基于交替迭代遗传算法的成批车间生产计划与调度的集成优化

研究了一类零部件混批生产车间需要加工准备的多周期成批生产计划与调度的集成优化问题,建立了生产计划和调度集成优化的非线性混合整数规划模型.并提出了一种交替式混合遗传协调优化算法求解该集成优化问题.其主要思想是给定计划用一混合遗传算法求调度,反过来给定已求调度用另一混合遗传算法求取新计划,如此不断交替使用两个混合遗传算法实现计划与调度的同时优化.仿真结果证明了该方法的可行性和有效性.     

基于前摄—反应的泊位岸桥鲁棒性集成调度

针对不确定因素下集装箱码头岸边侧泊位岸桥资源的协同调度问题,提出前摄调度计划和与之匹配的反应策略相结合的决策框架,并在前摄调度计划中引入了时间缓冲,以吸收船舶到港时间不确定带来的影响。以质量鲁棒性和解鲁棒性为目标函数,建立了不确定环境下连续型泊位岸桥集成调度的数学模型,并构建了具有双层决策结构的优化算法对模型进行求解。其中,上层采用非支配排序遗传算法框架搜索关键决策变量编码,下层运用带缓冲的前摄启发式算法对上层解码,并结合Monto Caro抽样及所设计的两种反应策略进行仿真评估。通过数值实验验证了所提方法框架与算法的有效性。     

一类两阶段生产系统生产计划与调度的集成优化

针对传统生产计划与调度制定中存在的不足,研究了一类两阶段生产系统的生产计划与调度集成优化问题。建立了能够反映生产计划与调度相互关联特点的离散双层规划模型,提出一种基于混合优化方法的分支定界解法以及有效缩减搜索空间的方法,并构造了有效下界。针对分支定界法的松弛问题,给出采用模拟退火算法与预估校正法交替迭代求解的混合优化方法。通过实验仿真,验证了模型与算法的有效性。     

不确定环境下再制造加工车间生产调度优化方法

针对再制造加工车间工况兼具随机性与模糊性,采用模糊随机变量表示废旧件加工时间,以描述再制造加工车间工况的双重不确定性;在不确定理论的基础上,建立基于模糊随机机会约束的再制造加工车间生产调度问题模型,并提出求解该问题混合智能优化算法:基于Arena仿真平台应用模糊随机模拟技术产生输入和输出数据,利用粒子群优化算法训练径向基函数神经网络以逼近不确定函数,将训练好的神经网络嵌入至遗传算法中优化再制造加工车间生产调度问题;通过仿真实例验证该混合智能优化算法解决加工时间为模糊随机变量的不确定环境下再制造加工车间生产调度问题的有效性和合理性。     

JIT柔性混合流水车间生产调度问题研究

针对混合柔性流水车间多种工艺路线的生产调度问题,分析了生产工艺计划与车问调度系统的集成原理,建立目标模型,通过将简单遗传算法加以改进,在建立集成模型的基础上,对算法进行研究,把进化后的遗传算法（SGA）和改进的模拟退火算法（SA）有机结合,使算法优化机制融合和优化结构互补,形成较为高效的混合优化算法,并对问题进行求解。最后给出了一个具体算例,验证算法的有效性和先进性。     

基于并行协同的多车间协同调度问题研究

传统企业在实际生产中,其多个关联车间之间的生产计划与调度存在难以协作的问题。为此,针对多车间协同调度问题建立了调度模型,提出了一种多车间协同调度的并行协同进化遗传算法(PCE-GA),并且采用该算法对上述模型进行了求解。首先,以最小化订单完工时间为目标,建立了单目标调度模型;然后,采用了并行协同进化遗传算法,对上述单目标调度模型进行了求解,基于工件、机器、装配关系的三层整数编码的染色体编码方案,提出了一种协同适应度值计算的方法;最后,以某液压缸生产企业为例,针对单目标调度问题,采用该算法与单车间遗传算法(JSP-GA)、并行协同模拟退火算法(PCE-SA)分别进行了求解,并对其结果进行了比较,以验证PCE-GA算法的优越性。研究结果表明：采用PCE-GA算法得到的优化率为13.3%,比单车间作业调度遗传算法求解的数据优化11.5%,该结果证明了PCE-GA算法在解决多车间协同优化问题时的优越性。     

