稳态调度下单臂组合设备时间延迟分析与优化

在半导体晶圆制造过程中,驻留时间延迟过长对晶圆质量具有消极影响.本文研究单臂组合设备稳态调度中如何合理地分配机械手等待时间,抵消驻留时间延迟的问题.首先,采用Petri网模型描述晶圆制造过程,分析了单臂组合设备稳态调度的时间特性,获得了稳态下工序驻留时间延迟计算表达式.其次,通过解构机械手等待时间对驻留时间延迟的影响机理,提出了一种机械手等待时间分配优先级规则.进一步,将虚拟瓶颈工序用于辅助分配机械手等待时间,结合优先级规则,提出了一种单臂组合设备稳态调度启发式算法.最后,通过例子验证了算法的可行性与有效性.与传统拉式策略和尽早加工策略对比,该算法能有效地减少单臂组合设备稳态调度下的驻留时间延迟并能满足晶圆制造的严格要求.     

改进遗传算法在磁性材料组炉优化问题中的应用

牌号、交货日期、优先级、需求量等是磁性材料生产工单的属性,计划员需要依据上述属性寻求最优的生产工单组合以最小化生产成本并提高生产效率.针对磁性材料企业人工组炉存在的组炉时间长,组炉结果不优化问题.本文建立了磁性材料生产工单组炉优化模型.提出将该组炉问题转化为伪旅行商问题,并采用一种改进遗传算法求解.染色体编码采用从1到N的自然数编码方式,并设计一种基于最早完工日期规则的初始种群产生方法.引入精英选择策略和改进的贪心三交叉算子,优化遗传算法收敛速度和精度;引入逆转算子,提高遗传算法全局搜索能力.基于实际生产数据的仿真实验表明,建立的磁性材料组炉优化模型是合适的,所提改进算法是有效的.     

多工艺路线车间作业调度遗传算法实现

针对简单遗传算法在解决作业车间调度问题时只适用于简单问题的局限,研究了多工艺路线的批量调度遗传算法实现,论述了3种提高生产效率的调度策略,即采用最小批量原则对零件进行分批调度生产;将批量准备时间和零件加工时间相分离,在工件到达加工机床前做好批量加工准备;在生产加工过程中,将同批加工零件进行多次机床间转移,缩短后续机床的等待时间.同时将工序优先级调度算法加入到简单遗传算法,提出了一种全局优化的多工艺路线批量生产调度混合遗传算法.仿真结果表明,该调度算法能取得较好的效果.     

基于改进蚁群算法的项目组合工期-成本优化

战略导向下的项目组合工期-成本优化是现代企业进行多项目管理所面临的重要问题之一,对企业实现资源效益最大化有着至关重要的促进作用。以战略导向下的项目组合工期-成本综合值最小化为研究对象,提出了优化组合项目中工序选择和执行次序的数学模型,在引入自适应权重法、调整信息素系数和混沌扰动变量的基础上,设计了求解该优化模型的改进蚁群算法。通过实例运算表明,改进后的蚁群算法,能够有效地提高算法全局搜索寻优能力和收敛速度,在求解战略导向下的项目组合工期-成本优化问题方面有较强的鲁棒性和实用价值。     

基于改进金豺算法在磷酸铁锂生产排程中的应用

磷酸铁锂作为一种重要的锂离子电池正极材料,在新能源领域市场需求不断上升。针对磷酸铁锂生产过程中的作业车间调度问题,该文提出了一种基于改进金豺算法的排程方法。磷酸铁锂作为一种重要的电池材料,其生产过程需要合理的调度安排以提高生产效率和产品质量。提出的改进金豺算法通过引入改进策略,能够更好地解决作业车间调度问题。与传统的启发式算法相比,改进金豺算法具有更强的全局搜索能力和高效的搜索速度。此外,该算法还具有灵活的参数调整性,可以根据具体问题的特点和约束条件进行优化,以获得更好的性能和效果。为了验证改进金豺算法在磷酸铁锂生产排程中的应用效果,设计了一系列的仿真实验。通过与传统启发式排程算法的对比表明,改进金豺算法能够在复杂的约束条件下找到更优的调度方案,提高生产效率。具体来说,该算法能够更快地找到全局最优解,减少了调度时间和成本,并提高了交货周期的准确性。     

