基于多Agent的柔性作业车间调度研究

针对多目标柔性作业车间调度问题,构造了基于多Agent的车间调度模型,研究了多Agent之间的交换协调机制．提出一种改进遗传算法并封装在策略Agent中,通过对编码规则、解码算法与交叉、变异算子进行改进,提高了调度优化算法的实用性和优化效果,实现了多目标动态调度,提高了系统的适应性和健壮性．某企业车间应用实例证明其可以满足车间调度高效、稳定的要求．     

基于混合元胞遗传算法的柔性车间调度问题研究

针对柔性作业车间调度问题,建立了以最大完工时间最小、机器最大负荷最小、总机器负荷最小为优化目标的多目标优化模型.引入多色集合理论,建立了柔性车间调度问题的多色集合约束模型,提出了基于多色集合约束模型的元胞遗传算法(apolychromatic collection based cellular genetic algorithm,PCGA),以解决遗传算法在求解柔性车间调度问题时表现出的早熟和收敛性不足等问题.用改进的元胞遗传算法求解柔性车间调度的多目标优化算例,并与其它遗传算法进行比较,实验结果表明,基于多色集合的改进元胞遗传算法在求解此问题时更为高效.     

面向代理的车间动态调度方法

针对车间动态调度缺乏有效方法的现状.建立了车间动态调度的数学模型.将车间组元定义为多个独立的代理(Agent),并将蚁群在觅食过程中通过释放信息素的方式进行交流与合作的行为,应用到Agent之间的协商与通信中,建立了Agent之间的协作模型,形成了基于多代理协商的动态调度方法.仿真试验对比表明.基于多代理协商的车间动态调度方法优于基于遗传算法的动态调度方法.     

基于遗传算法的网络化制造车间调度

针对卷铁芯变压器网络化制造车间的调度问题,给出了调度系统的整体框架,将这个网络化制造系统分为两层调度体系.上层调度体系负责各车间生产任务的部署,下层车间级的调度为各具体生产环节的执行.以剪裁车间的生产加工为例,提出了一种基于改进遗传算法的调度模型,在基于作业的编码方法上融入了基于机器分配的编码方法,并据此设计了相应的交叉变异操作,兼顾了生产成本和生产时间两个目标,有效地解决了多目标优化问题.     

基于深度学习神经网络和量子遗传算法的柔性作业车间动态调度

针对柔性作业车间动态调度问题构建以平均延期惩罚、能耗、偏差度为目标的动态调度优化模型,提出一种基于深度Q学习神经网络的量子遗传算法。首先搭建基于动态事件扰动和周期性重调度的学习环境,利用深度Q学习神经网络算法,建立环境■行为评价神经网络模型作为优化模型的适应度函数。然后利用改进的量子遗传算法求解动态调度优化模型。该算法设计了基于工序编码和设备编码的多层编码解码方案;制定了基于适应度的动态调整旋转角策略,提高了种群的收敛速度;结合基于Tent映射的混沌搜索算法,以跳出局部最优解。最后通过测试算例验证了环境-行为评价神经网络模型的鲁棒性和对环境的适应性,以及优化算法的有效性。     

一种改进的车间调度问题算法

分析了求解车间调度问题的多种方法,建立了基于集合论的数学模型,研究了两层编码遗传算法在车间调度问题中的具体应用,包括编码格式、适应度度量、遗传算子等。提出了一种基于两层编码遗传算法的车间调度算法,并用三个实例验证了算法的有效性。实验结果表明:提出的车间调度算法在求解速度和求解质量上都有明显改进。     

改进遗传算法及其在矿山生产调度中的应用

基于多目标生产调度的特点和不足,从采掘运输成本和矿石品位两个角度出发,考虑矿石种类、铲位出矿量及卡车调度等因素,构建了多目标矿山生产调度模型.结合遗传算法解决多目标优化问题的优势,提出了基于改进遗传算法的矿山生产调度策略以及实现过程,并将改进前后遗传算法对模型的求解进行对比.模拟实验结果表明,运用改进遗传算法对矿山资源...     

