鲁棒优化与多智能体协调的电梯群控调度

针对电梯群控调度过程中交通流不确定和优化求解复杂性的问题,提出一种混合鲁棒优化方法和多智能体协调的电梯群控调度方法。分析了电梯群控调度中的交通流不确定问题,建立了解决该不确定问题的电梯调度决策鲁棒优化模型。为了弥补模型求解复杂度过高的不足,进一步提出鲁棒优化和多智能体调度结合的混合调度决策方法。仿真结果表明,该方法能有效改善群控调度的性能,提高群控调度对交通模式的适应性。     

多生产线作业协调调度的PSOGA混合优化算法

为了求解多目标多生产线调度问题,采用协同进化思想,提出了多种群PSOGA混合优化算法(MC-HPSOGA)。以最小化最大完工时间、最大化生产线利用率和最大化客户满意度为目标函数,建立了多生产线作业协调调度问题的多目标批量调度数学模型,并且设计最小批量动态分批策略,将MC-HPSOGA算法应用于BSPT公司角磨机装配线的多目标多生产线调度问题实例中,通过与粒子群(PSO)和遗传算法(GA)的比较,验证了MC-HPSOGA算法和模型的有效性。     

基于改进遗传算法的多目标装配线平衡优化研究

针对离散制造企业装配线再平衡问题,文章提出基于改进遗传算法的多目标装配线平衡优化方法。以最小化生产节拍、最大化产线平衡率和最小化平滑指数为优化目标建立装配线再平衡优化模型,并采用改进的遗传算法对平衡模型进行求解,算法基于任务排序的种群初始化方法,采用两点交叉方法,提高了算法寻优能力。文章最后以青贮机装配线实际案例验证了算法的有效性。结果表明,该改进遗传算法优化装配线平衡的同时提高了整体的生产效率。     

一类已知概率分布下的混合车间鲁棒调度问题研究

为解决一类产品生产需经上游作业车间的零部件加工和下游流水车间的零部件总装的调度问题,在研究生产调度文献的基础上,给出了混合车间调度问题;给出一类已知概率分布下的混合车间鲁棒调度方法,并建立鲁棒调度模型;采用遗传算法求解鲁棒调度模型。最后进行了实证研究,证明所建模型以及遗传算法在求解混合车间调度问题上是有效的。     

基于混合教与学优化算法的炼钢连铸调度

根据炼钢厂的实际生产环境,建立了无等待多工艺路线的炼钢连铸模型,提出一种混合教与学优化算法求解该模型。在混合算法中,引入转换规则的教与学优化算法求解离散问题;采用变邻域搜索调整机器选择,教与学优化算法调整调度顺序的方式,将并行问题串行化。对具体实例进行测试,将人工调度方法、遗传算法、教与学优化和混合教与学优化算法的结果进行比较,验证了所提算法的可行性和有效性。     

基于混合优化算法的装配线平衡问题

为求解给定装配线生产节拍、最大化装配效率的装配线平衡问题,根据装配线的特点和平衡优化需求,分析了装配作业顺序、站位数量等因素对装配线站位内作业分配的影响,综合考虑装配线平衡率和平滑系数,建立了装配线平衡问题数学模型,并设计了一种结合遗传算法(Genetic Algorithm,GA)、蚁群算法(Ant Colony Optimization algorithm,ACO)的混合优化算法进行求解。采用遗传算法进行快速随机的全局搜索,并生成信息素矩阵初始分布,利用蚁群算法进行精确求解。最后通过标准案例测试,证明了该混合优化算法具有更高的优化效率,同时验证了算法的可行性和有效性。     

带缓冲时间的不确定性作业车间鲁棒调度研究

对机器故障下的作业车间鲁棒调度问题进行了研究。根据威布尔概率分布函数和故障浴盆曲线将不确定的机器故障转化为定量化的故障区间,建立带缓冲时间的性能鲁棒调度优化模型。用遗传算法求解该模型过程中,确立带缓冲时间的鲁棒解码规则,且交叉片段在整个父代中搜索与片段对等的基因,有利于扩大交叉范围。最后的仿真实验表明,优化模型保证了调度的鲁棒性,提出的改进遗传算法对问题求解的有效性。     

