基于改进非支配排序遗传算法的多目标柔性作业车间调度

采用多目标进化算法解决具有工件释放时间、工件目标差异的柔性作业车间调度问题。依据实际制造系统中存在较多的最大完工时间、平均流经时间、总拖期时间、机器总负荷、瓶颈机器负荷和生产成本性能指标,建立多目标柔性作业车间调度模型。针对柔性作业车间调度问题的特点,设计一种扩展的基于工序的编码及其主动调度的解码机制,以及初始解产生机制和有效的交叉、变异操作;针对非支配排序遗传算法(Non-dominated sorting genetic algorithm II,NSGA-II)在非支配解排序和精英选择策略方面的不足,设计一种改进的非支配排序遗传算法,应用改进的算法求解柔性作业车间调度问题得到一组Pareto解集,并运用层次分析法选出最优妥协解。通过测试基准和模拟实际生产的实例,验证提出算法的可行性和有效性。     

基于改进非支配排序的云模型进化多目标柔性作业车间调度

采用多目标进化算法研究柔性作业车间调度问题,目标是最小化最大完工时间、机器总负荷和最大机器负荷3个性能指标。针对NSGA-Ⅱ识别非支配个体较慢和个体比较次数较多的不足,设计一种基于预排序的快速非支配排序算法,快速识别非支配个体并淘汰被支配个体,提高非支配解集的构造效率;结合柔性作业车间调度问题的特点和进化算法的性能,引入云模型进化策略,提出一种基于非支配排序的云模型进化多目标柔性作业车间调度算法。运用云模型揭示模糊性和随机性的优良特性维护进化种群,提高非支配解分布的广度和均匀度。利用多指标加权灰靶决策模型选择最满意调度方案。使用基准实例进行测试并比较测试结果,验证了算法的可行性和有效性;利用提出算法确定了生产实际的最满意调度方案。     

低碳策略下的多目标柔性作业车间调度

为解决低碳策略下多目标柔性作业车间调度问题,在深入分析柔性作业车间多目标调度研究现状和不足的基础上,结合基于设备状态—能耗曲线的低碳策略,提出包括能源消耗、最大完工时间、加工成本和成本加权加工质量的多目标柔性作业调度模型。针对上述模型,设计了基于血缘变异的改进非支配排序遗传算法,该算法根据计算交叉染色体的血缘关系确定变异率,优化了交叉和变异策略,解决了算法的早熟问题。针对具体实例,构建了调度模型和算法,计算结果验证了算法的可行性和有效性。     

考虑批量的多目标柔性作业车间鲁棒调度

针对多品种小批量的柔性作业车间调度问题,构建了多目标柔性作业车间鲁棒调度模型,在模型中考虑了工件分批加工、批量启动时间和机器故障等因素。基于以上因素的特点,设计了有效的染色体编码方法、染色体解码策略及机器故障仿真算法。基于非支配排序遗传算法(Non-dominated Ranked Genetic Algorithm,NRGA)的基本框架,设计了多目标优化算法,并采用有效的交叉和变异算子避免产生非法解。通过对算例的仿真实验,验证了构建的模型和设计的求解算法能够有效提高调度的鲁棒性,有效避免实际调度性能的恶化。     

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。     

基于混合遗传鲸鱼优化算法的柔性作业车间自动导引车融合调度方法

针对柔性作业车间调度问题,考虑自动导引车(AGV)在车间制造过程中只参与装卸和搬运工作,提出一种实现AGV路径规划与柔性作业车间调度集成优化的融合调度模型。采用基于工序排序与机器选择两个子问题的二维向量编码方案,并在解码过程中提出基于最先服务原则的AGV安排策略。对鲸鱼优化算法进行离散化改进,针对性地设计了多种种群初始化策略,引入遗传算法的交叉、变异操作以提升鲸鱼优化算法的全局搜索能力,并嵌入局部搜索算法以达到全局搜索和局部搜索的平衡,构建了一种混合遗传鲸鱼优化算法（HGWOA）来求解该融合调度模型。通过经典测试算例验证了算法性能,并使用正交试验优化了算法参数。研究结果表明,HGWOA算法用于求解柔性作业车间AGV融合调度问题可以获得较好的效果。     

