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。     

设备鲁棒性布局与物料搬运系统协同优化方法

针对现有车间设备鲁棒性布局忽略物料搬运系统设计从而导致最终布局方案偏离全局最优解的问题,提出了一种设备鲁棒性布局及物料搬运系统协同优化方法。通过分析不同生产阶段设备间物流量及物流关系的变化,生成初始鲁棒性布局方案,并对每一种布局方案建立物流路径概率矩阵并进行路径规划。以物料搬运设备效率为约束,选择相应的物料搬运设备。以物料搬运成本及布局面积费用最低为优化目标,建立设备鲁棒性布局及物料搬运系统协同优化模型,采用遗传算法进行求解,得到更贴近实际生产的车间布局规划方案。通过实例验证了模型和算法的有效性。     

柔性制造车间设备产能配置与布局集成优化

为解决因设备产能配置过程中常忽略后期对其布局影响的问题,针对设备配置与设备布局展开协同优化。基于柔性制造车间零件工艺路径可选、不同加工零件采用不同的搬运设备和搬运批量的特点,考虑规划期内待加工零件的产能需求约束,以最小化设备购置成本和物料搬运成本为目标,建立柔性制造车间设备产能配置与布局集成优化模型。采用免疫遗传算法对该模型优化求解。为了保证算法的搜索效率和种群多样性,引入抗体浓度计算来强化个体间的交流,同时通过免疫记忆机制避免最优个体丢失和被破坏,确保算法的全局搜索能力。通过算例,将集成优化模型结果与设备产能配置、设备布局分开优化的结果进行对比,验证了集成优化模型和算法的有效性。     

基于自动导引车单向导引路径网络的智能车间设备布局规划

传统的设备布局设计规划方法通常采用两个设备之间的直线距离或者曼哈顿距离作为优化变量,而没有考虑工件搬运设备在实际行驶过程中的路线。在以自动导引车为主的智能车间中,则必须考虑实际物流路径和物流效率。基于自动导引车单向导引路径,采用搬运频率、单位距离成本、最短有向距离等参数建立智能车间设备布局模型,进而利用混沌遗传算法来实现对物流路径的优化和生产设备布局模型的解算。最后,通过对某缸盖智能生产车间的设备布局规划问题的具体研究,借助MATLAB将本文提出的优化算法与遗传—模拟退火算法和简单遗传算法进行对比试验,并将3种优化算法的最终结果在Plant Simulation平台上进行仿真运行,试验结果表明了所提出的基于自动导引车单向导引路径网络的智能车间设备布局规划方法的有效性。     

基于多目标果蝇算法面向低碳的车间布局与调度集成优化

以往车间布局和调度优化都是各自分开进行的,单独车间布局优化时一般假设待加工工件各工序的加工设备已经确定;而单独调度优化则在车间布局确定后进行的,这种分开优化的方式忽略了不同布局对工序加工设备间距离的影响,由此影响工序间的搬运时间,从而影响调度结果。为此,提出以车间制造过程总碳排放和总完工时间最小为优化目标的车间布局和调度集成优化模型。为了求解该模型,设计多目标果蝇优化算法(Multi-objective fruit fly optimization algorithm,MFOA)。为了增强MFOA全局搜索能力和维持算法的稳定性,设计一种基于混合步长的嗅觉搜索;为了增大果蝇种群的协作,避免陷入局部最优引入了全局协作机制。将非支配等级排序方法引入MFOA处理多目标问题,并用算例验证了多目标果蝇优化算法的有效性。将集成优化结果与车间机群式布局下的调度优化结果和将车间布局、调度分开优化的结果分别进行对比,说明提出的集成优化模型可以得到更低的碳排放,验证了模型的有效性。     

考虑可再生能源的多目标柔性流水车间调度问题

为了节能减排、保护环境,针对可再生能源的柔性流水车间调度问题(FFSP-RE),提出集成低碳调度策略的快速非支配排序遗传算法。根据可再生能源的发电特性建立了可再生能源供电模型,在此基础上构建了FFSP-RE的数学优化模型;给出快速非支配排序遗传算法,其中提出基于操作的编码方法,设计了考虑可再生能源特性的低碳调度策略,线性次序交叉和基于位置交叉采用随机选择方法,变异算子采用反转逆序法,根据拥挤度和非支配等级选择进入下一代种群的个体;通过多个数值实验证明了所提算法能够有效求解FFSP-RE,可再生能源能够在保证完工时间的前提下有效降低碳排放量。     

自动导向小车与加工设备多目标集成调度的聚类遗传算法

针对AGV与加工设备的集成调度问题,在考虑AGV无冲突路径规划的情况下,建立了以最大完工时间、AGV运行时间及机器总负荷为优化目标的调度优化模型,提出一种基于时间窗和Dijk-stra算法的多目标自适应聚类遗传算法.根据算法在不同迭代时期的特点,提出一种包含自适应个体交叉概率的交叉重组策略;设计了自适应种群变异概率;引...     