多优先级可调速率队列中延迟与速率优化控制研究

在队列网络中,延迟和速率优化控制是一个复杂的问题。针对多优先级、可调服务速率的M/G/1队列,在约束条件为每种优先级业务的平均延迟的情况下,研究了队列的两种凸优化问题,即最小化平均延迟向量的凸函数和最小化平均业务代价的凸函数,并分别提出了一种优化算法。算法使用虚拟队列技术,对这两种具有动态cμ规则变量的优化问题进行了求解。然后算法自适应选择一个严格的优先级政策,以响应在每个忙阶段中观察时刻前的各种业务级别的延迟。利亚普诺夫漂移分析和仿真结果验证了算法的优化性能,并且表明文中所提优先级政策所花费的队列统计资源有限,或者为0。     

生产作业排程单道工序的模拟仿真算法研究

依据现实世界生产系统的实际运作情况,设计了一种单道工序作业排程的模拟仿真算法,相对于其他一些排程算法,该算法能比较准确真实的描绘生产系统机台作业的运行情况,准确得出作业的开始运行时间,结束时间及机台能力负荷状况。该算法运用于某实际ERP系统的生产实践表明:该算法能全面提高生产效率和机器设备使用率,为实际现场排程提供客观依据。     

基于能力优化的车间任务调度算法

针对离散型生产制造企业ERP生产排程的特征,结合优化规则、动态规划和系统仿真的思想,设计了一种基于能力优化的车间任务调度算法.其中,全局评优甬数量化并控制整体优化结果.该算法在复杂度与可行性之间取得了相对较好的平衡,满足了生产排程合理性、高效性、均衡性的目标.     

柔性车间生产排产调度优化方法

为满足柔性制造企业在车间生产中合理安排生产排产调度的需要,提出柔性车间生产排产调度优化方法。首先,通过分析车间生产排产问题的特点,制定满足车间应用需求和各种资源限制的生产排产总体流程,从而设计基于约束条件的生产对象关系模型;其次,提出一种动态策略差分进化算法,根据个体之间的拥挤度动态选择变异策略,设计基于工序位置的编解码方案,其能快速有效地进行求解,从而得到最佳调度方案,提高设备运行效率,实现资源利用的最大化;最后,通过6个标准测试函数、FT6-6测试问题及生产调度应用实例验证了算法的有效性。     

抗时延敏感性跨层自适应资源分配方案*

为了对抗多用户OFDM系统中用户实时业务对时延的敏感性,提出一种利用Hopfield神经网络(HNN)算法的跨层自适应资源分配方案。该方案设置用户调度优先级时同时考虑物理层的信道状态信息,及媒体接入层的用户队列状态信息和等待时间等;采用HNN算法,最大化系统容量的同时降低了平均时延和丢包率。仿真结果表明,相比于传统资源分配方案,该方案可以有效保障用户的服务质量,并提高了系统的整体性能。     

Integrated production and delivery with single machine and multiple vehicles

This paper considers a class of multi-objective production–distribution scheduling problem with a single machine and multiple vehicles. The objective is to minimize the vehicle delivery cost and the total customer waiting time. It is assumed that the manufacturer’s production department has a single machine to process orders. The distribution department has multiple vehicles to deliver multiple orders to multiple customers after the orders have been processed. Since each delivery involves multiple customers, it involves a vehicle routing problem. Most previous research work attempts at tackling this problem focus on single-objective optimization system. This paper builds a multi-objective mathematical model for the problem. Through deep analysis, this paper proposes that for each non-dominated solution in the Pareto solution set, the orders in the same delivery batch are processed contiguously and their processing order is immaterial. Thus we can view the orders in the same delivery batch as a block. The blocks should be processed in ascending order of the values of their average workload. All the analysis results are embedded into a non-dominated genetic algorithm with the elite strategy (PD-NSGA-II). The performance of the algorithm is tested through random data. It is shown that the proposed algorithm can offer high-quality solutions in reasonable time.     

