考虑准备时间和工件分批的柔性作业车间调度

针对柔性作业车间调度受生产准备时间和工件批量影响的问题,构建了考虑准备时间和工件分批的柔性作业车间调度模型.根据工件批量加工中等量分批方法柔性不足的特点,采用柔性分批方法对工件进行批量划分.提出一种改进的遗传算法,以最小化最大完工时间为优化目标,采用双层编码的方式对模型求解,确定各工件的分批方案和子批工序调度排序方案.通过分析柔性调度案例,验证了该算法的有效性,能够更好地满足实际车间生产要求.     

考虑工件分批的柔性作业车间调度及求解算法

针对柔性作业车间分批调度问题,建立了考虑工件分批的柔性作业车间调度模型,并提出混合遗传算法用于模型求解。首先,采用改进试探法确定划分的具体批次、柔性批量划分方法确定各个批次的实际批量;其次,采用双层编码机制对工序排序及机器选择同时进行优化,利用GLR机器选择法生成初始解;最后,混合遗传算法利用GA鲁棒性强与ABC算法对初始解依赖性不高、适应性强的特点在解空间内充分搜索较优解,并结合SA出色的局部搜索能力快速收敛到全局最优解。分析表明,改进试探法批次划分与柔性批量划分方法可明显缩短生产周期,同时也证明了所提算法的有效性和可行性。     

基于混合遗传鲸鱼优化算法的柔性作业车间自动导引车融合调度方法

针对柔性作业车间调度问题,考虑自动导引车(AGV)在车间制造过程中只参与装卸和搬运工作,提出一种实现AGV路径规划与柔性作业车间调度集成优化的融合调度模型。采用基于工序排序与机器选择两个子问题的二维向量编码方案,并在解码过程中提出基于最先服务原则的AGV安排策略。对鲸鱼优化算法进行离散化改进,针对性地设计了多种种群初始化策略,引入遗传算法的交叉、变异操作以提升鲸鱼优化算法的全局搜索能力,并嵌入局部搜索算法以达到全局搜索和局部搜索的平衡,构建了一种混合遗传鲸鱼优化算法（HGWOA）来求解该融合调度模型。通过经典测试算例验证了算法性能,并使用正交试验优化了算法参数。研究结果表明,HGWOA算法用于求解柔性作业车间AGV融合调度问题可以获得较好的效果。     

分布式多柔性装配作业车间调度问题研究

针对分布式柔性装配作业车间环境，综合考虑了调度过程中的机器选择柔性、工人安排柔性和工序顺序柔性，构建了以最小化最大完工时间和最小化总能耗为优化目标的分布式多柔性装配作业车间调度问题(DMFAJSP)的数学模型。为求解DMFAJSP模型，提出了一种以分布估计算法为全局搜索组件、以邻域搜索算子为局部搜索组件的多维模因算法(MDMA)。最后，将所提出的算法与其他算法进行了对比试验，结果表明MDMA算法在求解DMFAJSP模型方面具有显著优势。     

柔性作业车间调度的改进邻域结构混合算法

针对柔性作业车间调度问题,以优化最大完工时间为目标,提出一种融合改进邻域结构的混合算法。柔性作业车间调度问题机器选择是工序排序优化的前提和基础,因此,将邻域结构分两级进行:第一级跨机器移动工序,第二级同机器移动工序。对同机器移动工序方面进行了改进,结合关键工序的类型定义了相应的移动操作,对已有邻域结构进行了无效移动的精简和有效移动的扩展,提高了邻域结构的精准有效性。给出了邻域结构相应的近似移动评价方法,综合考虑算法的全局搜索能力和局部搜索能力,设计了柔性作业车间调度问题求解算法。通过采用基准算例进行测试,验证了所提方法的有效性。     

面向高效低碳的切削参数与柔性作业车间调度集成建模与优化

传统制造业切削参数优化与柔性作业车间调度优化通常独立进行,将切削参数与调度方案之间进行集成优化,能更好地解决车间高效低碳优化问题.以制造过程碳排放和最大完工时间为目标,建立切削参数与柔性作业车间调度高效低碳集成优化模型,提出一种改进的离散化引力搜索算法(IDGSA)求解机器切削参数与调度方案之间的协同优化问题.根据集成优化问题特性,首次设计了一种工件序列—机器序列—切削参数模式三层编码方式,并且不同的编码方式采用不同的初始化方法,保证初始解的质量以及多样性.针对集成优化问题的三层编码特性,提出一种新的竞选机制,竞选出最优双层序列,与精英质点的工件序列交叉产生新的质点,引导算法向真实Pareto前沿靠近;所提算法中采用多点交叉和变邻域搜索实现分散搜索与集中搜索有机平衡.通过对比改进的非支配排序遗传算法(NSGA-Ⅱ)和离散化引力搜索算法(DGSA),以及将提出切削参数可变的集成优化方法与3种切削参数不可变的优化方法进行对比,验证了所提改进算法的优越性和集成策略的有效性.     

