一种基于改进遗传算法的多目标动态调度优化

静态调度问题一般是NP-hard问题,而动态调度问题的性能指标比静态调度的更为复杂,并且以多目标综合性能指标居多。在系统地研究了多目标动态作业车间调度问题的基础上,运用滚动窗口技术和改进的遗传算法来解决动态调度问题。滚动窗口技术将调度过程分成连续静态调度区间,在每个区间内用多目标遗传算法进行调度优化。最后开发了面向应用的动态调度原型系统,并对改进的Job-shop基准实例进行仿真试验,证明了提出策略的可行性和有效性。     

一种基于改进遗传算法的多目标动态调度优化

静态调度问题一般是NP-hard问题,而动态调度问题的性能指标比静态调度的更为复杂,并且以多目标综合性能指标居多.在系统地研究了多目标动态作业车间调度问题的基础上,运用滚动窗口技术和改进的遗传算法来解决动态调度问题.滚动窗口技术将调度过程分成连续静态调度区间,在每个区间内用多目标遗传算法进行调度优化.最后开发了面向应用的动态调度原型系统,并对改进的Job-shop基准实例进行仿真试验,证明了提出策略的可行性和有效性.     

基于混合遗传算法求解分布式流水车间逆调度问题

分布式调度是智能制造的新模式,急需新的调度方法来应对动态多变的市场需求。针对分布式置换流水车间问题,采用逆调度方法优化,通过最小调整加工参数,使得尽可能保证原排序的情况下调度最优。以最小化调整加工时间为目标,建立流水车间逆调度数学模型,针对逆调度问题特征,在遗传算法的框架下提出一种混合遗传优化算法。首先,基于逆调度参数可调的特征,提出基于工序的小数机制双层编码方案,能够实现参数的调整,保证可能解;提出改进启发式方法和基于规则的方法相结合的混合初始化方法;其次,采用适合问题特征的交叉、变异操作执行搜索;为协调全局搜索与局部搜索能力,设计局部搜索策略和学习机制的双种群协同搜索策略。为验证算法性能,基于问题实例采用三种算法进行比较,并且进行统计分析,其结果表明所提算法能更有效求解分布式流水线逆调度问题。     

并行机作业车间等量分批多目标优化调度

为降低并行机作业车间等量分批多目标优化调度问题的复杂度,提高优化效率,提出了一种基于仿真技术和改进非支配排序遗传算法的分步优化方法.建立了一类以完工时间最短和总制造成本最低为优化目标的并行机作业车间等量分批多目标优化调度模型;将各产品进行等量分批,以Witness为仿真平台建立并行机作业车间等量分批生产仿真模型,通过组合仿真优化得到产品理想的等量分批方案,从而将原问题转化为并行机作业车间多目标优化调度问题;设计了一种改进的非支配排序遗传算法,对并行机作业车间多目标优化调度进行求解.通过算例分析验证了该方法的有效性.     

求解分布式混合流水线调度问题的改进双层嵌套式遗传算法

针对分布式混合流水线生产的生产调度问题,模拟实际排产中的排产到线和排产到时的排产策略,提出了基于改进双层嵌套式遗传算法的两层优化模型。外层依据流水线分配平衡和准时交货等基本原则总体上解决生产订单在流水线之间的分配问题,内层以最小生产时间为主要目的求解流水线的生产订单生产次序问题。考虑到双层嵌套式遗传算法的时间复杂性,基于模糊逻辑理论设计了一种模糊控制器来动态调整遗传算子,并采用主动检测停止方法,提高算法效率。使用某空调工厂的实际生产数据验证了算法的可行性、计算结果的准确性及排产策略的有效性,为高级计划与排程(Advanced Planning and Scheduling,APS)中大规模复杂供应链调度问题提供了可借鉴的方法。     

