基于仿真的生产调度优化技术研究

现有的调度方法无法同时达到既能建立精确的调度模型又能获得满意的调度结果.为此,提出了基于仿真的优化调度方法.该方法包括试验设计模块、遗传算法模块和仿真模型.首先由试验设计模块设计遗传算法的参数值的组合方案,然后由遗传算法采用每组参数值与仿真模型进行反复迭代,筛选出一组最佳的调度规则序列,以及与其对应的生产系统性能指标值.将该性能指标值反馈到试验设计模块,并选择下一组方案重新进行上述过程.当所有方案试验完毕后,对试验结果进行分析,确定最佳的遗传算法参数值组合方案,以及与该方案对应的调度结果.最后,以某研究所机加车间为例,验证了该方法的可行性和有效性.     

基于遗传算法和多智能体的染缸生产排产与动态优化设计

为解决小批量、多品种浸染生产不合理调度导致高能耗和多污染排放的问题,提出了一种基于遗传算法和多智能体染缸调度与动态优化的方法.该方法基于染缸车间制造执行系统、企业资源计划和过程控制系统实时数据,采用分层调度算法.其中静态层采用支持多产品的批处理、多染缸的非等同性、前期订单、订单交货期和切换成本等约束条件的遗传算法;动态层采用支持染缸运行状态的多智能体的协调动态优化算法.通过对生产过程中多约束条件和多动态变化因素的算法求解,获得染缸作业任务动态优化设计.仿真结果表明,与单纯遗传算法和人工调度相比,基于数据驱动的分层动态优化调度达到了染缸作业排产优化和污染减排的目标和实际应用的可行性.     

有限资源下时间不确定性项目的调度研究

研究了以工期最短为目标、具有不确定活动时间且资源有限的项目调度问题.采用六点模糊数表示不确定活动时间,将模糊理论嵌套到改进的遗传算法中来优化项目调度的过程.最后通过对某国际公司生产转移项目的实例研究,验证此方法在安排项目调度计划的有效性.优化后得到的调度计划大大缩短了工期,并明确了活动的开始时间、结束时间与资源的分配使...     

汽车冲压模具行业协作项目调度问题的建模分析

建立了汽车模具行业协作项目调度问题的数学模型, 提出了一种遗传算法,用于解决无法快速确定调度序列的问题.该模型通过分析协作过程中资源利用效率来评测调度方案的性能.     

基于双链遗传算法的网络化制造资源优化配置

网络制造环境下合作伙伴的选择采用的主要方法是对被选企业的一些宏观信息进行评价,该方法无法保证在形成动态联盟后制造系统的运行效率,并且要求预先确定任务的分配,无法保证各个企业之间任务分配的合理性.针对这样的问题,从更底层的制造资源优化配置入手,研究制造资源如何在网络制造环境下优化配置,从而确定合作伙伴和各合作伙伴所需要承担的生产任务.任务分配涉及企业-资源-任务三者之间的匹配,使得原本就是NP难题的调度问题更加复杂,借鉴传统遗传算法和生物学进化原理,提出一种双链遗传算法来解决这样的规划问题,相对于传统遗传算法这样算法的效率更高,编码解码更容易,可以解决网络制造资源优化配置问题.     

基于ASP的网络化制造资源调度研究

给出了此平台的资源调度体系结构,详细分析了此调度体系结构下基于ASP的网络化制造资源调度的业务流程.由于网络化调度与车间调度之间本质上的不同,并且网络化制造资源具有分布性,动态性,雇用性的特点,因此提出采用基于资源预约时间的调度方法,并从资源的提供商、使用商以及平台的运营商等多方面来确定基于ASP的网络化制造资源的调度目标,从研究实际角度出发,对客户的交货期、资源的收益以及平台运行网络的均衡性等调度目标进行了数学建模,采用遗传算法来进行求解.研究表明,基于资源预约时间的调度是网络化制造资源调度行之有效的方法.     

基于分解优化策略的多敏捷卫星联合对地观测调度

多敏捷对地观测卫星联合对地观测调度问题是一个具有长时间窗、多时间窗等复杂约束的组合优化问题.为了解决该问题,提出将原问题分解为任务资源匹配及单星任务处理两个子问题的分解优化思路.设计了学习型遗传算法解决任务资源匹配子问题,算法中的知识模型在算法迭代过程中学习和提取知识,反馈并引导算法对任务资源匹配的搜索寻优过程.采用后移滑动策略及最优插入位置搜索策略解决单星任务处理子问题,并采用基于规则的方式处理其他约束.实验结果证明了所提方法的有效性.     

一类资源负荷均衡问题的优化调度模型及其算法

针对多个独立任务在多个不完全同等的处理机上处理时,处理机的最大负荷为最小的非抢先调度问题,建立了一类资源负荷均衡问题的优化调度模型。该模型引入0-1方案矩阵和时间负荷矩阵,分别描述了独立任务分配问题和负荷调度问题;针对部分处理机不能处理某一个独立任务的情形,假定其单位处理时间负荷趋于无穷大,从而避免优化调度中出现伪解。采用遗传算法对模型进行了求解。为了提高遗传算法的运算效率,采用整数方案描述和二进制间接编码的方法对方案染色体进行编码。最后,通过一个案例对模型和算法的有效性进行了验证。     

加工时间不确定的柔性作业车间鲁棒调度方法

针对中小批量环境下加工时间不确定的柔性作业车间调度问题,采用冗余处理方法构建了以最大完工时间为目标的鲁棒调度模型。为降低算法的搜索规模和提高算法的求解速度,提出了顺序搜索机制,并设计两阶段遗传算法,分阶段获取冗余状态和最优结果。采用某柔性生产线的数据进行正交试验,优化了算法关键参数,并构建了柔性生产线仿真模型,对调度结果的鲁棒性和优化目标性能进行了分析。结果表明,该算法在目标性能和鲁棒性上都显著优于标准遗传算法,能有效处理加工时间不确定的柔性作业车间调度问题。     

DNA遗传算法在Job Shop调度优化中的应用

利用DNA计算和遗传算法求解Job-Shop调度问题最优解的有效性和实用性的特点,提出了一种实现Job-Shop调度的DNA遗传算法,该方法将基于调度优先的人工DNA应用于遗传算法的矩阵编码,解决了常规遗传算法的编码方式和局部收敛问题.对该方法与在满足约束条件下采用的常规遗传算法进行了模拟仿真计算与对比,结果表明,该算法避免了陷入局部最优并最终趋于全局最优.