基于员工学习行为的多目标柔性车间调度

针对存在异质性员工的多目标柔性作业车间调度问题,构建了具有Dejong学习效应的调度模型,并提出变邻域杂草算法求解该问题。为解决工序排序、机器选择和员工指派3个子问题,基于随机键编码方式对杂草个体进行编码。采用灰熵关联方法给出杂草的适应度值,根据杂草之间的偏序关系对杂草群体的拥挤距离进行排序,从而产生新的父代群体。构造了3种邻域结构,在迭代后期对精英个体进行变邻域搜索。最后,将算法用于Kacem柔性作业车间基准问题和具有异质性员工的柔性作业车间调度问题求解。案例分析表明,算法可有效求解基准问题和多个"不可压缩因子"F值的柔性车间调度问题,其总完工时间对F值的敏感度更高。     

一种基于改进NSGA-Ⅱ的多目标绿色柔性作业车间调度方法

针对多目标绿色柔性作业车间调度问题,建立了以最小化最大完工时间、总负荷和总能耗为优化目标的多目标优化模型,提出了一种带有自适应交叉变异算子和学习机制的改进NSGA-Ⅱ多目标优化算法。该算法通过机器和工序的两级编码机制,使用基于全局、局部和随机选择的非支配排序选择策略得到初始种群;采用具有自适应算子的混合交叉变异策略进行迭代,提高算法的全局搜索能力;引入分布函数来改进精英保留策略提高种群的多样性;通过学习机制进行邻域搜索提高算法的局部搜索能力。最后,采用基准测试算例Brandimarte以及Kacem数据集对算法进行测试,结果表明采用改进的NSGA-Ⅱ算法求解多目标绿色柔性作业车间调度问题具有求解精度高、收敛速度快以及解集多样性好的优点。     

考虑调整时间的绿色柔性作业车间调度研究

针对传统绿色车间调度未考虑机床调整时间的问题,对机床在调整模式下和加工模式下的完工时间和总能耗进行了研究。梳理了机床在不同模式下的能耗和完工时间特点,建立了带有调整时间的绿色柔性作业车间调度模型,利用加权归一法将多目标量纲进行了统一,提出了头脑风暴优化算法;采用了多层编码方式,优化了机器选择和工序排序问题;引进了在旧解的基础上产生新解和用数据分析方法筛选较优解的迭代方式,增强了局部和全局搜索能力;在MATLAB仿真平台对标杆案例和生产实例进行了测试。研究结果表明:基于改进头脑风暴优化算法的调度方案是可行和有效的;该算法的收敛精度更高、收敛速度更快。     

基于Pareto优化的离散自由搜索算法求解多目标柔性作业车间调度问题

针对多目标柔性作业车间调度问题搜索空间的离散性和求解算法的收敛性,提出一种基于Pareto优化的离散自由搜索算法来求解多目标柔性作业车间调度问题。在建立基于Markov链数学模型的基础上,证明了算法以概率1收敛;引入首达最优解期望时间来分析算法收敛速度,并分析了算法时间复杂度。采用基于工序排序和机器分配的个体表达方式,在多目标柔性作业车间离散域,利用自由搜索算法在邻域小步幅精确搜索和在全局空间大步幅勘测进行寻优;通过自由搜索算法自适应赋予个体各异辨别能力和Pareto优化概念来比较个体优劣性,不仅保留优化个体,而且使个体寻优方向沿多目标柔性作业车间调度问题Pareto前沿逼近。通过对搜索过程中产生的伪调度方案进行可行性判定,以确保调度方案可行。采用10×10FJSP和8×8FJSP问题的实例进行寻优测试,验证了所提算法的可行性和有效性。     

求解FJSP的混合遗传一蚁群算法

为更有效地求解柔性作业车间调度问题,综合考虑其中的机器分配与工序排序问题,建立了相关析取图模型,提出一种混合遗传一蚁群算法。该算法首先通过遗传算法获取问题的较优解,据此给出蚁群算法的信息素初始分布;之后充分利用蚁群算法的正反馈性进行求解,采用精英策略对蚁群的信息素进行局部更新;最后借鉴遗传算法交叉算子的邻域搜索特性扩大蚁群算法解的搜索空间,从而改善解的质量。通过3个经典算例的实验仿真,以及与其他算法的比较,验证了所提算法的可行性与有效性。     

改进细菌觅食算法求解柔性作业车间调度问题

针对柔性作业车间调度问题的NP难特性,提出一种改进的细菌觅食优化算法。采用集成法策略同时求解柔性作业车间调度问题的机器分配和工序调度子问题。将细菌个体表示为工序串,建立问题和算法的映射关系;分别针对普通细菌个体和当前最优个体设计了多重趋化操作,以增强算法的局部搜索能力;复制操作设置繁殖阈和死亡阈,以提高对历史经验的继承程度;迁移/驱散操作中,结合改进的LPT启发式规则,提出带倾向性的迁移/驱散操作方式。采用正交试验对算法的重要参数进行了优化配置,通过搜索算子优化效果对比实验证明了正交试验的结论;进行了收敛性能对比实验,证明算法具有优秀的全局开发能力和局部探索能力;典型算例实验结果表明,该算法能够有效求解柔性作业车间调度问题。     