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。     

考虑时间窗和装载约束的装配线集成物流调度

针对电动工具装配车间物料配送的集成调度问题,考虑配送时间和配送效率,将集成调度方案划分为两个层次,以空间利用率最大化为目标构建基于标准化料箱的物料装载模型,并将物料装载约束与装配车间配送路径规划问题有机融合,结合装配流水线的动态需求时间窗信息,构建考虑时间窗和最优装载约束的车辆路径最优配置模型,保证配送及时性和成本优化双重目标要求,给出了基于遗传算法的模型求解方法,并通过不同规模问题的算例验证了模型和算法的有效性。以南京D公司电动工具装配车间实际背景为例,提出了物流调度方案,进一步表明该模型和算法能够有效提高车辆装载率并降低车间物料配送成本,具有实际应用价值。     

FPD-GA求解多目标柔性作业车间调度问题

针对柔性制造车间调度问题的特点,提出一种求解该类问题的定点扰动-遗传算法(Fixed Point DisturbanceGenetic Algorithm,FPD-GA)。根据车间生产实际构建以完工时间、机床负荷和设备使用率为目标函数的多目标优化模型。针对遗传算法局部搜索能力差、易早熟收敛的缺点,设计定点扰动策略,增强局部寻优能力,并改进传统的遗传选择操作,保持种群的多样性,提高遗传算法的进化效率。以车间生产计划为实例测试改进算法,并与典型遗传算法的测试结果相比较,验证新算法的可行性与有效性。     

基于改进免疫遗传算法的混合车间调度研究

建立了以最大总完成时间最小为目标的混合车间调度模型。该模型包括作业车间和并行流水装配车间两部分调度问题。为降低问题求解难度,采用分解的策略对调度问题分阶段求解,并引入多Agent协商机制和模拟退火算法与免疫遗传算法相结合,提出了基于分解策略的免疫遗传算法,并通过在某汽车减振器企业的实施验证了模型和算法的有效性。     

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。     

不确定信息条件下的车间调度策略研究

为了在不确定的车间信息环境下做出正确的调度策略，提出了一种支持多目标和多优先级车间调度策略的随机规划模型，并给出了求解算法。该模型的求解通过包含3个步骤的混合智能算法来实现，首先利用随机仿真生成近似的样本数据，然后利用神经网络进行不确定目标和约束函数的逼近，并用遗传算法最终完成对多目标优化解的搜索。最后，通过一个汽车企业模具制造车间中调度问题的实例，验证了该模型和算法的有效性及实用性。     

基于机床加工匹配特性的混合流水车间绿色生产调度

针对混合流水车间绿色生产过程中的设备选择和调度目标匹配问题,提出基于机床加工特性的多目标调度模型和改进遗传算法。该算法建立了混合流水车间调度的时间、能耗与成本优化模型,采用模糊隶属方法描述了机床加工特性,在遗传算法求解过程中通过机床加工特性隶属度与调度目标的权重系数匹配关系,建立了自适应的交叉、变异和优势保留策略,在每一代迭代中提高在调度目标方向上的选择压力,加速收敛。通过实例分析对比了不同算法的优化结果,从而验证了模型及算法的有效性,并提出了高效、节能、经济和综合4种调度生产模式,为混合流水车间绿色生产提供了指导。     

面向不确定性的车间布局调度集成建模与优化

针对制造系统的不确定性和车间布局调度协同优化难题,研究了不确定环境下车间布局调度集成优化问题,旨在耦合车间布局调度中的不确定因素,实现制造系统的高效有序运作。选取工件需求、工序加工时间和设备故障作为影响布局调度集成优化的不确定因素,构建以制造过程中总费用、总完工时间最小和鲁棒指标最大为优化目标的面向不确定性的车间布局调度集成优化模型。设计了一种具有改进选择算子的NSGA-Ⅲ(NSGA-Ⅲ with improved selection operator, NSGA-Ⅲ-ISO),改进选择算子增强了算法的全局搜索能力和稳定性,同时引入PBI距离并改进其极小值取值方法。通过基准函数测试结果表明,新算法具有更好的前端分布性和收敛性。将集成模型和改进的求解算法应用于车间布局调度工程实例,其结果进一步验证了模型和算法的有效性和可行性。     

