冲压车间调度的动态拥挤度NSGA-Ⅱ多目标优化方法

为了降低冲压车间总能耗、缩短冲压件完成时间,提出了基于动态拥挤度NSGA-Ⅱ算法的冲压车间调度优化方法。分析了冲压机各工作状态,针对多制件、多工序调度问题,建立了以能耗最低、完成时间最短为优化目标的多目标优化模型。针对NSGA-Ⅱ算法中拥挤度比较算子会降低基因的多样性的问题,给出了动态拥挤度策略,该策略在删除多余染色体的同时,动态更新各染色体拥挤度,从而提出了基于动态拥挤度NSGA-Ⅱ算法的模型求解方法。经实例验证,NSGA-Ⅱ算法搜索的Pareto前沿解集不是真正的前沿解,而是陷入了局部最优,动态拥挤度NSGA-Ⅱ算法搜索出了Pareto前沿解集,其优化结果在能耗和完成时间上均优于NSGA-Ⅱ算法。     

基于改进NSGA-II算法的高维多目标柔性冲压车间生产调度优化

为了优化柔性冲压车间的生产调度、减少车间的生产能耗、实现绿色可持续发展，以车间总能耗、最大完工时间、总拖期、设备总负载最小为目标，建立了高维多目标柔性车间调度模型。提出改进的二代非支配排序遗传算法NSGA-II,该算法优化了局部搜索操作、精英选择策略、交叉和变异概率。根据柔性冲压车间的生产实例，利用传统和改进的NSGA-II算法分别对4个目标函数进行求解，并对各目标的优化迭代过程进行对比，验证了改进算法的有效性。同时，采用优劣解距离法选取一个调度方案，与基于传统NSGA-II算法求出的生产调度方案相比，改进算法得出的调度方案的车间总能耗降低了22.1%、最大完工时间缩短了14.8%、设备总负载减少了11.6%。     

基于自适应NSGA-Ⅱ算法的柔性车间多目标生产调度

针对大型军工电子装备企业的组件制造生产调度问题,建立了以最小化最大完工时间、生产成本和最大设备负荷为目标的柔性车间生产调度模型。依据柔性车间多目标调度问题的特点,提出了一种改进的自适应NSGA-Ⅱ算法,在遗传算法的不同阶段动态的调整交叉和变异的概率,提高了算法的计算效率。同时,为了提高种群多样性、避免非法解产生和最优解丢失,该算法对工序和设备进行独立的交叉和变异操作,并采用独立于种群的精英保留策略。最后通过实例验证了算法的有效性,相较于初始输入的最大完工时间、生产成本和设备负荷分别减少了34.97%、9.80%和31.63%。     

混合NSGA-Ⅱ算法求解多目标柔性作业车间调度问题

针对柔性作业车间调度问题(Flexible job scheduling problem,FJSP),以最大完工时间、提前/拖期惩罚函数、生产总成本为优化目标,提出了一种融合NSGA-Ⅱ与模拟退火算法的混合算法来求解多目标柔性作业车间调度问题。个体编码方式采取工序与对应机器的双层编码表达方式;在选择过程中采用更加有效的模拟二进制交叉与模拟退火相结合的方法,来保持种群的多样性,使得进化更加完全;使用非支配排序规则获取种群中个体间的支配关系,得到问题的Pareto解集。通过文献中的仿真实例,验证了算法的优越性。     

基于自适应的NSGA-Ⅱ多目标柔性作业车间调度

针对非支配排序遗传算法（NSGA-Ⅱ）进行自适应改进，采用独立的交叉和变异操作对工序与设备进行排序及分配的调整，从而求解多目标柔性作业车间调度问题。改进后的算法可依据不同阶段,动态调整算法的交叉概率与变异概率,提升算法运算效率、种群多样性并减少非法解的产生。最终，通过实例仿真验证算法的有效性。结果表明：新方案的最大完工时间、加工能耗、加工设备总负载和延期时间均得显著改善，有效提高了生产管理效率。     

面向节能的冲压车间调度优化方法

合理的车间调度是降低制造业生产能耗的有效策略之一。结合冲压车间生产特性,分析了冲压车间中冲压件加工过程的能耗,以完工时间最小和车间总能耗最低为目标,建立了面向冲压车间的优化调度模型,在模型中考虑冲压件的批量以及运输能耗。采用遗传模拟退火算法对模型进行求解,并对4种批量冲压件的加工进行了实例分析。结果显示:采用优化调度方案与传统调度方案相比,在完工时间增加了2.56%的基础上,车间总能耗降低了5.25%,平衡了完工时间与总能耗;同时,考虑运输能耗的调度将有助于决策者选择更加节能的调度方案。研究结果验证了所建立模型的可行性及有效性。     