柔性作业车间中基于工序分批的调度问题与求解

考虑到柔性作业车间分批调度中不同工序具有各自合适批量大小,提出了基于工序分批调度的概念,建立了以关键路径工序为中心的分批调度模型。该模型动态更新可加工工序子批集,同时更新可选加工机器,及时调整加工路线,为不同工序安排大小合适的批量,以达到优化完工时间、有效降低总加工批次的目的。实验结果表明,相比基于工件分批的调度,该模型在优化最长完工时间、提高机器利用率的同时,大幅减少了总加工批次数量(42%),降低了车间调度管理的复杂度。     

考虑批量的多目标柔性作业车间鲁棒调度

针对多品种小批量的柔性作业车间调度问题,构建了多目标柔性作业车间鲁棒调度模型,在模型中考虑了工件分批加工、批量启动时间和机器故障等因素。基于以上因素的特点,设计了有效的染色体编码方法、染色体解码策略及机器故障仿真算法。基于非支配排序遗传算法(Non-dominated Ranked Genetic Algorithm,NRGA)的基本框架,设计了多目标优化算法,并采用有效的交叉和变异算子避免产生非法解。通过对算例的仿真实验,验证了构建的模型和设计的求解算法能够有效提高调度的鲁棒性,有效避免实际调度性能的恶化。     

一种求解柔性作业车间调度问题的鲸鱼群优化算法

针对最小化最大完工时间的柔性作业车间调度问题(Flexible job shop scheduling problem,FJSP),提出了一种新型元启发式算法,鲸鱼群算法(Whale swarm optimization algorithm,WSA),该算法以"较优且最近"的鲸鱼引导和利用超声波强度来控制鲸鱼个体移动范围的迭代方式,在求解各类标准函数时显示出了其在全局搜索能力和维持种群多样性方面的优越性。采用两段式编码方法将FJSP描述为机器选择和工序排序两个子问题;引入转换机制实现FJSP的离散调度解与连续的鲸鱼个体位置向量之间的相互转换,然后利用WSA完成种群的迭代更新和寻优。最后,通过实验数据验证了WSA在求解FJSP方面的有效性。     

基于改进灰狼算法的柔性装配车间绿色调度

以柔性装配车间生产实际为背景,建立以最小化最大完工时间和总能耗为目标的柔性装配车间绿色调度问题模型,并提出改进灰狼算法IGWO用于该模型的求解,包括设计一种基于工序约束矩阵的解码方案,引入档案集用于最优解的维护与更新,设计位置更新策略用于提高算法的全局搜索与局部搜索能力。最后,以医疗器械制造企业实际生产案例为对象,进行了算法的对比实验,验证了IGWO算法在解决该模型的有效性。     

柔性作业车间批量划分与并行调度优化

针对柔性作业车间分批调度中因批次数量划分的随机性,导致最优分批方案存在搜索空间大、效率低的问题,提出试探法,使分批具有方向性、搜索空间可预测,从而得到合适的批量划分。进而提出相同工件同批工序间、不同工序间可并行的车间调度算法,与传统的批量调度结果相比,该算法可缩短生产周期、提高车间生产效率、减少批次数量、降低车间管理复杂度。采用上述方法对批次数量进行划分并使用并行算法对划分后的工序进行调度,实验结果表明,该方法在快速找到合适分批方案的同时优化了调度结果。     

多目标柔性作业车间分批优化调度

为解决多目标柔性作业车间分批调度问题,提出了一种基于粒子群算法的多目标柔性分批调度算法。提出了一种基于游标的柔性批量分割方法,并采用一种批量分割与加工工序相融合的粒子编码方法,使得该算法不但可根据机床负荷将工件分割成具有柔性批量的多个子批,而且可使子批工艺路线选取及加工排序同时得到优化。算法引入了决策者的偏好信息,用于引导算法的搜索方向,使搜索结果集中于决策者感兴趣的Pareto边沿,避免了决策者在众多非劣解中做出困难选择。通过实例仿真,对算法性能进行了比较分析和评价,结果表明了算法的有效性和可行性。最后,从生产实际出发给出了算例,证明了算法的有效性和对生产实践的指导作用。     

求解柔性作业车间调度问题的遗传-蚁群算法

为更有效地求解柔性作业车间调度问题,提出了一种遗传一蚁群算法,该算法采用遗传算法解决机器分配问题,采用蚁群算法解决工序排序问题.存算法的求解过程中,不断从前期优化中挖掘、学习知识,并采用已获得的知识指导后续优化过程.通过标准实例测试,验证了所提算法的有效性.     

基于改进候鸟算法的柔性作业车间分批调度问题

为了将可变批次的调度策略应用于生产,以提高大规模柔性作业车间的生产效率和设备利用率,针对柔性作业车间可变子批问题的特点,建立了以最小化完成时间和最小化批次数目为优化目标的多目标柔性作业车间调度模型和析取图模型,提出一种改进的候鸟算法求解该问题.算法设计了精英分批和可行邻域结构两种策略用于提高算法的搜索效率.通过对比实验验证了可变批次划分策略的优势和所提算法的有效性.