分支定界法在制丝多线排产优化中的应用

为优化制丝多生产线排产,设计了带约束限制、以总生产成本为优化目标的排产数学模型.该模型使用分支界定优化算法进行求解,并针对实际的制丝任务排产,改进了算法流程和求解策略.采用.NET编程实现了制丝多线生产的整数规划优化.通过制丝生产任务分配实例,验证了分支定界算法的有效性.该算法在满足实际生产约束条件下,获得了优化的制丝多线任务分配方案,从而降低了制丝生产总成本和烟丝库存.     

基于变邻域模拟退火算法的多自动导引车任务分配优化

针对多自动导引车（AGV）仓储系统任务分配问题,提出了变邻域模拟退火（VN_SA）算法。首先,根据系统作业流程及AGV运行特征,以AGV执行任务的路径代价、时间代价以及任务均衡值代价为目标,并在约束中加入AGV空载行驶和负载行驶的耗电情况,构建更贴合实际的多AGV仓储系统任务分配多目标优化模型;其次,针对问题特点,设计了一种变邻域模拟退火算法。算法中的邻域扰动操作拓展了模拟退火算法的搜索范围,且概率突变特性的结合使算法跳出局部最优,并获得全局开发的效果。分别设置任务量为20、50、100的作业进行仿真实验,实验结果表明,所提算法优化后的总代价相较于遗传算法（GA）分别降低了6.4、7.5、13.2个百分点,验证了所提算法在不同任务规模下的有效性。可见所提算法具有更好的收敛性和搜索效率。     

一类基于多个目标的制造任务优化分配方法

提出了一种基于多个目标的制造任务优化分配方法。建立了以任务总加工时间最少、任务完成时间最早、任务完成总质量最高为目标函数,以制造设备负荷率满足要求为约束的优化分配模型。针对模型的多目标、多约束、大组合量特点,结合遗传算法全局搜索能力强、模拟退火算法局部搜索能力强的优点,提出了一种多阶段父代更新自适应遗传-模拟退火算法。以某多品种小批量生产车间制造任务分配为例,验证了方法的有效性。     

基于协同差分进化的多出救点应急物资调度

主要利用差分进化算法来研究时间约束下的多出救点应急物资调度优化问题。针对传统差分进化算法搜索速度慢、易陷入局部最优解的缺点,提出一个并行协同差分进化算法,将该算法应用于时间约束下的多出救点应急物资调度优化,建立相应的数学模型,在此基础上设计相应的算法。实例验证表明,同遗传算法、标准差分进化算法相比,该算法在解决具有时间约束的多出救点应急物资调度优化问题方面具有较快的搜索速度和较好的寻优能力。     

带时限的多出救点应急物资调度模型及算法

主要研究时间限制下的多出救点应急资源调度优化问题。针对传统优化算法搜索速度慢、易陷入局部最优解的缺点,提出一种新的基于高斯函数的混沌粒子群优化算法,该算法利用高斯函数的分布曲线特性和混沌的遍历性来增强粒子群优化算法的寻优能力。将该算法应用时间限制下的多出救点应急资源调度优化,建立了满足应急时间限制下系统总费用最小的数学模型,介绍了该算法的详细实现过程。算例通过和遗传算法和标准粒子群算法进行比较,证明了其搜索速度和寻优能力的优越性。     

工业无线传感器网络攻击源定位任务分配优化算法

针对工业无线传感器网络中参与攻击源节点定位的任务分配问题,构建和求解多目标优化定位任务分配模型,任务分配模型中设定参考节点组合总能量消耗、距离平均标准偏差目标函数,以及空间约束和剩余能量约束条件;采用循环拥挤排序将非支配排序遗传算法(NSGA-Ⅱ)进行改进后加入基于稀疏度局部搜索的混合优化算法联合求解任务分配模型,将稀疏度最小的解作为稀疏解,再采用极限优化策略在稀疏解周围进行局部搜索使得解拥有更好的分布特性.Matlab仿真结果表明该改进的混合优化算法可以提高算法收敛速度以及降低算法复杂度,在较快的时间内选择出合适的参考节点组合,减少了定位误差,提高了定位精度.     