任务工时不确定的模具车间前摄性调度研究

由于模具生产属于非重复性生产模式,各工序的工时具有很强的随机不确定性,这给模具车间制定合理可行的作业计划带来了一定的困难。针对这一实际问题,提出了一种考虑任务工时不确定性的前摄性车间调度算法。首先,分析了模具精加工环节的两道关键工序对制造系统稳定性的影响,并基于工序的工时不确定特性,建立了任务工时不确定的离散概率模型;然后,以调度方案的稳定度作为优化目标,构建了两阶段流水车间前摄性调度模型,针对该模型,提出了一种变宽集束搜索求解算法;最后,将该算法与定宽集束搜索算法进行对比分析,结果表明该算法能很好地兼顾求解质量和计算时间。     

基于模糊机会约束规划的再制造装配车间调度优化方法

针对再制造零部件质量的不确定性导致工位装配时间波动范围大和调度模型难以准确描述的问题,采用基于可信性测度的模糊变量表示再制造零部件的装配时间,建立基于置信水平下的模糊机会约束规划调度模型,并提出求解该模型的混合智能优化算法：应用模糊模拟技术产生样本数据;利用反向传播算法训练多层前向神经网络逼近不确定函数;将训练后的神经网络与遗传算法相结合,以优化再制造装配车间调度问题。实例验证了该模型和算法的可行性。     

层次生物地理算法求解设备维护与FJSP集成优化问题

针对MTO(Make To Order)生产模式下,设备故障带来的拖期交货和产品质量下降等问题,建立了以最小化拖期惩罚成本和最大化产品合格率为优化目标的设备维护与柔性作业车间调度问题集成优化模型。提出了一种新的层次生物地理算法进行求解,算法将解空间分为上、下两层,设计了分层迭代寻优机制,融入多种局域搜索策略,提高了收敛速度和寻优精度。与遗传算法和生物地理学优化算法对比,计算结果表明层次生物地理算法优于其他两种算法。     

批—离散机重入车间调度与设备维护联合优化

针对现实生产活动中生产计划和设备维护计划由不同部门制定,易造成方案冲突、计划变动成本高的问题,为统筹生产调度和设备预防性维护计划,研究了半导体制造中批—离散机重入车间调度与设备预防性维护联合优化。该问题中同时存在多台批处理机和离散机,其中批处理机能同时加工多个工件,离散机一次只能加工一个工件,且存在大量的重入工序。提出一种求解该问题的基于信息熵的自适应差分进化算法,该算法将个体与解空间中潜在最优解之间的距离映射为信息,通过对信息的度量调整个体变异的程度,从而有效缩小搜索空间。与其他4种算法进行比较,结果表明,该算法无论是求解质量还是收敛速度均优于其他算法。     

多级车间生产计划和调度的集成优化

针对一类多级制造系统建立了生产计划和调度的集成优化模型。该多级制造系统为三种类型车间的一个串联,主要有作业车间、并行生产车间和流水车间,且终端产品和上游车间制造的零部件之间为装配关系,因此生产关系十分复杂。在分析批量生产特点的基础上给出了一个批量动态分割合并算法,并构造了一个基于遗传进化的启发式算法对该模型进行求解。与递阶分解方法的比较试验表明所提出的集成优化方法是有效的。     

求解作业车间调度问题的广义粒子群优化算法

为克服传统粒子群优化算法在解决组合优化问题上的局限性，分析了其优化机理，并在此基础上提出了广义粒子群优化模型。按照此模型提出了一种求解作业车间调度问题的广义粒子群优化算法。在本算法中，利用遗传算法中的交叉操作作为粒子间的信息交换策略，利用遗传算法中的变异操作作为粒子的随机搜索策略，而粒子的局部搜索策略则采用禁忌搜索来实现。为了控制粒子的局部搜索以及向全局最优解的收敛，迭代过程中交叉概率以及禁忌搜索的最大步长都是动态变化的。实验结果表明，本算法可有效地求解作业车间调度问题，验证了广义粒子群优化模型的合理性。