制药行业混合流水线调度问题研究

为了合理规划制药行业混合流水线的生产调度问题,提高生产效率,提出了一种模糊多目标规划的方法。首先,在考虑制药行业多条流水线同时生产且相互影响的条件下,结合一系列生产和加工时间的约束条件,建立混合流水线生产调度模型;其次,结合总加工完成时间、生产成本、利润等指标,并通过引入模糊期望值,建立制药行业的混合生产调度模糊多目标优化模型,采用容差法将多目标模糊优化转化为确定性单目标优化;最后,采用遗传算法进行优化求解,得到最佳生产策略。     

基于遗传算法的服装生产流水调度研究

针对服装生产流水线调度问题,以最小化最大流程时间为目标,将具有全局优化特点遗传算法应用于服装生产流水线调度中.算法采用基于工序的编码方式和具有简单操作的单亲遗传算子,并在调度实例应用中取得满意的效果.仿真结果表明:该算法优化了调度方案,缩减了最小化完工时间,能够有效、高质量地解决服装生产流水线调度问题.     

船舶曲面分段建造作业调度数字化仿真与优化

针对船舶曲面分段建造难度大、效率低的问题,对曲面分段车间建造作业调度过程进行仿真与优化研究。首先,提出基于虚拟流水线的分段建造车间作业调度模式;其次,基于数字化工厂策略实现其作业调度过程的仿真;以最大完工时间最小化为目标,提出基于遗传算法的作业调度过程优化;最后,以实际生产计划为对象进行了实例验证。结果表明:基于虚拟流水线的作业调度模式和基于数字化工厂策略的仿真优化,有效缩短了曲面分段建造周期,为提升船舶建造效率和水平提供了支撑。     

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.     

基于遗传算法和分枝定界的多车间空闲产能调度方法

个性化产品具有多变的产品结构和复杂的加工特征,使得单一车间难以满足如此广泛的加工参数,需要借助外协车间才能完成生产任务。每个外协车间负载不同,空闲时段也不同,为了提升这些时间的利用率,提出基于遗传算法和分枝定界的混合调度方法。设计基于混合优化策略的动态重调度机制,将动态的生产过程转化为一系列在时间上连续的静态调度问题;建立以最小化总拖期为目标的数学模型;采用遗传算法和分枝定界方法对调度过程中的两个阶段分别进行优化,即在每个事件时刻采用遗传算法生成预调度方案并划分为已派工部分、待派工部分和可调整部分,在已派工部分正在执行的时间段采用分枝定界方法对可调整部分进行改进优化。采用运筹学优化器OR-Tools验证所提模型的正确性。试验数据表明,与单一方法相比,混合方法在所有实例上获得改进,验证了所提方法是有效可行的。     

基于萤火虫算法的零等待流水线调度优化

萤火虫算法是一种新颖的仿生智能算法,针对以最小化制造期为目标的零等待流水线调度问题,提出了一种基于萤火虫算法的混合优化方法。首先设计了一种IMM编码用于实现萤火虫编码与工件排序的转换以使萤火虫算法能够解决调度问题;其次用启发式算法对初始种群进行随机替换,以提高种群的质量和分散度;最后针对群体易于早熟和局部搜索能力的不足,结合迭代贪婪算法和Pairwise算法对最优个体进行改进并用Metropolis准则决定是否接受改进结果。在21个Benchmark问题上进行算法仿真,从求解质量和运行时间两方面验证了该混合优化方法的性能。     

基于TNEH算法求解混合Flowshop的调度问题

针对混合FlOWSllop调度问题,在NEH算法基础上提出了改进的基于两步法的NEH算法--TNEH算法.针对半导体封装生产实际调度问题,提出了最优匹配设备规则与求解Makespan最小的调度目标的下界算法.最后利用仿真评估软件在多种混合流水线配置下,对Palmer、Gupta、NEH、MNEH与TNEH算法进行对比验证.     