考虑工件移动和成本的多目标柔性作业车间调度问题优化研究

针对考虑工件移动时间约束的柔性作业车间调度问题,构建了以加工总成本和最大加工时间最小为目标的数学模型并用改进遗传算法求解。针对柔性作业车间调度问题(FJSP)特性,算法中采用基于工序的集成编码操作,实现工序排序和机器匹配的内在关联并由此产生可行的调度方案;根据编码结构设计了有效的交叉和变异操作,从而避免了非法调度解的出现;为克服遗传算法的早熟收敛和减少调度开销,用贪婪解码算法生成主动调度、设计了自适应变异规则并采用混合子代产生模式提高染色体适应值。最后通过测试问题的求解及数值分析,证明了算法和模型的有效性及鲁棒性。     

基于NSGA-Ⅱ算法的液压元件多目标柔性作业调度研究

为解决液压元件制造车间生产调度过程混乱的问题,提出一种基于NSGA-Ⅱ的多目标柔性生产调度优化算法,并建立了相关的数学模型。采用非支配排序和精英储备策略,并设计了算法的编码解码以及交叉、选择和变异的遗传算子。最终通过实例分析,将得出的基于基本加工时间、设备负荷率和生产成本的全局最优解与传统遗传算法优化值进行对比,可见此算法可提高液压制造车间的生产调度效率。     

考虑工件分批的柔性作业车间调度及求解算法

针对柔性作业车间分批调度问题,建立了考虑工件分批的柔性作业车间调度模型,并提出混合遗传算法用于模型求解。首先,采用改进试探法确定划分的具体批次、柔性批量划分方法确定各个批次的实际批量;其次,采用双层编码机制对工序排序及机器选择同时进行优化,利用GLR机器选择法生成初始解;最后,混合遗传算法利用GA鲁棒性强与ABC算法对初始解依赖性不高、适应性强的特点在解空间内充分搜索较优解,并结合SA出色的局部搜索能力快速收敛到全局最优解。分析表明,改进试探法批次划分与柔性批量划分方法可明显缩短生产周期,同时也证明了所提算法的有效性和可行性。     

交货期惩罚下柔性车间调度多目标Pareto优化研究

针对传统作业车间调度问题的局限性,结合实际生产过程的特点和约束条件,建立路径柔性的作业车间调度仿真模型。采用连续空间蚁群算法,对柔性车间作业进行多变量、多约束下的调度布局优化设计,在考虑各个机器提前/拖期完工的惩罚值,所有机器上的总负荷、成品合格率和最大设备利用率等性能指标更加合理情况下,为每次迭代产生的邻域解集作为Pareto非支配排序,防止算法操作过程中劣解的产生,提高求解效率。并与自适应免疫算法和交换序列混合粒子群法的优化结果进行对比,该算法可有效改善基本蚁群算法的停滞现象和全局寻优能力差的缺点。目前,该方法已在某机械公司进行示范,在提高加工效率、降低生产成本、减少协作费等方面效果显著。     

多目标柔性作业车间调度决策精选机制研究

针对多目标柔性作业车间调度优化无法找到唯一最优解的问题，提出多目标遗传算法和层次分析法模糊综合评判的分阶段优化策略。提出优化阶段和精选阶段的优化任务，优化阶段选出一组Pareto解集，精选阶段从Pareto解集中选出最优解；在精选阶段运用层次分析法和模糊评判集成的策略精选调度决策。决策算例证明提出的方法是可行的，可很好地帮助决策者选择出一个最满意的解。     

Dynamic flexible job shop scheduling with alternative process plans: an agent-based approach

This paper studies a flexible job shop problem considering dynamic events such as stochastic job arrivals, uncertain processing times, and unexpected machine breakdowns. Also, the considered job shop problem has routing flexibility and process flexibility. A multi-agent scheduling system has been developed for solution with good quality and robustness. A pheromone-based approach is proposed for coordination among agents. The proposed multi-agent approach is compared with five dispatching rules from literature via simulation experiments to statistical analysis. The simulation experiments are performed under various experimental settings such as shop utilization level, due date tightness, breakdown level, and mean time to repair. The results show that the proposed agent-based approach performs well under all problem settings.     

Multi-objective artificial bee colony for interval job shop scheduling with flexible maintenance

In scheduling problem with uncertainty, flexible preventive maintenance (PM) and multiple objectives are seldom investigated. In this study, interval job shop scheduling problem with non-resumable jobs and flexible maintenance is considered and an effective multi-objective artificial bee colony (MOABC) is proposed, in which an effective decoding procedure is used to build the schedule and handle PM operation. The objective is to minimize interval makespan and a newly defined objective called total interval tardiness. In each cycle, a dominance-based greedy principle is adopted, a dominance-based tournament is utilized to choose solution for onlooker bee, and the non-dominated ranking is applied to update the non-dominated set. A solution with the highest rank is replaced with a non-dominated solution every certain cycle. Computational results show the good performance of MOABC on the considered problem.     