带AGV开放车间调度的析取图模型与求解

随着AGV小车在制造系统的广泛应用，其路线规划与生产调度集成可大大提高生产效率，降低运输能耗。这里以开放车间为研究对象，考虑AGV的物料搬运特性，提出了一种考虑最大完工时间和AGV能耗的双目标析取图模型，剖析问题特征，提取问题的关键弧特性；其次，设计了基于关键弧的多种邻域结构，融合遗传算法的全局搜索能力和变邻域结构的局部探索能力实现问题的寻优。最后，标杆案例测试结果表明，所提出算法可有效解决带AGV开放车间调度问题，多种邻域结构设计显著地提升了算法求解性能。     

基于动态差分元胞多目标遗传算法的混合作业车间布局改善与优化

针对一类离散作业、流水作业和特殊作业等多种作业单元共存的混合制造模式,提出了作业车间布局改善问题。以物料搬运费用最小、单元移动费用最小、作业单元包络矩形面积最小及非物流关系最大为目标,明确布局约束条件,构建车间布局多目标优化模型。在差分元胞多目标遗传算法的基础上,设计并引入动态变异策略以改善算法的全局搜索能力,提出用于解决布局模型的动态差分元胞多目标遗传算法,通过实例计算与结果分析验证了模型及算法的有效性。     

基于改进遗传算法的多AGV调度优化

为解决生产车间多AGV任务调度的问题,提出了一种改进的遗传算法进行AGV任务的分配和路径的优化,并建立了数学模型;通过改进遗传算法的变异算子,提高种群的收敛速度和收敛性。实例仿真表明,改进的遗传算法收敛速度更快、路径更优。     

考虑能耗的制造车间单AGV路径规划研究

自动导引运输车(automated guided vehicle,AGV)作为典型的物料运输设备,已逐渐广泛用于制造车间。AGV路径规划关系整个车间制造过程的效率和平稳性,然而,目前相关研究主要关注运输距离、时间、成本等目标,而能耗及其相关环境影响指标却很少涉及。为此,建立了以运输距离和能耗为优化目标的节能单AGV路径规划模型,进而利用粒子群优化算法实现了模型求解。最后,案例研究验证了模型节能效果和求解方法有效性,考虑能耗的路径规划是提升AGV使用能效的一种可行方法。     

基于智能计算方法的AGV制造车间调度问题研究现状

基于智能制造车间物流系统中AGV的复杂动态调度问题,阐述了智能计算方法在复杂调度技术方面及其在智能制造车间AGV调度的研究应用.对群智能计算、遗传算法、人工神经网络等常见智能计算方法的特性及调度问题应用进行分析.针对群智能计算方法重点探究了粒子群算法、蚁群算法及人工蜂群算法在制造业AGV调度中的应用;结合遗传算法与柔性制造系统生产理念总结了AGV调度研究现状;在人工神经网络方法上,介绍了基于深度学习、强化学习有关的AGV调度问题研究及特点.基于智能计算方法各自计算特点对其在制造车间AGV调度应用进行了探讨,总结了智能计算方法在制造车间关于AGV智能调度的研究的发展趋势,方便未来AGV车间调度系统的技术研究选择合适的算法.     

基于智能计算方法的AGV制造车间调度问题研究现状

基于智能制造车间物流系统中AGV的复杂动态调度问题,阐述了智能计算方法在复杂调度技术方面及其在智能制造车间AGV调度的研究应用.对群智能计算、遗传算法、人工神经网络等常见智能计算方法的特性及调度问题应用进行分析.针对群智能计算方法重点探究了粒子群算法、蚁群算法及人工蜂群算法在制造业AGV调度中的应用;结合遗传算法与柔性制造系统生产理念总结了AGV调度研究现状;在人工神经网络方法上,介绍了基于深度学习、强化学习有关的AGV调度问题研究及特点.基于智能计算方法各自计算特点对其在制造车间AGV调度应用进行了探讨,总结了智能计算方法在制造车间关于AGV智能调度的研究的发展趋势,方便未来AGV车间调度系统的技术研究选择合适的算法.     

