考虑不确定加工时间的工艺规划与调度集成问题研究

为使工艺规划与调度集成问题更加符合实际,将不确定加工时间考虑到工艺规划与调度集成问题中,并以三角模糊数表示加工时间,提出一种考虑模糊加工时间的工艺规划与调度集成问题。以最大模糊完工时间最小为目标,对该问题进行建模。提出一种多层编码结构的遗传算法,对该问题进行求解。最后,以实例验证了上述模型的正确性及算法的有效性。     

考虑机器周期性维护的不确定加工车间调度优化研究

为使加工车间调度问题更加符合实际,将不确定加工时间和机器的预防性维护周期考虑到车间调度问题中。首先,建立考虑服从正态分布的随机加工时间和机器的预防性维护周期的联合优化模型,该模型以最大完工时间的期望最小为目标函数;其次,对基于多层编码的遗传算法进行编码操作,每个个体表示全部工件的加工顺序;最后,通过MATLAB中进行了仿真实验。通过实例验证了该模型的合理性和算法的有效性。对实际工业生产中车间加工调度具有重要的意义。     

基于混合差分进化的混排Flow-shop分批优化调度

考虑到实际环境中的订单批量性,研究Flow-shop制造过程分批优化调度.针对制造过程中不同产品所含批量之间允许交叉生产的情况,考虑传输批量大小约束,建立了问题模型.基于分批生产策略设计了一种混合差分进化算法来优化确定批量划分和排序优化.该算法采用两级染色体编码,对划分染色体和排序染色体分别采用前面所设计的进化过程.为了进一步缩短完工时间,在算法解码过程中基于分批传输策略进行二次划分,得到小传输子批.通过实验仿真对所提方法进行比较分析,验证了所设计划分方法的有效性以及算法的优化性能.     

基于模糊集的作业车间预测调度研究

针对作业车间材料短缺的情况,以工件的最大完工时间为目标,提出作业车间调度方法的模糊选择机制,建立基于模糊集的预测调度数学模型。应用遗传算法对预测调度模型进行求解,找出预测调度在各机器上工件的加工顺序,找到一种可行的最优调度方案,得到最合适的最大完工时间,使其具有一定的鲁棒性,能够吸收有限的材料短缺干扰。最后通过仿真实验证明了该模型及算法的可行性和有效性。     

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。     

基于柔性作业调度的离散制造车间布局优化研究

针对车间生产调度人员需要进行多目标的调度决策,以大连市某企业空调制造车间为例,首先建立了以最大完工时间最小、总延期时间最小、总提前期时间最小、设备总负荷最小、单台设备的最大负荷最小、总生产成本最低、工件搬运次数最少的多目标车间调度模型。然后提出了基于工件加工工序和加工设备的两层编码的改进遗传算法,再次通过层次分析法确定各个子目标的权重,对不同量纲的子目标进行模糊无量纲化处理,并通过综合评价指标确定pareto解集的最优调度方案。最后根据工件加工工艺线路对车间设备进行环形布局优化,建立了环形布局优化模型,并通过实例分析验证了该算法的可行性。     

基于遗传算法的模糊Job-Shop问题的研究

针对存在不确定因素的作业车间调度问题,基于模糊理论的思想,把不确定的加工时间和交货期分别用三角模糊数和半梯形模糊数来表示,提出了以最大化平均满意度为调度目标的调度模型.运用遗传算法求解,对基于工序的编码操作设计了一种新的交叉操作,同时采用小范围竞争择优操作策略.仿真结果表明,该算法是可行的和有效的.     

模具精铸中不一致任务单熔炼炉批调度优化

单熔炼炉批调度问题属于不一致任务单机批调度问题,熔炼批加工时间与批内任务需熔炼重量之和为线性函数关系。建立了单熔炼炉最小化最大任务完工时间的优化模型,提出了基于任务分批序列的混合粒子群算法(HPSOB)进行优化求解。该算法使用随机生成的任务分批序列作为粒子,采用批重量匹配(BWF)启发式规则对违背批重量约束的染色体进行修复。为避免早熟问题,算法引入遗传算法中的交叉操作和变异操作,通过粒子同个体最好解和群体最好解的交叉以及粒子自身的变异方式来搜索最优解。仿真实验结果验证了HPSOB算法的有效性。     

考虑多时间约束和机器效率的柔性作业车间调度问题建模及优化

针对传统柔性作业车间调度问题只考虑加工过程的局限性,综合考虑具有工件运输时间、交货期、加工时间以及工件到达时间等多约束,构建了以机器效率最大和最大完工时间最小为目标的调度模型,其中机器效率用每台机器开始加工到结束加工之间的空闲时间和来表示。模型中充分考虑多时间因素并通过工件紧前工序、机器前置工序确定机器的可用时间段和工件的最早开始加工时间。基于遗传算法设计了分段式编码和插入式解码策略,利用S-自适应概率对染色体交叉进行改进,并采用了一种基于最大化机器使用效率的选择策略对机器部分进行变异,另外为保证后代的多样性,提出一种局部种群扩张策略以扩大种群。最后,通过两个不同规模的柔性作业车间调度案例对模型和算法进行测试。实验结果显示所构建的模型适用于该类考虑多时间和机器效率的柔性作业车间调度问题,同时改进算法的表现也优于对比算法。     

低碳策略下的多目标柔性作业车间调度

为解决低碳策略下多目标柔性作业车间调度问题,在深入分析柔性作业车间多目标调度研究现状和不足的基础上,结合基于设备状态—能耗曲线的低碳策略,提出包括能源消耗、最大完工时间、加工成本和成本加权加工质量的多目标柔性作业调度模型。针对上述模型,设计了基于血缘变异的改进非支配排序遗传算法,该算法根据计算交叉染色体的血缘关系确定变异率,优化了交叉和变异策略,解决了算法的早熟问题。针对具体实例,构建了调度模型和算法,计算结果验证了算法的可行性和有效性。     

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...     

