加工车间生产物流时间瓶颈的调度研究

针对一类具有生产物流时间瓶颈的加工车间调度问题,给出了基于加工单元和运输单元的时间瓶颈环节确定方法,采用以最大批量响应时间最小为优化目标,建立了基于生产物流时间瓶颈的加工车间调度模型;为了求解该调度模型,设计了一种基于模拟退火的混合粒子群算法,该算法采用分段整数编码的方法,并在模拟退火算法中引入变温参数来提高算法效率.通过仿真,分别采用PSO和PSO-SA对所建立的调度模型进行了求解.研究结果表明,PSO-SA算法求解效率高且该算法的稳定性好,同时验证了该模型和算法的有效性、广泛性.     

基于GASA优化算法的不确定条件下Job-Shop调度问题研究

针对不确定因素和动态干扰事件下Job-Shop调度问题,基于模糊数理论和动态调度策略,综合考虑完工时间、机器加工成本和机器负荷,建立了作业车间多目标不确定性调度模型;为了求解该调度模型,结合遗传算法和模拟退火算法的特点,设计了遗传模拟退火混合算法,并针对作业车间的复杂性要求,对算法的编码解码、交叉变异算子以及保优策略等方面进行了改进;通过仿真,得到了初始调度方案,然后在此基础上,采用动态调度策略对紧急插单、机器故障、工件取消和交货期变更等不确定干扰事件进行了研究.通过对某电动产品生产公司车间进行的实证研究结果表明,根据上述研究得到的较好的调度方案,可以有效地提高机器利用率和客户满意度.该模型和算法能够较好地应用到企业实际生产中.     

考虑配合加工的作业车间启发式倒排调度算法

目前对制造业领域作业车间调度问题研究中,配合加工增加了调度的约束,使调度的难度进一步加大。根据实际配合加工作业车间环境,建立了以最短加工时间为目标的调度模型,采用启发式倒排算法对其求解,该算法能保证工件的交货期,最后通过实例对算法进行验证并给出对比结果。     

基于遗传算法的不确定条件下作业车间调度

针对不确定条件下的作业车间(Job Shop,JS)调度问题,建立了基于模糊数学规划理论的不确定作业车间调度模型。不确定加工时间用三角模糊数来表示,不确定交货期用梯形模糊数来表示,以最大化产品平均客户满意度为优化目标,设计了基于模糊数学的改进的遗传算法来求解这类问题,并通过MATLAB软件仿真实验验证了该算法的有效性和稳定性。     

基于遗传算法的模糊Job-Shop问题的研究

针对存在不确定因素的作业车间调度问题,基于模糊理论的思想,把不确定的加工时间和交货期分别用三角模糊数和半梯形模糊数来表示,提出了以最大化平均满意度为调度目标的调度模型.运用遗传算法求解,对基于工序的编码操作设计了一种新的交叉操作,同时采用小范围竞争择优操作策略.仿真结果表明,该算法是可行的和有效的.     

多工艺路线的作业车间模糊调度优化

对具有模糊加工时间和模糊交货期的多工艺路线的作业车间调度问题进行了研究；以最大化平均满意度为调度目标，建立了作业车间模糊调度的数学模型，提出了一种基于遗传算法的全局优化的调度算法；设计了包含工序及其加工机床信息的染色体编码，对染色体的解码方法、交叉方法和变异方法进行了研究。仿真结果表明，该算法是可行的，与其他同类研究相比，有一定的优越性。     

采用量子粒子群算法的一类模糊作业车间调度问题的研究

针对一类具有模糊加t时间和模糊交货期的作业车间调度问题,提出一种收敛速度快、全局性能好、不易陷入局部最优的智能迭代算法--量子粒子群算法,对其进行求解.通过仿真实例对此算法进行验证,结果表明,在求解带模糊加丁时间和模糊交货期的作业车间调度问题时,量子粒子群算法有很好的效果.     