遗传算法在烟草企业排产中的应用研究

卷烟制造行业的生产管理要求十分严格,生产计划必须严格满足工艺流程的要求,对生产计划时间安排必须特别准确,对生产过程控制和质量管理要求很高。文章研究了遗传算法在烟草企业排产中的应用,设计了一种基于遗传算法的排产算法模型,该模型被实际应用到常德卷烟厂MES系统的设计实现中,运行效果证明了其有效性。     

粒子群遗传算法在离散制造业排产中的研究

在离散制造业中,排产方法的优劣直接影响生产的效率.为了使算法更好的应用到排产当中,首先分析离散制造业的生产特点.同时,为了提高算法的搜索性能,分析遗传算法与粒子群优化算法的优缺点,提出了一种粒子群遗传混合算法(PSO_GA).该算法中,在遗传算法的基础上引入参数,从而动态控制每次迭代交叉变异比,进而提高群体多样性.同时为了克服遗传算法自身收敛速度慢的缺点,在适当的迭代周期内引入粒子群优化算法,从而提高算法的搜索速度和精度.最后,针对排产模型进行仿真实验,结果表明该算法具有很好的搜索性能.     

遗传算法在刹车片生产计划排产中的应用与实践

生产计划的排产问题是影响车间生产效率的主要因素之一.合理的排产计划能够高效地使用车间现有的生产资源,提高车间生产能力,降低生产成本.本文首先分析了刹车片生产运行状况,针对热压成型生产车间的多品种变批次生产模式,建立了排产数学模型;其次,设计了一种联合均值-遗传算法,对热压成型车间的排产数学模型进行求解;最后通过实验仿真,对本文设计的算法进行验证,实验结果表明联合均值-遗传算法能够很好的解决当前刹车片生产计划的排产问题.     

区域性应急物资储备库选址－配给模型与算法

为整合区域性应急物资储备资源,加强储备物资的协同管理,研究了区域性应急物资储备库的多点选址-配给问题。建立了以储备库建设成本与变动成本、物资运输成本之和最小化,以及物资运输总时间最小化的区域性应急物资储备库选址-配给多目标优化模型。鉴于多品种、多目标选址-配给问题的特点,设计了一种改进的多目标遗传算法,并用MATLAB编程实现模型的求解。在算法流程设计中,对于高维稀疏矩阵编码且具有强约束限制的选址-配给问题,初始化过程中采取搜索空间限定法来规避违约,并设计了定位变异算子以此生成子代。算例分析结果表明该算法性能较好,可以有效求解多点设施选址-配给问题。     

基于改进型批决策与调度建模的生产计划调度系统的研究

热轧型钢生产工艺复杂,其生产中极易出现由于计划调度安排不当而产生的交货期延误、库存超负荷等问题。针对以上问题研究设计了MES生产计划调度系统,改进了批决策调度策略用于数学建模,利用自适应遗传算法求解生产调度计划。以此为基础,为某热轧企业设计实现了生产计划调度系统,并通过真实的热轧型钢订单、原料、设备等数据,对模型改进前后的计划编制方法进行模拟与比较,验证了利用该改进型批决策与调度模型编制的热轧型钢生产调度计划可节省生产时间、降低设备调度时间,以此来指导热轧型钢的生产可切实减少交货延误和减少库存占用率,并提高企业利润率。     

基于启发式规则的混合遗传算法及其在生产计划优化中的应用

以最优或近似最优的作业顺序编制满足关键资源约束的生产计划优化问题一直是企业生产管理中重要的研究课题之一。文章提出了一种基于传统启发式规则的混合遗传算法。该算法将染色体分为两段,前段表示资源安排策略,后段表示为优先分配规则序列,并设计了一种新的交叉算子。最后,介绍了根据此算法编制的一个制造企业生产控制的软件系统。     

卷烟企业能源平衡调度模型与应用

为实现卷烟企业能源的供需平衡调度,研究了卷烟企业能源平衡调度方法与数学模型.在考虑卷烟企业能源种类多、分时段供应等条件下,建立了以最小化单位最终产品综合能耗和单位最终产品总能源消耗成本为目标的卷烟企业能源平衡调度模型,并构建了一种分段实数编码和基因中间重组操作的改良遗传算法来求解数学模型.某卷烟厂蒸汽平衡调度案例表明:建立的模型和求解算法能较好地解决卷烟企业能源平衡调度,并能有效降低卷烟生产能源2%左右. (Kunming University of Science and Technology, Kunming 650093,China)     

基于规则的烟草计划与排产系统

为提高烟草行业计划排产的实时性, 提出了符合卷烟生产特点的生产计划与调度系统, 并阐述了生产计划与调度系统的体系结构、功能模块、系统工作流程, 设计了基于规则的调度算法. 所设计的系统能够持续稳定的运行, 企业客户可应用本系统软件快速准确地根据销售合同和调度计划制定科学合理的生产调度计划, 真正实现管理与控制一体化操作.     