加工时间不确定的炼钢-连铸鲁棒优化调度方法

炼钢-连铸生产存在着复杂的物理和化学变化,加工时间在实际生产中呈现出较强的波动性,基于标准加工时间建立的调度方案难以满足实际生产需求.针对加工时间不确定的炼钢-连铸调度问题,采用鲁棒优化方法,构造“盒子+多面体”型不确定集处理加工时间信息,建立以总等待时间最小为目标的炼钢-连铸鲁棒优化调度模型.针对模型中存在两种不同类型决策变量的情况,即离散型的指派变量和连续型的鲁棒对等转换变量,结合两类变量特征提出一种混合编码遗传算法,并针对染色体的混合编码特征提出并行进化策略.算法中引入精英策略和自适应的调节参数方法,以提高搜索能力.最后基于不同规模的实际生产数据进行仿真实验,验证了鲁棒优化调度模型和算法的有效性.     

加工与装配车间集成调度的多目标优化模型

为解决一类具有多品种混流加工作业车间和流水装配车间的两阶段集成调度优化问题,以加工线最大完工时间和产品总生产完工时间最小为目标,并考虑通过对零部件加工提前完工和装配线等待施加惩罚系数,以保证缓冲区在制品库存和装配过程均匀连续生产,建立加工与装配车间集成调度的多目标优化模型,充分利用加工和装配工序之间存在的并行性,合理确定零部件加工顺序和装配排序,以缩短产品生产周期,降低生产成本,提高生产设备利用率;同时针对所建立的模型,设计遗传算法进行求解,采用零件加工和产品装配的两段实数编码,以稳态复制对群体进行选择,对交叉和变异算子进行设计,以保证新个体满足工序先后约束的可行性,避免了非可行解的混入影响优化结果;最后通过实例验证所建调度模型的可行性和算法的有效性。     

面向复杂作业车间的交互式两级调度方法

针对边界不确定和具有决策偏好的大规模复杂作业车间调度问题,提出以第1级为交互式约束设置求解,第2级为优化求解的两级调度求解策略.在第1级调度中研究交互式约束满足的基于优先级快速调度构建算法,作为支持决策者交互式约束调整的快速响应求解方法.在第2级调度中以基于优先级的快速调度构建算法为基础,研究以优先级为决策变量的智能优化搜索算法,作为满足第1级调度中的交互式约束的改进优化求解.该方法较好地融入了决策者的经验知识和偏好,同时结合优化搜索求解算法,使得在满足决策者偏好的基础上进一步改进调度求解质量,增加调度求解结果的可信度,在实际应用中取得良好的应用效果.最后,通过一个案例对该两级调度求解策略的过程进行描述,并对所提出方法的有效性进行阐述.     

基于强化学习的智能I/O调度算法

利用机器学习方法解决存储领域中若干技术难题是目前存储领域的研究热点之一。强化学习作为一种以环境反馈作为输入、自适应环境的特殊的机器学习方法,能通过观测环境状态的变化,评估控制决策对系统性能的影响来选择最优的控制策略,基于强化学习的智能RAID控制技术具有重要的研究价值。本文针对高性能计算应用特点,将机器学习领域中的强化学习技术引入RAID控制器中,提出了基于强化学习的智能I/O调度算法RL-scheduler,利用Q-学习策略实现了面向并行应用的自治调度策略。RL-scheduler综合考虑了调度的公平性、磁盘寻道时间和MPI应用的I/O访问效率,并提出多Q-表交叉组织方法提高Q-表的更新效率。实验结果表明,RL-scheduler缩短了并行应用的平均I/O服务时间,提高了大规模并行计算系统的I/O吞吐率。     

基于模拟退火算法的粒子群优化算法在容器调度中的应用

随着互联网产业的发展,虚拟机创建速度慢、不易扩展、灵活性不足等缺点越来越凸显,容器技术的出现为这些问题提出了一种新的解决思路;而现有的调度算法仅考虑容器云集群中工作节点的内存、CPU等物理资源,没有考虑对容器云调度后的镜像分发过程有明显影响的网络负载率,导致容器调度任务等待时间过长,造成数据中心的资源浪费;鉴于粒子群优化算法在局部开采能力和全局探测方面有较强的优势,提出了一种基于模拟退火算法的粒子群优化算法(SA-PSO,simulated annealing particle swarm optimization algorithm)的容器调度算法,通过使用模拟退火优化粒子群算法使其在算法初期跳出局部最优情况,提升算法性能;在Kubernetes平台实验过程中,SA-PSO调度算法相比Kubernetes的BalancedQosPriority算法,提升了整体节点资源利用率,显著减少任务最少等待时间;同时与标准PSO算法以及动态惯性权重PSO算法进行对比,不仅收敛能力有显著提升,并且相较标准PSO算法全局最优节点命中率提升近60％.     