随机工时下柔性加工车间的鲁棒优化调度方法

为了提高柔性加工车间调度方案的可行性、保障生产过程的稳定性,提出一种鲁棒优化调度方法。引入两个不确定参数来描述随机工时的波动程度和约束条件的允许违背程度,提出随机变量服从概率分布时一般线性规划问题的鲁棒优化方法。采用该方法将含随机工时而难以求解的随机型柔性加工车间调度模型转化为确定型鲁棒对等模型。基于该模型,将随机工时融入适应度函数中,结合遗传进化的全局优化和邻域搜索的空间拓展能力研制出鲁棒调度算法,同步实现工件排序和机器分配的双重决策。案例测试表明,所提方法可以在较短计算时间内、以较小性能损失、将近95%的置信度获得当前最优解。     

基于人工免疫算法的鲁棒满意项目调度

针对不确定的资源受限项目调度问题,采用模糊数描述不确定的项目活动执行时间和项目交货期,建立了以最大化客户满意度和调度鲁棒性为目标的鲁棒满意项目调度模型.针对这一优化问题,设计了一种人工免疫算法.仿真计算结果表明,所建立的鲁棒满意项目调度模型在提高项目调度鲁棒性的同时,并没有过多地降低客户满意度,该模型可以实现两个优化目标之间很好的折中.     

带有区间不确定任务时间的装配线鲁棒平衡

为解决任务完成时间为连续区间参数的第二类装配线平衡问题,提出了装配线鲁棒平衡的思想.采用最小化最大后悔值的鲁棒决策准则,建立了装配线鲁棒平衡的数学模型,提出了计算给定任务分配方案对应节拍时间最大后悔值的策略,并设计了基于遗传算法的求解方法.通过一系列测试问题和某实际汽车总装生产线平衡问题,验证了所提方法的可行性和有效性.     

面向云制造的混流混合车间调度问题

为解决云制造环境下混流混合车间的生产调度优化问题,综合考虑混流装配与零部件加工的集成优化以及外协云任务与自制任务的协同调度,建立了以最小化最大完工时间、均衡化零部件生产和最大化零件车间机器利用率为优化指标的多目标车间调度模型。基于零件分批和车间调度的两阶段求解策略,设计了一种两级递阶结构的混合生物地理学优化算法,采用在迁移算子中嵌入差分进化算法的变异策略来提高算法的搜索效率。最后,通过实例验证了模型和算法的有效性。     

混合不确定性鲁棒协同优化设计方法

为了改善鲁棒协同优化设计中约束函数鲁棒性评估的精确度,提出一种混合不确定性鲁棒协同优化设计方法.针对区间分布不确定性优化问题,该方法通过灵敏度分析方法修正子学科中的鲁棒约束函数,使不确定性因素不仅包括各输入变量的不确定性,还包括鲁棒协同优化求解过程中共享设计变量不一致带来的模型不确定性.数值算例的优化结果表明,混合不确定性鲁棒协同优化方法显著改善了约束函数鲁棒性评估的精确性.将该方法应用到一个卫星结构优化设计问题中,并采用自适应模拟退火算法求解,验证了该方法对复杂工程系统鲁棒优化设计问题的适用性.     

基于机床加工匹配特性的混合流水车间绿色生产调度

针对混合流水车间绿色生产过程中的设备选择和调度目标匹配问题,提出基于机床加工特性的多目标调度模型和改进遗传算法。该算法建立了混合流水车间调度的时间、能耗与成本优化模型,采用模糊隶属方法描述了机床加工特性,在遗传算法求解过程中通过机床加工特性隶属度与调度目标的权重系数匹配关系,建立了自适应的交叉、变异和优势保留策略,在每一代迭代中提高在调度目标方向上的选择压力,加速收敛。通过实例分析对比了不同算法的优化结果,从而验证了模型及算法的有效性,并提出了高效、节能、经济和综合4种调度生产模式,为混合流水车间绿色生产提供了指导。     

随机混流装配线平衡问题的一种混合粒子群算法

随机混合装配线平衡问题较简单装配线平衡问题更符合生产实际,为有效求解随机混合装配线平衡问题,考虑各任务操作时间的随机性,建立了随机混合装配线平衡问题的数学模型。结合混合随机装配线的具体特点,提出了一种基于优先权的粒子群算法,并针对标准粒子群算法求解装配线平衡问题易陷入"早熟"现象等不足,利用模拟退火算法的概率突跳性,提出了一种基于模拟退火抽样机制的混合粒子群算法,通过改变预设超限概率,实现对目标问题的求解。最后经大量实例验证,说明了算法的有效性。     