A multi-objective algorithm for task scheduling and resource allocation in cloud-based disassembly

Some manufacturers outsource their disassembly tasks to professional factories, each factory of them has specialized in its disassembly ability. Different disassembly facilities are usually combined to execute disassembly tasks. This study proposes the cloud-based disassembly that abstracts ability of the disassembly factory as the disassembly resource, the disassembly resource is then able to be allocated to execute disassembly tasks. Based on this concept, the cloud-based disassembly system is proposed, which provides the disassembly service according to the user requirement. The disassembly service is the execution plan for disassembly tasks, which is the result of scheduling disassembly tasks and allocating disassembly resources. To formally describe the disassembly service, this paper builds a mathematical model that considers the uncertainty nature of the disassembly process and precedence relationships of disassembly tasks. Two objectives including minimizing the expected total makespan and minimizing the expected total cost of the disassembly service are also discussed. The mathematical model is NP-complete, a multi-objective genetic algorithm based on non-dominated sorting genetic algorithm II is designed to address the problem. Computation results show that the proposed algorithm performs well, the algorithm generates a set of Pareto optimal solutions. The user can choose a preferred disassembly service among Pareto optimal solutions.     

Dynamic decision support framework for production scheduling using a combined genetic algorithm and multiagent model

Due to the dynamic nature, complexity, and interactivity of production scheduling in an actual business environment, suitable combined and hybrid methods are necessary. This paper takes prefabricated concrete components as an example and develops the dynamic decision support framework based on a genetic algorithm and multiagent system (MAS) to optimize and simulate the production scheduling. First, a multiobjective genetic algorithm is integrated into the MAS for preliminary optimization and a series of near‐optimal solutions are obtained. Subsequently, considering the resource constraints and uncertainties, the MAS is used to simulate complex real‐world production environments. Considering the different types of uncertainty factors, the paper proposes the corresponding dynamic scheduling method and uses MAS to generate the optimal production schedule. Finally, a practical prefabricated construction case is used to validate the proposed model. The results show that the model can effectively address the occurrence of uncertain events and can provide dynamic decision support for production scheduling.     

维修时点预测的动态车间调度问题

针对制造业中生产计划的不确定问题,提出一种维修时点预测与自适应的遗传模拟退火算法相结合的优化调度方法。该方法首先利用差分自回归移动平均模型预测设备未来的故障率,然后借助电气设备的威布尔（Weibull）分布模型逆向求出设备未来故障发生时刻,最后将此作为约束条件,利用自适应的遗传模拟退火算法解决传统的生产调度问题。结合工厂实际情况,主要分析了设备有无维修的随机调度问题,以最小化最大完工时间为目标,获取每一个任务的调度计划以及每一台设备的维修时点,确定出最佳调度方案。实验表明自适应的遗传模拟退火算法的性能较好。在河北某工厂的生产车间中,设备在运行调度方法后三个月的平均故障率比运行前相对降低了3.46%。     

考虑工件移动时间的柔性作业车间调度问题研究

分析生产车间的实际生产状况,建立了考虑工件移动时间的柔性作业车间调度问题模型,该模型考虑了以往柔性作业车间调度问题模型所没有考虑的工件在加工机器间的移动时间,使柔性作业车间调度问题更贴近实际生产,让调度理论更具现实性。通过对已有的改进遗传算法的遗传操作进行重构,设计出有效求解考虑工件移动时间的柔性作业车间调度问题的改进遗传算法。最后对实际案例进行求解,得到调度甘特图和析取图,通过对甘特图和析取图的分析验证了所建考虑工件移动时间的柔性作业车间调度问题模型的可行性和有效性。     

基于遗传算法的一类带缓冲区的混合生产调度

提出带缓冲区的混合生产的一种调度模型,将离散生产所需的半成品原料的生产分解为连续生产各生产线的分段式生产任务,并给出快速调度方法,再利用遗传算法和分派规则求解离散生产调度问题,仿真算例表明了该方法的有效性。