基于Logistic回归模型的Hadoop本地任务调度优化算法*

当一个工作节点有多个本地任务可执行时,默认情况下,调度器都是按照任务被发现的先后顺序来进行执行,效率低下。针对于此,为了优化对本地任务的调度,提出了基于Logistic回归模型的Hadoop本地任务调度优化算法。首先,选取定义与任务相关的特征向量,然后基于Logistic回归的机器学习方式得到各向量的作用权值,将任务进行优先级排序,并通过过载规则不断更新模型。通过实验证明,提出的算法在改善map 任务的数据本地性的同时,降低了作业运行时间。     

卷烟生产计划排产模型建立与优化

为了对卷烟生产进行自动优化排产,构建出卷烟排产分层递阶优化流程,对流程的关键环节设计了自动优化模型;分别建立了带约束限制的卷烟多点生产任务分配和生产点详细排产数学模型。对两个模型分别设计了改进的遗传优化算法。对多点生产模型,提出了一种基于遗传算法-模式搜索法的任务分配优化算法,改善了单独使用遗传算法局部搜索能力差的缺陷;对详细排产最大完工时间数学模型,设计了相应的算法操作策略,将牌号优先规则、生产约束嵌入到遗传算法中,满足了实际生产限制。通过卷烟生产排产实例,验证了算法的有效性,给出了优化的卷烟精确排产计划,降低了卷烟生产总成本和库存,缩短了总生产流程时间,提高了设备效率。     

加工时间可控的炼钢调度问题两阶段模型及优化算法

炼钢-精炼-连铸是钢铁产品的关键生产工序,其有效的调度对生产过程中减少热能消耗、提高生产效率具有重要意义.根据生产过程中工序加工时间可控性和主要工艺约束提出了分散搜索(scattcr scarch,SS)算法和数学规划相结合的两阶段求解算法.第1阶段应用SS算法基于各阶段正常的加工时间,确定炼钢-精炼生产阶段各设备的加工炉次集和各炉次的加工顺序.第2阶段将SS求得的解转化为时间约束网络图,建立了以炉次等待设备时间和设备等待炉次时间及最大完成时间最小为调度目标,工序加工时间可控的混合整数规划模型,应用CPLEX求解模型确定各炉次的加工时间和开始时间.基于国内某钢铁企业炼钢-精炼-连铸生产过程的实绩生成了14个不同规模的测试案例,对钢厂生产实绩效果与本文两阶段求解算法的优化效果进行了对比,分析了不同等待时间权重对两阶段算法性能的影响,并与采用遗传局域搜索(gcnctic local search,GLS)算法与数学规划相结合的求解算法的优化效果进行了比较.实验结果表明本文给出的模型和两阶段求解算法对加工时间可控的炼钢-精炼-连铸调度问题的优化效果很好.     

扩展job shop模型的启发式批量流水线调度算法

提出了改进的job shop模型,定义了工作中心以及关键节点的概念。将流水线与批量调度策略引入到新的模型中,并在此基础上提出了一个关于扩展job shop模型的启发式批量流水线调度算法。在关键节点进行选择时,通过回溯计算其余产品的开始时间,使用贪心算法选择优先级最高的产品进行排序。该优先级法则由三个优先级变量组合而成,分别囊括了价值高低、时间紧要程度以及剩余加工时间这三个影响因素。进行加工时,设定最小加工批量,在一个工序内实现多套设备的并行加工,同时在两个相邻工序之间实现流水线加工,从而缩短加工时间,提高了生产效率。通过仿真表明该策略能取得较好的结果。