发动机环形混流装配线多目标排序方法

为了获得托盘数量固定的发动机环形混流装配线产品投产排序方案,提出一种多目标优化算法和离散事件仿真相结合的多目标排序方法。在该方法中,以最小化零部件消耗速率波动和最大化生产率为优化目标,建立解析-仿真混合模型;设计了一种内嵌离散事件仿真的自适应多目标遗传算法求解问题;采用组件对象模型(COM)技术,将离散事件仿真求解的生产率传递给优化算法进行寻优;在变异环节,设计自适应变异策略来提高算法的寻优能力。最后将该方法应用到发动机环形混流装配线实例,获取满意的非支配解集,证明该方法的有效性。     

混合流水车间多目标调度的小生境粒子群算法

混合流水车间多目标调度问题(HFMSP)是一种具有很强应用背景的生产调度问题,对它的研究具有理论意义和工程价值。针对该类调度问题结合生产实际应用调度和多目标优化理论建立基于时间和交货期最优条件下的多目标调度问题模型,提出一种小生境粒子群算法对模型进行优化求解。该算法采用NSGA-II的非支配排序策略和动态加权方法选择最优粒子,利用粒子聚集距离的变异操作保证解的收敛性和多样性。通过仿真实验,验证了模型的正确性和算法的有效性。     

双资源约束的鲁棒Job Shop调度问题研究

针对机器-工人双资源约束下加工时间具有随机性的Job shop调度问题(Job shop scheduling problems,JSSP),考虑工人熟练程度差异和工人数量不足的约束,采用鲁棒调度的方法建立机器-工人双资源约束的鲁棒Job shop调度模型(Dual-resource constrained robust JSSP,DR-RJSSP).鉴于DR-RJSSP同时考虑工人合理指派和双目标优化,提出机器-工人两阶段指派方法,在主动降低加工时间随机扰动的同时最小化工人约束对调度性能的影响.其次,提出多目标混合分布估计算法求解DR-RJSSP,以得到兼顾调度性能和鲁棒性的Pareto解集.最后,采用8组仿真算例将所提出的兼顾工人熟练程度和负载均衡的指派策略与基于熟练程度的指派策略和随机指派策略进行对比,验证了所提指派策略的Pareto优化性能.此外,通过对制造企业调度案例的仿真分析,验证了基于两阶段指派策略的MO-HEDA求解DR-RJSSP的有效性.     

基于关键链多项目鲁棒调度

为提高关键链项目调度解的鲁棒性,以鲁棒性指标最大化和多项目工期最小化为目标,提出基于关键链的多项目鲁棒性调度模型。在求解模型方面,为打破优先规则的局限,求解得到解的鲁棒性和质量鲁棒性均较优的关键链调度方案,提出一种关键链多项目调度混合优化算法,通过遗传算法寻找活动的优先权列表,结合基于优先权的关键链多项目调度算法,生成关键链多项目调度计划。通过算例验证并与其他算法进行比较,验证了所提模型和算法的有效性。     

面向订单的混流装配线多目标调度研究

针对面向订单的混流装配线车间组装过程中出现堆叠的问题,对该类生产线特点进行了分析,提出了一种理论调度优化模型及其算法。建立了以车间交货时间的准时度和组件完工的同时度为目标函数的车间多目标调度优化模型;对粒子群算法进行了改进,设计了基于吸引子与自然选择的社会粒子群算法来求解多目标优化模型;研究了粒子群的信息描述方法,提出了兼有工序和工件信息的二维编码,将生产信息转化为编程语言,利用MATLAB进行了编程迭代计算和仿真,并对比分析了标准粒子群算法、社会粒子群算法、混合粒子群算法仿真的适应度值、最优解迭代次数,验证了所提算法的优越性。研究结果表明:该多目标调度优化模型在面向订单的混流装配调度问题方面具备有效性和合理性;所设计的社会粒子群算法寻优速度快,寻优效果好;调度方案机器最低利用率可达72.49%,很好地解决了装配的堆叠问题。     

可重构装配线多目标优化调度研究

针对可重构装配线调度存在的问题,综合考虑影响可重构装配线调度的三个主要因素,即最小化空闲和未完工作业量、均衡零部件的使用速率、最小化装配线重构成本,建立了可重构装配线多目标优化调度的数学模型.提出了一种基于Pareto多目标遗传算法的可重构装配线优化调度方法,该算法综合运用了群体排序技术、小生境技术、Pareto解集过滤及精英保留策略,并采用了交叉概率和变异概率的自适应重构策略.实例仿真表明该算法具有比其他遗传算法更高的求解质量.