基于剩余率求解非标准作业车间调度问题逆序算法

为了克服现有效率算法、遗传算法和逆序算法等求解非标准作业车间调度问题时存在的不足 ,提出了一种新的逆序算法。将非标准作业车间调度问题进行数学描述 ,给出目标函数 ,针对非标准作业车间调度问题的复杂性 ,构造了一种基于剩余率函数的逆序调度算法 ,以确定出最佳的开工日期。与其他算法相比 ,该算法的复杂性更小 ,调度结果更优     

可变机器约束的模糊作业车间调度问题研究

在车间实际加工中，工件的加工时间和交货期是一个模糊数，而且工件的某道工序有多台机器可供选择。针对这类作业的车间调度，提出了以极大化最小客户满意度为指标的可变机器约束的模糊作业车间调度模型，并给出了算法设计。应用遗传算法在适应度函数处理中引入模糊数处理方法，解决作业车间模糊调度问题，实现调度优化。仿真实验结果表明了该调度方法的有效性，为可变机器约束的模糊作业车间调度提供了一种实现途径。     

基于改进免疫遗传算法的混合车间调度研究

建立了以最大总完成时间最小为目标的混合车间调度模型。该模型包括作业车间和并行流水装配车间两部分调度问题。为降低问题求解难度,采用分解的策略对调度问题分阶段求解,并引入多Agent协商机制和模拟退火算法与免疫遗传算法相结合,提出了基于分解策略的免疫遗传算法,并通过在某汽车减振器企业的实施验证了模型和算法的有效性。     

基于交货期和设备能力约束的作业车间调度方法研究

以往对作业车间调度问题的研究中,不少学者尝试添加新的约束条件使之更符合实际的生产情况。但对设备能力约束的考虑不够细致,往往简单地将设备能力视为常数或连续的能力空间。针对这种情况,本文建立了以交货期为指标并带有设备能力约束的作业车间调度模型,采用双向调度方法力求工件的完工时间和交货期尽量靠近,从而使惩罚成本最低。设计了利用时间坐标映射求解工序开／完工时间的方法,该方法消除了因设备能力不等造成的工作时间段间隔,最终通过遗传算法求得优化的调度方案。     

面向能耗的多工艺路线柔性作业车间分批优化调度模型

合理的调度方案能有效降低柔性作业车间总能耗。针对柔性作业车间中加工工件种类多、单批工件数量大、加工工艺路线柔性大等问题,研究一种面向能耗的多工艺路线柔性作业车间分批优化调度模型。分析柔性作业车间中工件加工过程能耗特性,以车间总能耗最低和完工时间最小为优化目标建立了多工艺路线柔性作业车间分批优化调度模型,并采用多目标模拟退火算法对模型进行优化求解。通过算法优化得到的调度方案与经验调度方案的对比分析,验证了该模型的有效性和实用性。     

基于效率函数的双资源约束作业车间调度算法

目前对制造业领域作业车间调度问题研究中,仅考虑单一设备资源的传统作业车间调度问题已不能反应出实际作业车间的作业环境。根据实际作业车间多资源环境,建立了分别最小化生产完工期和超期时数为目标函数的设备和模具双资源约束作业车间调度模型,并采用基于效率函数的逆序调度算法对问题进行求解。最后,通过实例对算法进行验证并给出对比结果。     

基于并行协同的多车间协同调度问题研究

传统企业在实际生产中,其多个关联车间之间的生产计划与调度存在难以协作的问题。为此,针对多车间协同调度问题建立了调度模型,提出了一种多车间协同调度的并行协同进化遗传算法(PCE-GA),并且采用该算法对上述模型进行了求解。首先,以最小化订单完工时间为目标,建立了单目标调度模型;然后,采用了并行协同进化遗传算法,对上述单目标调度模型进行了求解,基于工件、机器、装配关系的三层整数编码的染色体编码方案,提出了一种协同适应度值计算的方法;最后,以某液压缸生产企业为例,针对单目标调度问题,采用该算法与单车间遗传算法(JSP-GA)、并行协同模拟退火算法(PCE-SA)分别进行了求解,并对其结果进行了比较,以验证PCE-GA算法的优越性。研究结果表明：采用PCE-GA算法得到的优化率为13.3%,比单车间作业调度遗传算法求解的数据优化11.5%,该结果证明了PCE-GA算法在解决多车间协同优化问题时的优越性。     