车间多行布局精准建模与多目标优化研究

基于车间布局总物料搬运成本最小和面积利用率最大的设计原则,同时考虑制造车间主干道、功能区横竖放置及自适应行距等因素,建立了生产车间多行直线布局的多目标优化精准数学模型,采用改进的多种群遗传算法(multiple population genetic algorithm, MPGA)进行求解。在求解过程中,采用移民算子联系种群,实现种群间的信息交换和协同进化,研究交叉和变异概率控制参数,以确保全局和局部搜索的精度。实例结果表明,该模型实用性强且求解算法稳定性好、收敛精度高。     

结合混合进化算法和知识的多目标车间调度

提出了一种结合混合进化算法和知识的新型多目标车间调度方法，在有限的时间或迭代次数下可以得到更好的非支配Pareto解以服务于生产调度。由优化目标和属性归纳演绎法确定了知识挖掘的工件属性，通过优先级权重得到了规则初始种群。所提出的增减排序方法通过重新局部排序初始种群中工序的位置来克服优先级下工序不足或过饱和的问题。最后由一标准案例和非支配排序遗传算法-Ⅱ（NSGA-Ⅱ）混合模拟退火算法对所提调度方法进行了验证，得到的结果无论是优化目标值还是解集的分布在不同迭代次数和初始种群尺寸下都要优于传统随机进化方法。     

自动化分拣仓库中多AGV调度与路径规划算法

自动化分拣仓库由多自动导引小车(AGV)同时作业,对大量包裹进行快速分拣。如何为AGV确定搬运包裹序列并规划无冲突的路径,是分拣作业的关键所在。为提高分拣效率,以最小化最大搬运完成时间为目标,定义了冲突AGV的优先级,提出一种生成无路径冲突的路径规划算法;进而,综合考虑AGV调度和路径规划,提出一种改进差分进化算法,算法采用反学习方法生成初始种群,运用自适应的变异和交叉概率进行进化操作,设计动态差分进化策略来提高收敛速度,并设计交换邻域和基于关键AGV的插入邻域进行局部搜索。通过数据实验验证了算法的有效性,并对关键问题参数进行了分析。     

生产车间布局多目标优化及其仿真分析

生产车间设备布局设计是一个组合优化问题,具有非线性、NP-hard等特性。基于车间布局的总物料搬运成本最小和车间面积利用率最大的设计原则,建立生产车间的多目标优化模型。求解该问题时,应用了自适应交叉和变异策略,即对交叉、变异算子进行非线性设计,使交叉率和变异率随种群中个体适应度值的变化而变化。实验结果表明,自适应遗传算法具有搜索速度更快、收敛精度更高等优点,适合在实际生产中应用。     

基于多规则设备分配及工序排序的FJSP多目标集成优化方法

为降低柔性作业车间调度多目标优化的复杂度,提高优化效率,提出一种基于多规则设备分配及工序排序的柔性作业车间调度多目标集成优化方法.建立了一类以完工时间、设备最大负荷、设备总负荷以及制造成本为优化目标的柔性作业车间调度多目标优化模型;针对模型的组合爆炸特点,为降低其复杂度,提出一种将多规则设备分配及工序排序相结合的集成调度思想;为进一步提高求解效率,提出一种面向对象数据处理技术用于处理各实体之间的数据交换;基于改进的非支配排序遗传算法思想,提出了基于多规则设备分配及上序排序的柔性作业车间调度多目标集成优化算法.通过仿真对比与应用验证了所提方法的有效性.     

基于改进灰狼优化算法的自动导引小车路径规划及其实现原型平台

针对智能优化算法求解自动导引小车路径规划问题效率低且易早熟的缺陷,提出一种用于求解复杂环境下自动导引小车路径规划问题的改进灰狼优化算法。算法引入路径微调算子和邻域变异算子来提高灰狼优化算法的局部开发能力,又引入新的初始解生成算法提高初始种群的质量;采用改进的路径片段与障碍物相交判断算法来提高算法的运行效率,再采用新的避障算子来提高路径片段避开障碍物的效率。基于MATLAB GUI开发工具开发了带有多种智能优化算法的自动导引小车路径规划仿真原型平台,并与单种群遗传算法、多种群遗传算法和改进遗传算法进行对比,验证了改进灰狼优化算法求解自动导引小车路径规划的有效性。     

柔性作业车间多自动导引小车和机器的集成调度

针对含有AGV的柔性作业车间调度问题,提出基于时间窗和Dijkstra算法的混合遗传算法。建立了AGV/机器的双资源调度数学模型;采用3种解决策略处理多AGV路径规划冲突和碰撞;为了将机器和AGV调度集成考虑,设计了三链式编码结构及AGV编码链的交叉、变异算子,同时在遗传算法的解码操作中将Dijkstra算法与时间窗原理相结合,以精确地为任务小车规划出一条无碰撞无冲突的最短路径;算例对比验证了该算法的可行性、有效性和优越性。