基于遗传算法改进的动态车间调度

由于经典的车间调度方法大都将生产系统中各种加工参数看作确定性的精确值,且将生产系统当作一个静态的系统,忽略了实际加工过程中的各种突发状况.因此从动态生产环境下生产运作和管理的实际需求出发,考虑到生产过程中的加工参数非确定性精确值、动态扰动等因素的影响,基于改进遗传算法开展了动态生产环境下的作业车间调度问题的研究工作.将模糊化参数引入调度模型,通过改进来避免一般遗传算法收敛过快的问题,从而寻求到动态车间调度的最优解.     

基于自适应遗传算法的混合流水车间调度研究

混合流水车间调度问题具有建模复杂性、动态多约束、计算复杂性、多目标性等特点,近些年,各种演进化算法被运用到生产调度中,特别是遗传算法的应用。本文提出了自适应遗传算法求解混合Flow-shop调度问题的方法,应用Matlab对算法进行编码,并利用实际的生产数据进行了仿真。通过仿真实验,仿真调度数据验证了自适应遗传算法用于求解大型流水车间调度的可行性和有效性。     

基于多代理和蜂群算法的车间调度系统研究

针对实际生产中的车间调度问题,提出了一种基于MAS(multi-agent-system)的车间生产调度系统.结合MAS的自主性、智能性等特性,综合运用蜂群算法、遗传算法实现对车间调度的优化.分析了调度的优化目标,实现了车间的智能化以及车间调度的自动化.     

基于多代理系统的车间动态调度模型设计

调度方法是提高车间生产效率的关键.针对实际车间调度问题,提出一种基于多代理系统((Multi-Agent-System,MAS)的生产调度模型,综合运用了遗传算法,蜂群算法,合同网机制,实现了MAS灵活性与上述算法对调度优化的结合.分析了干扰车间调度的因素以及调度优化的目标,实现车间的智能化以及车间调度的自动化.     

基于遗传算法的多生产线排产优化调度在离散制造过程中的应用

在对实际生产部门工艺流程和排产方式进行分析的基础上,建立有关模型,提出基于遗传算法的优化计算方法,并将其应用于生产调度系统中,对生产线上排产调度进行优化,取得令人满意的效果．该方法对解决实际优化调度问题以及现场人员的实际生产调度工作,都具有一定指导意义．     

基于遗传算法的大型Flow—shop生产调度

Flow—shop调度问题具有建模复杂性、计算复杂性、动态多约束、多目标性等特点。近几年,各种演化计算方法逐渐被引入到生产调度中,特别是遗传算法的应用。为此,应用Matlab开发生产调度程序,并利用实际生产数据进行了仿真;通过相关仿真实验,验证了不同交叉算子和变异算子组合获得的最优解存在差异,获得并验证了一种较好的交叉算子和变异算子组合,其仿真调度数据验证了遗传算法用于求解大型流水车间调度的可行性和有效性。     

基于时间驱动的FMS工件流智能调度方法及其应用

针对柔性制造系统生产中的产品批次多、每批次数量较少的一类生产特征,分析了贯穿于FMS生产过程各个环节的时间因素特性以及遗传算法在FMS调度过程的适用性及方法,通过分析论述FMS生产过程时间优化的研究成果,提出了一种基于时间驱动FMS工件流进程并借助遗传算法进行工件流调度方案优化的方法,以双工位工作台、连续工况以及随机的初始状态等为条件,验证了这种方法在FMS工件流调度中的应用效果。     

基于遗传算法的针织染色生产调度方法

为解决针织染色过程中人工进行染色排缸效率低、合理性差的问题,提出一种新型调度方法。通过对染色生产过程的分析,建立了相应的生产调度模型,并采用启发式算法和遗传算法相结合的方法对模型进行求解。应用该方法可以在实现自动排缸的前提下,满足生产的实际需要,并优化生产调度,对提高染色生产的自动化有一定实际意义。     

基于遗传算法的双目标混合流水车间调度问题研究

研究双目标混合流水车间的调度问题。提出一种新的算法,以遗传算法为基础,结合小生境技术来解决双目标混合流水车间调度问题。由于在实际的生产加工过程中,单一的目标已经不能满足企业的需要,因此有时需要考虑两个目标。本文充分考虑双目标条件下的流水车间调度问题,在以生产周期为优化目标的同时,生产费用也作为企业生产的优化目标。运用遗传算法来选择不同级别的染色体,对同级别的染色体则通过小生境技术选择,从而保证解的多样性和准确性。以合理的数学模型为基础,确定编码和解码方案,明确遗传算子,最后结合实例通过仿真得出最优方案。结果表明:采用小生境遗传算法可以有效的解决双目标混合流水车间调度问题。     

基于遗传算法的柔性车间批量调度研究

针对一类柔性车间批量生产问题,提出了新的调度策略:区分工件的批量准备时间和加工时间;小批次调度策略.在此基础上,采用遗传算法作全局优化算法来实现最优调度,给出了批次调度策略下的遗传算法的编码、解码方案,以及一种特殊的交叉操作设计.仿真算例分析表明,一方面,所设计的遗传算法对解决柔性调度问题具有理想的效果,另一方面,在采用相同优化算法的前提下,分批次调度策略可以缩短工件的生产周期.     

遗传算法在结构有限元模型修正中的应用

针对传统优化矩阵方法和优化元素方法的目标函数存在误导性的问题,采用改进的最优化元素型模型修正法,该方法定义了合理的目标函数,不需要质量归一化的模态振型.为了快速、准确地求得全局最优解,使用一种浮点数编码的遗传算法来解决模型修正问题中的优化问题.通过对一个7个自由度的质量-弹簧系统和一个复杂平面桁架结构模型修正的数值计算,验证基于遗传算法的改进的最优化元素型法的有效性.     