基于熵增强混沌遗传算法的柔性作业车间调度

为使企业获得最优综合调度质量的车间调度方案,研究了多目标柔性作业车间调度数学模型及其求解算法,建立了基于最大完工时间、最大机器负荷差、机器总负荷和调度复杂度4个调度质量指标的多目标柔性作业车间调度问题模型(MFJSP),提出熵增强混沌遗传算法(ECGA)求解该模型,应用伯努利混沌映射公式改进算法选择操作,用高斯云模型改进变异算子和交叉算子,提高算法的全局寻优能力和搜索效率。根据计算的交叉概率和变异概率执行切牌式交叉操作和两基因片段式变异操作提高种群基因的多样性。以M8J12P3调度问题为例验证了MFJSP模型和ECGA算法的有效性。结果表明,与SGA、PSO和ABC相比,ECGA具有更快的收敛速度和更好的全局搜索能力,有助于企业提高生产效率和降低成本。     

云制造模式下基于变邻域动态烟花算法的柔性车间调度

针对云制造模式下多目标柔性车间调度问题,考虑柔性车间零件加工的优化及云任务与自生产任务的协同调度,建立了以最大完工时间最小、机器利用率最大、碳排放量最小为最优指标的多目标柔性车间调度模型。在无需预先生成工件的加工路线的前提下,提出了一种基于变邻域搜索的动态烟花算法。通过变邻域搜索有效提高局部最优解的精度。引入进化速度的概念,利用进化速度计算算法迭代过程中需要更新的维度,实时调整相关参数,加速算法收敛,避免陷入局部最优。最后,通过对比仿真验证模型和算法的有效性和鲁棒性。     

基于pareto方法的多目标柔性车间调度问题的研究（英文）

多目标柔性车间调度问题一直是一个学术的难题,关于并行机的问题更是很少讨论。建立了基于并行机的多目标柔性车间调度的数学模型,目标函数为最小化最大完工时间和加工成本。与以往智能优化算法不一样的是,提出了一种基于pareto的简单优化算法。该算法主要包括两个模块:加工顺序模块和机器选择模块,其中机器选择模块采用了基于pareto优化算法。最后,数字实验表明了该算法的正确性和有效性。     

基于pareto方法的多目标柔性车间调度问题的研究

多目标柔性车间调度问题一直是一个学术的难题,关于并行机的问题更是很少讨论.建立了基于并行机的多目标柔性车间调度的数学模型,目标函数为最小化最大完工时间和加工成本.与以往智能优化算法不一样的是,提出了一种基于pareto的简单优化算法.该算法主要包括两个模块:加工顺序模块和机器选择模块,其中机器选择模块采用了基于pare-to优化算法.最后,数字实验表明了该算法的正确性和有效性.     

基于离散多元宇宙算法的柔性作业车间调度北大核心

针对柔性作业车间调度问题计算复杂度高,求解困难的难题,提出了一种离散多元宇宙优化算法。首先,建立起以最大完工时间为目标的柔性作业车间调度模型,使用两段式整数编码和贪婪插入解码建立算法与调度问题之间的联系;其次,设计宇宙种群初始化方法,以确保初始调度解的质量和多样性;然后,在基本多元宇宙算法的基础上,设计新的白洞选择,黑洞白洞传输和向最优宇宙移动机制,提高了算法求解柔性作业车间调度问题的性能。通过基准算例与其他智能算法比较,实验表明,所提算法可以有效的求解柔性作业车间调度问题。     

含局部流水的柔性作业车间调度研究

针对含有局部流水生产的柔性作业车间生产调度问题,首先在柔性作业车间调度问题的基础上建立调度模型,然后提出一种基于模拟退火法的调度算法,同时对加工路径和加工顺序进行优化,并实现最小化完工时间的调度目标。最后通过实例进行仿真,结果表明了算法的可行性和有效性。     

改进遗传算法求解低碳约束的柔性车间调度问题

考虑了实际生产的碳排放问题,提出低碳排放约束下的柔性作业车间调度问题,以最大完工时间最小和碳排放最小为目标。采用改进的遗传算法求解低碳约束下的柔性作业车间调度问题,采用分步求解,先以最大完工时间最小进行调度方案的优化,再以碳排放指标进行调度方案的选取。在低碳约束下,同时考虑机器加工运转和空闲运转,设计不同机器间的碳排放模型。通过使用改进的遗传算法求解仿真案例得到不同的调度方案,根据预设碳排放模型比较分析得出调度方案的优劣。最后通过对企业生产实例的计算,并对不同调度方案进行总碳排放的对比,验证所建立的碳排放模型的有效性。     