农机转向器制造车间的动态调度算法研究

针对目前农机转向器生产车间对突发事件调度不及时的问题,对车间调度相关问题进行了研究,提出了一种基于改进免疫克隆算法的车间调度模型。首先,结合农业转向器生产实际,以最大完工时间、设备能耗和设备负荷为调度目标构建了目标函数;然后,采用多策略种群初始化和自适应变异算子,对免疫克隆算法进行了改进;最后,在分析车间调度加工时间数据和车间调度加工能耗数据的基础上,以调度模型的适应度和甘特图为指标,对所建模型调度效果进行了验证。研究结果表明:相比传统免疫克隆算法,改进免疫克隆算法寻优速度更快、寻优精度更高,可以实现对农机转向器制造车间的快速动态调度。     

基于离散粒子群算法的炼钢连铸生产调度

在炼钢连铸生产调度中,最大完工时间优化可保证生产计划准时完成,总完工时间优化可降低板坯存储过程中的物耗和能耗。结合生产实际,提出了以最小化总完工时间为目标,最大完工时间为目标约束的处理方法。首先根据改进NEH算法确定最大完工时间的可行上界,再利用离散粒子群算法对总完工时间进行优化。在算法设计过程中,通过加入启发式规则提高初始解性能,使用交换操作实现位置更新公式的离散化,引入Metropolis准则避免算法陷入局部最优。最后通过案例分析,验证了求解方法的可行性和有效性。     

面向实际生产的冲压车间调度问题研究

在大部分对汽车冲压车间调度的研究中,冲压车间被简化为一类job shop模型的作业车间。根据汽车双向冲压生产线的实际生产特点,笔者提出了基于工艺约束并行机的双向冲压生产线调度模型。在该模型中,工件按设备顺序在生产线两端同时加工,且加工的工件及其加工时间和完工时间受两端工件工序数目约束。然后设计了启发规则和遗传算法混合的求解算法,最后以最大完工时间为优化指标进行验证,得到了具有很强实际应用价值的调度结果。     

多品种分批量冲压车间的耦合选择NSGA-Ⅱ调度优化

为了对多品种分批量生产的冲压车间调度方案进行优化,减少冲压车间的完工时间、加工成本和换模次数,提出了基于耦合选择NSGA-Ⅱ算法的冲压车间调度优化方法。对冲压车间的调度优化问题进行了数学描述,建立了多目标、多限制条件的优化模型。通过构造4基因链缠绕的染色体,将冲压车间调度优化问题转化为遗传算法的多目标搜索问题。在传统NSGA-Ⅱ算法基础上,将耦合选择策略引入到算法中,兼顾了染色体的优越性和多样性,从而提出了基于耦合选择NSGA-Ⅱ算法的调度优化方法。经验证,耦合选择NSGA-Ⅱ算法所得Pareto前沿解质量高于传统NSGA-Ⅱ算法所得Pareto前沿解质量。使用等权重系数法从Pareto解集中确定了最优解,与优化前相比,换模次数减少了52.2%,加工成本减少了18.4%,最大完工时间减少了40.0%,以上数据验证了耦合选择NSGA-Ⅱ算法在冲压车间调度优化中的可行性。     

双资源多工艺路线作业车间模糊调度问题研究

在研究双资源、多工艺路线作业车间调度的基础上,从实际作业车间调度系统存在大量不确定因素的情况出发,建立了模糊调度的数学模型。以最小完工时间和平均满意度最大为优化目标,基于遗传算法,对算法中初始种群的构造、适应度计算、遗传操作等方面进行了研究;应用改进的遗传算法,求解最优调度工序。最后给出了实例仿真和结论。     

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。     

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。     

考虑加工时间和交货期模糊的批调度问题研究

针对实际生产中存在的时间参数不确定性问题,对单机环境下同时考虑模糊加工时间和模糊交货期的成批调度问题进行研究。分别用三角模糊数和梯形模糊数表示模糊加工时间与交货期,分析了最小化总延迟的情况下工件的模糊交货期和模糊加工时间的隶属度函数与决策者对该工件的完工时间满意度的函数关系,以满意度为优化目标,建立模糊数学优化模型。设计BFEDD(Best Fit Earliest Due Date)启发式算法,以及改进的殖民地同化策略（殖民地移动）,建立改进的帝国主义竞争算法（IICA,Improved Imperialist Competitive Algorithm）对所研究问题进行求解,最后设计仿真实验验证了算法的有效性。     

基于遗传算法的作业车间模糊调度问题的研究

在研究作业车间模糊调度问题的基础上，建立了两种作业车间模糊调度模型。对于只考虑模糊加工时间的问题，以最小完工时间作为优化目标；对于同时考虑模糊加工时间和模糊交货期的问题，以平均满意度最大作为优化目标。模糊加工时间用三角模糊数和梯形模糊数来表示，模糊交货期用梯形模糊数和六点模糊数来表示，给出了两种模糊数比较方法。应用遗传算法来求解最优调度顺序，并对遗传算法编码、初始种群的产生办法、解码、交叉及变异方法等方面做了研究。最后，给出了仿真实验结果和结论。