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。     

可重入混合流水车间调度的改进遗传算法

研究了可重入多阶段混合流水车间调度问题,其中至少有一个加工阶段有多台同构并行机。考虑工件在相邻两阶段间的运输时间和工件动态到达等实际生产特征,以最小化最大完工时间为目标建立数学模型。在传统遗传算法的基础上,结合NEH启发式算法产生工件初始加工顺序,令遗传参数随进化代数和个体适应函数值2个方面进行自适应调节,以避免算法陷入早熟,提出改进遗传算法用以求解该NP-hard问题。分别利用所提出的改进遗传算法与传统遗传算法、NEH启发式算法对不同规模的问题进行仿真测试,结果表明,改进遗传算法在较短的计算时间内能够获得较好的近优解。     

基于TNEH算法求解混合Flowshop的调度问题

针对混合Flowshop调度问题,在NEH算法基础上提出了改进的基于两步法的NEH算法——TNEH算法。针对半导体封装生产实际调度问题,提出了最优匹配设备规则与求解Makespan最小的调度目标的下界算法。最后利用仿真评估软件在多种混合流水线配置下,对Palmer、Gupta、NEH、MNEH与TNEH算法进行对比验证。     

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。     

基于GA的柔性Flow Shop工位派工优化研究

柔性Flow Shop调度问题一直是研究热点,其实质是一种资源分配的优化问题。本文主要针对目标为最小化makespan的柔性Flow Shop调度问题,通过在eM-Plant软件平台上建立Flow Shop仿真模型,并结合遗传算法和派工法则,对流水线上每一个工位的派工进行优化选择,得出整体流水线最优的情况下每一个工位所使用的派工法则,以此来提高整体流水线的生产效率。最后,结合案例在eM-Plant平台上建立了相应的仿真模型,并验证了基于遗传算法进行工位派工优化的可行性和有效性。     

基于智能计算方法的AGV制造车间调度问题研究现状

基于智能制造车间物流系统中AGV的复杂动态调度问题,阐述了智能计算方法在复杂调度技术方面及其在智能制造车间AGV调度的研究应用.对群智能计算、遗传算法、人工神经网络等常见智能计算方法的特性及调度问题应用进行分析.针对群智能计算方法重点探究了粒子群算法、蚁群算法及人工蜂群算法在制造业AGV调度中的应用;结合遗传算法与柔性制造系统生产理念总结了AGV调度研究现状;在人工神经网络方法上,介绍了基于深度学习、强化学习有关的AGV调度问题研究及特点.基于智能计算方法各自计算特点对其在制造车间AGV调度应用进行了探讨,总结了智能计算方法在制造车间关于AGV智能调度的研究的发展趋势,方便未来AGV车间调度系统的技术研究选择合适的算法.     

基于智能计算方法的AGV制造车间调度问题研究现状

基于智能制造车间物流系统中AGV的复杂动态调度问题,阐述了智能计算方法在复杂调度技术方面及其在智能制造车间AGV调度的研究应用.对群智能计算、遗传算法、人工神经网络等常见智能计算方法的特性及调度问题应用进行分析.针对群智能计算方法重点探究了粒子群算法、蚁群算法及人工蜂群算法在制造业AGV调度中的应用;结合遗传算法与柔性制造系统生产理念总结了AGV调度研究现状;在人工神经网络方法上,介绍了基于深度学习、强化学习有关的AGV调度问题研究及特点.基于智能计算方法各自计算特点对其在制造车间AGV调度应用进行了探讨,总结了智能计算方法在制造车间关于AGV智能调度的研究的发展趋势,方便未来AGV车间调度系统的技术研究选择合适的算法.     

多目标柔性作业车间稳健性动态调度研究

研究了以调度稳定性和鲁棒性为优化目标的柔性作业车间动态调度问题。建立了多目标柔性作业车间动态调度问题模型;针对动态事件特点,采用工件到达发生器和机器故障预维护发生器模拟动态事件,提出了基于周期与事件驱动的混合重调度策略,该策略在每个重调度点对工件进行完全重调度或右移重调度;为克服传统差分算法早熟的缺点,设计了一种改进的多目标差分进化算法求解该调度问题;实例验证了提出策略和算法的有效性。