多阶段连续型柔性制药车间调度

针对包含易变质药品的柔性均衡制药车间调度问题,提出一种基于列生成框架的算法.通过设计面向虚拟作业对的排序策略,表征制药过程中的无等待现象,利用动态规划方法求解由原调度问题衍生出的价格问题,并设计改进的分支定界算法求得最终的调度方案.由不同规模的数值实验可知,对于规模较小的多阶段连续型柔性制药车间调度问题,提出的算法可求得最优解;对于传统优化软件难以求解的较大规模问题,该算法仍可在较短时间内得到高质量的药品生产调度方案,从而验证了该调度算法的有效性,并可为实际连续型柔性制药车间提供辅助排程决策.     

解动态Job-shop调度问题的遗传算法

研究了动态Job-shop调度问题,并设计了一种改进的遗传算法。该算法借鉴启发式算法,使用向量进行遗传编码;遗传计算中引入种群间竞争,实现种群向更高层的平衡态进化,进而全局优化调度方案;利用调度评价函数及负荷表,对动态的生产调度进行了有效地评价。仿真实验表明了此法用于复合调度问题的优越性。     

改进遗传算法与粒子群优化算法及其对比分析

进化算法作为一类新的优化搜索方法，广泛应用于各种优化问题．现对简单遗传算法进行了改进，采用实值编码，并与模拟退火算法及基于适值排序和随机选择的方法相结合，形成了改进遗传算法．同时还介绍了一种新的进化算法一粒子群优化算法．将这两种优化算法应用于函数优化，并对优化结果进行了对比分析．比较结果表明，改进遗传算法和粒子群优化算法都可以在函数优化方面表现出较好的健壮性，但在找寻最优解的效率上，粒子群优化算法较好．     

解决车间作业调度问题的嫁接遗传算法

针对现有遗传算法在解决大规模车间作业调度问题时存在收敛速度过慢与早熟的局限,基于植物学的嫁接思想,提出了一种改进的混合遗传算法——嫁接遗传算法. 算法通过引入嫁接种群和交叉概率矩阵,在明显加快收敛速度的同时,还增强了避免早熟的能力. 最后通过经典的调度例子测试表明了算法的有效性和高效性.     

基于改进的模拟退火遗传算法的公交线网优化

文章将遗传算法与改进的模拟退火算法相结合组成混合改进的模拟退火一遗传算法。研究了以居民乘车出行时间最短和公交部门投入最少为目标建立的公交线网优化的模型,并利用改进的模拟退火一遗传算法对该模型进行求解。通过温州滨海新区的规划实例研究验证方法的实用性。     

磨矿过程的稳态优化

针对磨矿过程的工艺特点,结合选矿厂对磨矿产品产量、质量的生产要求,提出磨矿过程多目标优化问题．为求解此多目标优化问题,研究一种快速的多目标遗传算法NSGA-Ⅱ（Nondominated Sorting Genetic Algorithm Ⅱ）．针对NSGA-Ⅱ算法中个体进行交叉前选择方法的不足之处加以改进,引入过滤、限制机制．仿真结果表明：引入过滤、限制机制可以限制“近亲”交叉,保持种群的均匀分布和多样性,加快种群在进化搜索过程中找到优秀个体的速度．将改进后的算法用于磨矿过程稳态优化,求得适合实际生产的多组系统操作参数,并用TOPSIS方法选出最优的一组操作参数．     

基于ISSA的多变量ORVFL网络自适应预测控制

针对多输入多输出（Multiple?Input Multiple?Output, MIMO）的非线性系统,提出了一种基于改进的麻雀搜索算法（Improved Sparrow Search Algorithm, ISSA）的在线序列随机权值网络( Online Random Vector Functional?Link Net, ORVFL)自适应预测控制算法(ISSA?MPC)。该算法采用ORVFL网络逼近非线性系统模型,并用于系统过程的多步预测。为了提高麻雀搜索算法的性能,使用该算法对系统性能指标进行了在线优化,求解了每一个采样周期的最优控制律。结果表明,该算法控制性能良好并具有较好的抗模型失配能力。     

基于工作流的多型号产品生产计划与调度系统

为了实现多型号产品生产计划与调度过程的并行与信息有效集成,针对型号产品研制生产的特殊要求,提出了一种基于工作流的多型号产品生产计划与调度模型.建立了生产计划与调度过程模型、计划模型和组织模型,提出了一种基于协同理念的运行控制模型,详细描述了协同控制运行机制和相应的调度策略.利用Delphi6开发了多型号产品生产计划与调度管理系统.应用表明,该系统能够有效地提高生产计划与调度过程的监控能力,缩短型号研制生产周期.     

电力线多载波系统中自适应资源分配

针对电力线通信系统中应用传统粒子群算法进行比特功率分配存在陷入局部最优值和收敛速度慢的问题,提出了IPSO（improvedparticleswarmoptimization）算法．新算法通过引入遗传算法的交叉和变异操作,克服了传统粒子群算法由早熟收敛而陷入局部最优解的问题,加快了收敛速度．建立了IPSO算法的理论模型,给出了新算法在PLC—OFDM系统中进行比特功率分配的方法．仿真结果表明,在PLC—OFDM系统中应用IPSO算法进行比特功率分配与GA算法和传统粒子群算法相比．可以加快收敛速度．改善系统的信噪比特性．降低系统发射功率．