面向柔性作业车间的动态调整权重启发式算法

针对柔性作业车间绿色生产以及生产均衡性问题,提出一种面向柔性作业车间绿色生产的动态调整权重启发式算法。首先,根据柔性作业车间生产特点构建时间、能耗节能调度优化模型,基于调度模型提出综合优先规则,依据此规则对调度优先级进行干预,实现设备与工序的分层优化,获得高效、低耗的生产方案。在每一次迭代寻优过程中,通过缩短时间、能耗指标值与平均聚集距离的偏差率动态调整指标权重系数,保证时间、能耗选择的均衡性,避免优化过程陷入局部收敛,同时指导下一阶段的选择。最后,通过案例分析对比不同算法的优化结果,验证算法的有效性及准确性,为柔性作业车间生产提供指导。     

柔性作业车间鲁棒调度与预防性维护集成优化

对柔性作业车间生产过程中预防性维护难以有效避免机器故障的发生,并且还存在各种无法预测的随机事件的问题进行了研究。为了有效应对这种情况,提出了多目标柔性作业车间鲁棒性调度与预防性维护的集成优化模型和在空闲时间进行预防性维护的策略,同时优化加工周期、机器可用性和调度方案的鲁棒性。应用多目标遗传算法NRGA对模型求解,并针对柔性作业车间调度问题的特点,采用三层编码方法。采用有效的交叉和变异操作避免产生非法解。最后通过模拟随机事件的发生进行仿真实验,结果表明提出的模型、维护策略和求解算法能够有效地提高生产效率、维护机器可用性、避免实际调度性能的恶化。     

改进模拟退火算法在柔性调度中的应用

针对柔性生产碳排放量和作业时间的耦合,文章以碳排放量和最大完工时间为优化目标,建立了柔性作业车间调度模型,并提出了一种基于改进模拟退火算法的调度策略。为了提高算法的运行速度,采用了随机位置和轮盘赌的两种编码方式。为了避免算法陷入早熟,采用了个体调换和局部颠倒两种不同的搜索方式。最后以车间生产实际案例为背景,通过设置碳排放量和最大完工时间不同的权重系数代表不同的工厂对生产目标的不同要求,生成不同的调度方案。实验结果表明文中所提出的基于改进模拟退火算法的调度策略在加入低碳要求的车间调度中是可行和有效的。     

考虑多时间因素的绿色柔性作业车间动态调度

针对质检扰动引起的完工时间延迟和机床能耗高的问题,对绿色柔性作业车间动态调度进行研究。从考虑调整时间和质检时间的视角建立节能调度模型,采用加权归一的方式将多目标合并,利用改进的头脑风暴算法进行求解,在编码环节引进了转换机制和多层编码策略,优化了机器选择和工序排序问题。通过Matlab仿真软件对算例进行测试,研究结果表明:合理的重调度方案可将质检扰动对原始调度的影响控制在一定范围内,保证了生产的稳定性;企业可调整目标函数的权重系数,在保障交付期的前提下,尽可能降低能耗,有利于企业推行可持续发展战略。     

基于混合遗传蚁群算法的多目标FJSP问题研究北大核心

针对多目标柔性作业车间调度问题求解过程中未综合考虑解集多样性与求解效率的问题,提出了一种混合遗传蚁群算法来求解。首先,通过改进的NSGA-Ⅱ(non-dominated sorting genetic algorithmⅡ)获取问题的较优解,以此来确定蚁群算法的初始信息素分布;其次,根据提出的自适应伪随机比例规则和改进的信息素更新规则来优化蚂蚁的遍历过程;最后,通过邻域搜索,扩大蚂蚁的搜索空间,从而提高解集的多样性。通过Kacem和BRdata算例进行实验验证,证明混合遗传蚁群算法具有更高的求解效率和更好解集多样性。     

考虑调整时间的柔性作业车间调度问题研究

考虑到工件在机器上存在安装、定位等调整时间对生产调度效率的影响,将工件在加工机器上的调整时间和加工时间作为独立影响因素进行研究。以最大完工时间最小为优化目标,建立带有调整时间的柔性作业车间调度数学优化模型。通过改进遗传算法对提出的模型进行求解,实现求解过程的快速寻优。运用Matlab软件平台对实际案例进行仿真,实验结果表明建立的模型和改进的算法是可行的和有效的,能够更有效的指导实际生产。     

柔性调度多目标优化的混合粒子群算法研究

研究多目标柔性调度问题,提出了一种基于多目标粒子群优化算法和局域搜索技术相结合的新算法.建立以最大完成时间、机器总负载和最大机器负载为目标函数的多目标数学调度模型.将粒子群算法运用到机器分配子问题;局域搜索技术运用到工序排列子问题,对粒子群算法得到的结果进行再调度.粒子群优化算法的全局搜索能力与局域搜索技术相结合,加快了算法的收敛速度.最后通过与其他算法进行测试比较,验证了该算法的可行性及有效性.