基于遗传算法的作业车间提前/拖期调度问题

针对带有交货期窗口硬约束并对提前/拖期零件进行惩罚的一类作业车间调度问题,设计了一种改进型遗传算法,该算法采用＂逆向后推＂和＂顺向前拉＂相结合的两阶段求解策略。针对部分染色体在解码过程中违反交货期窗口硬约束而产生非法解的问题,采用基于关键路径的染色体修复方法来调整染色体基因序列,以期实现在满足交货期窗口硬约束的同时降低零件拖期成本;在保持第一调度阶段拖期成本不变的基础上,采用基于逆向重调度的目标值修订方法来延迟零件开工时间,以降低在制品流动成本和成品提前库存成本。通过80组调度测试用例的仿真结果表明,该算法在降低调度总成本和拖期成本方面具有一定的优势。     

具有交货期和工装数量约束的平行机调度

提出了一类具有工件交货期和工装数量约束的平行机调度问题.以降低部件拖期惩罚总费用为目标,建立了该问题的数学模型.提出一种遗传与模拟退火相混合的算法来求解该类问题,即GASA算法.算法在初始种群的生成上,采取了随机生成和按启发式规则生成相结合的方法;并引入模拟退火算法作为变异算子,以提高种群的多样性.最后,通过实例仿真,验证了GASA算法的有效性,并与GA算法进行了对比,对比结果表明GASA更优越.     

基于知识进化粒子群算法的模糊交货期流水车间调度问题

针对模糊交货期的流水车间调度问题的特点,提出采用知识进化算法和粒子群优化的混合算法来求解问题。该算法首先在多个群体空间内采用粒子群优化寻找局部最优解,然后利用知识进化算法的猜测操作和反驳操作建立以群体空间知识为基础的一个知识空间,最后通过知识空间的协同进化更新其中的社会知识,从而形成问题的最优解。通过采用所提算法对带模糊交货期的流水车间调度问题的实例进行测试,并比对遗传算法和粒子群优化算法,表明了混合算法的可行性和有效性。     

基于Hopfield神经网络求解作业车间调度问题的新方法

对作业车间调度问题的换位矩阵表示方法进行了改进,给出新的作业车间调度问题的Hopfield神经网络计算能量函数表达式,然后提出改进的Hopfield神经网络作业车间调度方法。为了避免Hopfield神经网络容易收敛到局部极小的缺点,将模拟退火算法应用于Hopfield神经网络求解,提出随机神经网络作业车间调度方法。与已有算法相比,改进算法能够保证神经网络稳态输出为可行的作业车间调度方案。     

面向节能的导弹结构件混线生产作业车间多目标调度研究

针对导弹结构件混线生产过程中具有的型号多、工艺复杂、生产能耗大、交货期紧的特性,以能量消耗和完工时间为目标,建立了基于设备-能耗曲线的柔性作业车间混线生产系统的数学调度模型。提出了一种双元混合的改进遗传算法对该调度模型进行求解,具体包括:引入粒子群算法的信息共享机制,对遗传算法的交叉算子进行改进,提高算法的寻优能力;用Hill函数构建传统模拟退火的温度更新函数,替代遗传算法的变异部分,以弥补遗传算法容易陷入早熟收敛的不足。采用多指标加权灰靶决策模型从得到的一组Pareto解集中选择最满意调度方案。分别用完全柔性和部分柔性的作业实例对算法进行验证,证明了改进算法的有效性。最后,将算法用于上海航天精密机械研究所结构件生产车间的生产实例,取得了较好生产的指导效果。     

一种新调度类型及其在作业车间调度中的应用

研究改进遗传算法解决作业车间调度问题,问题染色体的编码采用基于工序的编码。针对传统的调度类型的局限性,提出全主动调度及其基于工序编码的产生机制。为了克服传统遗传算法求解调度问题易于早熟收敛的缺点,设计基于优先工序交叉(Precedence operation crossover,POX)和改进子代产生模式的遗传算法。用改进的遗传算法求解传统调度问题、交货期调度问题和提前/拖期(Earliness/Tardiness, E/T)调度问题,研究半主动、主动和全主动三种不同的调度解码机制对遗传算法提供解质量的影响。