订单可分解多柔性作业车间协同鲁棒调度

针对企业多车间协同生产需求,对多柔性作业车间协同调度问题展开研究,提出了一种订单可分解多柔性作业车间协同鲁棒调度方法。给出多车间协同调度的求解方案,设计了两级决策树生产订单分配模型,其中,第一级决策树进行分配策略选择,第二级决策树进行生产订单拆分。在第一级决策树中设计了基于遗传算法的拖期检测方法,提高车间产能评估的准确性,同时,将新订单加入视为动态调度过程,通过染色体的层次选择增强调度的鲁棒性。在第二级决策树中基于线性规划提出了生产订单分解的上下界准则。最后,通过一个基准案例以及部分生产实例对订单可分解多柔性作业车间协同鲁棒调度方法进行测试。测试结果表明,该方法具备可行有效性,可供企业实际应用参考。     

多目标柔性作业车间调度的多交叉策略元胞进化算法*

针对经典Job-shop调度问题的局限性,构建了以加工成本、瓶颈机器负荷、机器总负荷及制造工期为目标函数的柔性作业车间调度多目标优化模型,提出了基于多交叉策略的元胞多目标遗传算法。在分析优化模型的基础上,使用双层编码方式,并采用多个交叉算子协同进化,提出一种多交叉策略的进化算子。针对元胞多目标遗传算法的特点,提出一种改进的精英策略,保证更多的精英个体参与进化,从而提升算法收敛速度。通过2个基准实例求解对比分析,表明所提方法的有效性。将新算法应用于实际生产企业的车间调度问题中,得到了一组Pareto解集,并采用层次分析法得到一种满意度最大的方案。数据结果表明,该算法在解决多目标FJSP的工程有效性。     

应用改进遗传算法求解炼钢连铸生产调度问题

炼钢连铸制造流程是一个复杂的多阶段、多产品生产过程,其生产调度问题可建模为车间调度问题. 提出一个改进遗传算法求解炼钢连铸生产调度问题. 改进包括三个方面:基于排序的适应度分配、基于排序的工件过滤交叉算子和基于指数关系的变异率曲线. 经24个benchmark的比较测试表明,改进遗传算法比传统遗传算法的寻优能力更强. 通过16个生产计划和6个处理工序的炼钢连铸生产调度实例计算结果表明,改进遗传算法是有效的.     

基于改进遗传算法的车间调度原型系统

为了提高遗传算法求解作业车间调度问题的初始解质量和简化遗传操作过程,提出基于幻方变幻的互换编码规则改进遗传算法;同时利用该算法基于.NET平台建立了车间调度问题和柔性车间调度问题的混合原型系统。实验结果表明:采用幻方变换的互换编码规则,提高了遗传算法的求解能力;基于该算法的原型系统实现方便,求解效率高,能够有效应用于作业车间调度系统的开发。     

基于演化博弈的敏捷车间单元动态调度

为了满足现代制造业的敏捷性要求,面向敏捷车间的单元动态调度方案设计开发,构建基于多代理系统的敏捷车间单元动态调度框架。基于文献述评,提出自上至下以及自下至上相结合的单元动态调度思想,分析单元动态调度的内涵及特征,建立融入模糊理论的单元动态调度综合满意度函数。考虑敏捷车间中Agent的有限理性以及决策支持信息的不完全不完美性,运用演化博弈论,给出Agent的资源优选演化稳定策略解释。接着,利用协同演化遗传算法求得面向多项工作任务的车间资源重组全局优化解,结合聚类分析法作出敏捷车间单元动态调度的最满意决策。最后提供陕西装备制造业的调度实例,验证了上述调度方法的有效性及可行性。     

基于遗传算法的大型Flow-shop生产调度

Flow-shop调度问题具有建模复杂性、计算复杂性、动态多约束、多目标性等特点。近几年,各种演化计算方法逐渐被引入到生产调度中,特别是遗传算法的应用。为此,应用Matlab开发生产调度程序,并利用实际生产数据进行了仿真;通过相关仿真实验,验证了不同交叉算子和变异算子组合获得的最优解存在差异,获得并验证了一种较好的交叉算子和变异算子组合,其仿真调度数据验证了遗传算法用于求解大型流水车间调度的可行性和有效性。     

