过算例分析验证了该方法的有效性.     

柔性工艺路线蚁群优化单元作业调度

在柔性工艺路线的作业调度问题中,根据设备的约束以及加工过程中的费用、加工时间等因素,建立初始有向图,采用新颖的基于动态信息素更新策略的蚁群优化算法,迅速收敛并得到最优解,从而提高调度系统的可行性,增强系统稳定性和健壮性。该方法以减少外协,均衡生产,确保设备连续生产为目标,有效地支持了分布式制造单元的管理过程,增强了单元系统信息分布处理和规模可扩展能力。最后给出了算例,并对计算结果进行了分析和讨论。     

柔性作业车间能耗优化研究

为了实现机械加工车间的节能优化运行,建立了考虑运输时间的节能柔性作业车间调度模型。使用基于动素的机床能耗模型预测生产过程中的机床能耗,并利用遗传算法实现了模型的求解。柔性作业车间环境下,该模型能够从能耗出发,为各加工任务选择合适的加工机床,同时生成优化的生产调度方案。最后,案例研究验证了建立的模型的节能效果和有效性。     

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。     

多目标柔性作业车间调度优化研究

提出了一种集成权重系数变化法和小生境技术的混合遗传算法,建立了包括时间、成本、交货期满意度和设备利用率在内的多目标优化模型。采用基于工序的编码方式和“间隙挤压法”活动化解码方法;遗传算子包括选择、交叉、变异3种类型;选择操作采用轮盘赌选择方式。为了保证解的收敛性和多样性,采用了精英保留策略和小生境技术。交叉操作采用线性次序交叉方式;变异操作采用互换操作变异方法。染色体的适应度是各个目标函数的随机加权和。仿真实验证明,提出的混合遗传算法可以有效解决柔性作业车间多目标调度优化问题。     

PCBA柔性作业车间等量分批调度问题研究

为解决企业在不同生产类型下柔性作业车间分批调度的实际问题,对带有重入生产特性的印刷电路板组装(PCbA)调度进行研究。首先,构建以完工时间最小为目标的PCbA等量分批柔性作业车间调度优化模型。其次,提出并设计了一种遗传模拟退火算法来对分批调度模型进行求解,将整个求解过程分为订单批量分批、子批排程这两个阶段,并引入了Metropolis接受准则,以保证算法迭代初期种群的多样性。最后,以某企业PCbA车间的实例展开,运用MATLAb编程求解,验证了遗传模拟退火算法和等量分批的可行性和有效性,同时确定了各个批量生产类型的最优分批数。     

基于三阶段改进蚁群算法的多工艺路线柔性作业车间调度

为了解决多工艺路线柔性作业车间调度问题,以最大完工时间最小化为目标,建立蚁群算法调度模型,提出一种递阶结构的三阶段蚁群算法。分别为三阶段设计了蚁群状态转移规则,第一阶完成工艺路线选择,第二阶段完成对机器的选择,第三阶完成对工序的排序。为了提高搜索效率,设计了改进的信息素更新策略。为了提高解的质量,针对每阶段解序列特点设计了邻域搜索策略。通过实例仿真,与文献中的算法进行对比验证本文算法的可行性和优越性。     

运用混合优化算法的作业车间分批调度

针对作业车间调度问题,根据等分批原则,考虑车间在只加工一种零件时的最优分批方法作为分批依据,建立分批调度的数学模型,之后把分好的子批看成一个新的工件,对其重新进行编号并计算新的加工时间,利用遗传算法良好的全局搜索性能和禁忌搜索算法优良的局部搜索性能,运用混合优化算法进行生产调度。最后通过试验仿真,研究4×4和6×6的调度问题,对不同的加工任务下调度的结果进行对比分析。结果表明,加工工件的种类、工序对调度结果的影响较大,加工数量对调度结果影响较小。     

考虑工件分批的柔性作业车间调度及求解算法

针对柔性作业车间分批调度问题,建立了考虑工件分批的柔性作业车间调度模型,并提出混合遗传算法用于模型求解。首先,采用改进试探法确定划分的具体批次、柔性批量划分方法确定各个批次的实际批量;其次,采用双层编码机制对工序排序及机器选择同时进行优化,利用GLR机器选择法生成初始解;最后,混合遗传算法利用GA鲁棒性强与ABC算法对初始解依赖性不高、适应性强的特点在解空间内充分搜索较优解,并结合SA出色的局部搜索能力快速收敛到全局最优解。分析表明,改进试探法批次划分与柔性批量划分方法可明显缩短生产周期,同时也证明了所提算法的有效性和可行性。     