变扰动强度下柔性装配作业车间调度性能分析

柔性装配作业车间是柔性作业车间的一类现实化扩展,其调度问题既要考虑复杂的加工路径柔性,还要考虑零件间的装配关联约束,以及由其带来的关联零件生产进度协同难题。首先给出了柔性装配作业车间调度问题的数学模型;然后考虑现实生产中普遍存在的随机扰动,采用了完全反应式与预测-反应式两类动态调度策略,并提出了相应的优先度规则算法和周期性滚动遗传算法。前者能快速协同各关联任务,但其决策分散,缺乏全局优化力度;后者进行全局周期决策,但扰动将导致性能的下降。最后构建了一般化的仿真模型,并设计了大量的比较实验,分析了不同综合扰动强度对两种调度策略的影响,为实际生产调度策略选择提供了有效的依据。     

基于遗传-粒子群混合算法的柔性作业车间多资源调度问题

在传统柔性作业车间调度问题(FJSP)中加入运输和装配环节,提出一种柔性作业车间多资源调度问题(MRFJSP),以完工时间最短为目标建立了包含加工、运输和装配的柔性作业车间调度模型。为了提高传统遗传算法(GA)在车间调度问题中的寻优能力,将粒子群算法(PSO)的寻优过程进行改进并与遗传算法进行结合,提出一种带保优策略的遗传-粒子群混合算法,利用单层编码对模型进行求解。通过算例验证了模型的可行性,并将提出的混合算法与遗传算法和粒子群算法进行比较,证明了混合算法的优越性。     

考虑运输时间的分布式柔性作业车间绿色调度

针对考虑运输时间的分布式柔性作业车间绿色调度问题,建立了最小化完工时间和总能耗的混合整数规划模型,并提出了一种改进的非支配排序遗传算法。采用基于工序和机器的双层编码方式设计了考虑运输时间的贪婪插入解码方法。为提高种群的质量,设计了同时考虑加工时间和能耗的初始化方法,应用多父代交叉和新的变异操作更新种群,并嵌入一种变邻域搜索策略以提高Pareto前沿的质量。多组实验验证了该方法的有效性。     

混合离散蝙蝠算法求解多目标柔性作业车间调度

针对以最大完工时间、生产成本和生产质量为目标的柔性作业车间调度问题,在研究和分析蝙蝠算法的基础上,提出一种混合离散蝙蝠算法。为了提高求解多目标柔性作业车间调度问题的混合离散蝙蝠算法的初始种群质量,在通过分析初始选择的机器与每道工序调度完工时间两者关系的基础上,提出一种优先指派规则策略产生初始种群,提高了算法的全局搜索能力。同时采用位置变异策略来使得算法在较短的时间内尽可能多地搜索到最优位置,有效地避免了算法早熟收敛。在计算问题的目标值上面,首次提出时钟算法。针对具体实例进行测试,试验数据表明,该算法在求解柔性作业车间调度问题上有很好的性能,是一种有效的调度算法,从而为解决这类问题提供了新的途径和方法。     

求解车间调度问题的改进型自适应遗传算法

针对作业车间调度问题,以最小化完工时间为目标,借鉴内分泌激素调节机制,提出了一种新颖的改进型自适应遗传算法.通过引入自适应交叉概率和变异概率因子,克服了传统的遗传算法在解决生产调度问题时存在的搜索精度低和收敛性难以控制等问题,并在Microsoft Visual C++6.0中实现了该算法.通过一个10工件、10机器作...     

Pareto archived simulated annealing for job shop scheduling with multiple objectives

In this paper, the job shop scheduling problem is studied with the objectives of minimizing the makespan and the mean flow time of jobs. The simultaneous consideration of these objectives is the multi-objective optimization problem under study. A metaheuristic procedure based on the simulated annealing algorithm called Pareto archived simulated annealing (PASA) is proposed to discover non-dominated solution sets for the job shop scheduling problems. The seed solution is generated randomly. A new perturbation mechanism called segment-random insertion (SRI) scheme is used to generate a set of neighbourhood solutions to the current solution. The PASA searches for the non-dominated set of solutions based on the Pareto dominance or through the implementation of a simple probability function. The performance of the proposed algorithm is evaluated by solving benchmark job shop scheduling problem instances provided by the OR-library. The results obtained are evaluated in terms of the number of non-dominated schedules generated by the algorithm and the proximity of the obtained non-dominated front to the Pareto front.