面向作业车间调度问题的遗传算法改进

为了获得遗传算法在作业车间调度问题上的最优化解,提高算法的迭代速度,研究了遗传算法的改进方法,以工件的加工时间最短为目标建立调度模型。在算法上提出了基于概率改进的具有自适应能力的交叉与变异算子,以求作业车间调度问题的最优解。在遗传算法上采用精英保留策略方法,并结合改进的自适应算子对问题进行求解。以基准案例LA01和FT06作为实验仿真对象,获得了相应的甘特图以及搜索过程曲线。仿真结果表明,与未改进的算法相比,该算法能够更加快速地获得最优解。改进后的算法在搜索上更加快速有效,在求解作业车间调度问题上具有一定的可行性,更加适合工业加工生产。     

一种求解柔性作业车间调度问题的改进DRSGA

为了解决柔性作业车间调度问题中权重难以确定导致调度效率低的问题,该文提出了1种改进的动态随机搜索遗传算法(DRSGA)。用功效系数法将所有工件完成时间和机器的总负载转化为单一的最小化目标。基于工序和机器分配2种交叉操作,采用1种双层染色体编码方案进行编码。采用1种可变影响空间评价方法,在保证非劣解均匀分布的同时维护了种群多样性。采用动态随机搜索(DRS)和擂台赛法则调整关键路径中工序的排序,得到最优调度方案。将改进DRSGA与向量评估遗传算法、改进遗传算法和混合遗传算法运行结果进行比较,仿真实验结果表明,改进DRSGA求最优解所用平均时间比3种对比算法缩短了41~257 s。     

基于改进遗传算法的柔性作业车间调度优化

在实际生产中,加工成本愈发成为企业关注的重要因素。本文对以最小化加工成本与完工时间为目标的柔性车间调度问题进行了研究。首先根据实际约束构建调度模型,提出改进遗传算法对模型进行求解,引入质量基因段来增强对染色体适应度值的评价,加速淘汰质量差的个体。为了优化求解质量,提出了基于整体负荷最小与局部负荷最小的种群初始化方法,并设计了精确变异机制来维持种群多样性。最后用标准算例进行测试,相比于其他改进遗传算法,求解速度得到提高,求解质量也得到了提升,验证了此改进遗传算法的有效性。     

基于制造车间的动态调度方法研究

生产调度采用有效的调度方法和优化技术来提高生产效率,其中作业车间调度（Job Shop）是问题域中的较复杂的问题属于典型的NP问题。基于此问题,业界已有诸多如遗传算法,启发式算法等解决办法。但是在实际生产过程中,往往会有碰到诸如设备损坏,新订单到来,订单取消,交货期提前等情况,激发的调度被称为动态调度。本文系统讨论了动态调度的类型和相应的解决办法,更加贴近实际应用。     

一种面向绿色制造的多目标车间调度方法

提出了一种新的面向绿色制造的多目标车间调度方法,通过将调度目标分解为竞争性指标和可持续性指标,分别建立了竞争性指标的调度模型和可持续性指标的评价模型,并基于改进的遗传算法求解出多组满足竞争性指标的Pareto最优解;然后从这些解中模糊优选出可持续性指标值最好的协调解,即为所求的绿色调度方案。实例研究表明,该方法在保证生产效益的前提下,能够使制造过程的资源消耗和环境影响最小,有效地解决了绿色制造中的多目标调度优化问题。     

基于多Agent与遗传算法的柔性车间调度系统研究

为解决柔性车间调度自动化及优化问题,建立了基于多Agent及遗传算法的柔性车间调度系统。系统是一个由管理Agent,调度Agent及多个加工单元Agent组成,系统中通过遗传算法实现静态优化调度,而通过Agent之间的协作现实动态调度。加工任务到来时,先经管理Agent评估,接受后打包相应信息传递给调度Agent;调度Agent调用其面向对象遗传算法对任务进行优化分解并传递给各加工单元Agent;加工单元Agent根据调度Agent下达的任务进行加工,同时通过相互协调动态调整加工任务,以消除加工过程中出现的不确定性。示例运行表明所建立的系统可行,并兼有实用性,先进性和有效性。     

车间生产调度中动态小生境协同进化算法

车间生产调度是企业生产的重要环节。为避免遗传算法在求解多车间协同调度时早期成熟和陷入局部最优解,以及收敛速度慢的问题,特引入一种基于动态小生境集的多种群协同进化模型。在基于工序的染色体编码方法的基础上,利用交叉算子和变异算子调整加工顺序和多工艺路线选择。融合动态小生境集技术和多种群协同进化方法,实现多工艺路线下多车间协同生产调度的优化求解。实验表明,该方法具有良好的优越性。