柔性车间的多工艺路线与布局联合优化

为解决柔性车间布局过程中常忽略工艺与布局相互影响的问题,并提高柔性车间布局的鲁棒性,提出多工艺路线和车间布局联合优化模型。该模型以总体物流成本最低为优化目标,同时考虑车间布局与多工艺路线规划以提高整体的优化效果,其中根据产量决定各产品加工工序序列在总体规划中的影响程度,并将出入库物流与换模物流纳入总体物流成本中,以进一步提高优化结果的准确性。提出多决策变量优化算法对该模型进行优化求解。为保证算法的搜索效率和种群多样性,在提出种群分散度和种群休整策略的基础上,采用遗传算法和粒子群算法思维分别对路径规划与布局方案两个决策变量的解进行同时搜索,以确保总体优化效果最佳。通过实例将联合优化与工艺和布局分开优化的结果进行对比,验证了该联合优化方法的有效性。     

基于多层级优化模型的绿色车间分批调度方法

在柔性作业车间中,将绿色调度与分批调度结合,不仅是绿色性与经济性的指标集成,更是生产计划与调度的过程集成,具有相当的复杂性。而这种集成最有利于保障柔性作业车间的经济和环境效益的协调优化效果。为此,综合考虑柔性作业车间多层级组织结构和任务配置特点,提出了一种基于多层级优化模型的柔性作业车间绿色分批调度方法。并基于不同调度层次目标的差异及相互作用关系,开发了一种两级节能增效策略。利用模型约束构造不同层次调度模型的相关性,保证调度过程的一致性。设计了三种邻域搜索策略,利用NSGA-Ⅱ和邻域搜索的混合算法构造Pareto解集,最后通过TOPSIS寻出最优解。最后,通过实例验证了该方法的优越性,相较于经典NSGA-Ⅱ的期望成本、机床最大负荷、待机能耗和Makespan减少了9.3%、15.2%、20.9%和12.8%。     

考虑准备时间和工件分批的柔性作业车间调度

针对柔性作业车间调度受生产准备时间和工件批量影响的问题,构建了考虑准备时间和工件分批的柔性作业车间调度模型.根据工件批量加工中等量分批方法柔性不足的特点,采用柔性分批方法对工件进行批量划分.提出一种改进的遗传算法,以最小化最大完工时间为优化目标,采用双层编码的方式对模型求解,确定各工件的分批方案和子批工序调度排序方案.通过分析柔性调度案例,验证了该算法的有效性,能够更好地满足实际车间生产要求.     

基于改进候鸟算法的柔性作业车间分批调度问题

为了将可变批次的调度策略应用于生产,以提高大规模柔性作业车间的生产效率和设备利用率,针对柔性作业车间可变子批问题的特点,建立了以最小化完成时间和最小化批次数目为优化目标的多目标柔性作业车间调度模型和析取图模型,提出一种改进的候鸟算法求解该问题.算法设计了精英分批和可行邻域结构两种策略用于提高算法的搜索效率.通过对比实验验证了可变批次划分策略的优势和所提算法的有效性.     

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。     

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。     

柔性作业车间调度多策略果蝇优化算法研究

针对柔性作业车间调度问题,提出了融合多种策略的果蝇优化算法,以最小化最大完工时间为目标,生成合适的调度方案。在该算法中,采用反向学习策略进行种群初始化,改善初始解的质量。其次引入变邻域搜索算法作为果蝇的嗅觉搜索策略,提升局部搜索能力;在此基础上,提出能够增加种群多样性的位置重构策略,根据嗅觉搜索后种群的平均适应度值将果蝇动态地划分为先进子种群和普通子种群,普通子种群以先进子种群为目标进行位置重构,先进子种群相互为目标进行位置重构,避免搜索陷入局部最优。最后,设计正交实验探究变邻域搜索参数对算法性能的影响,并确定相关参数合适值;通过计算多个标准测试集基准算例,得到每个测试集的最优解及平均解,并与现有算法的计算结果进行对比,验证了改进策略的有效性及所提算法的优越性。     

作业车间多工艺路线批量作业计划优化

提出一种基于遗传算法的作业计划算法,用于解决作业车间的中小批量多工艺加工作业计划的优化问题。在作业计划算法中,提出了一种将工件的子批数量和加工工序包容在一起的染色体编码方法,使得子批数量的确定和子批加工顺序的安排能够被同时优化。以生产周期为目标优化作业计划,将遗传算法和分派规则相结合,通过交叉、变异等遗传操作,得到目标的最优或次优解。最后对算法进行了仿真研究,并给出了算法运行结果,仿真结果表明该算法是可行的。