基于遗传算法的作业车间调度优化

车间调度问题由于具有重要的理论和实用价值吸引了很多研究者的兴趣 ,但以前的大多数研究集中在经典的作业车间调度问题 ,忽略了很多重要的因素 ,离应用尚有不少的差距。本文结合实际的生产过程 ,考虑到工件的加工受到机床、工人和机器人等资源的制约 ,并且可以有多种可行的工艺路线。提出了一种与启发式调度规则相结合的混合遗传算法 ,调度规则使该算法具有较高的局部搜索效率 ,遗传算法保证了解的全局最优性 ,算例表明该算法在求解性能和效率两方面均具有显著的优势     

FMS混合调度中的两种启发式规则

针对FMS混合调度系统中的工件选择和运刀小车的启发式调度问题,给出了两个新的启发式规则,即在机床选工件策略中建立了刀具外借量最少规则,在运刀小车任务调度策略中提出了目标机床当前工序完成时间最早规则,通过仿真实验验证了两种启发式规则的有效性。结果表明所提出的两种调度规则能够较好地改善FMS的各项性能指标。     

双资源多工艺路线作业车间模糊调度问题研究

在研究双资源、多工艺路线作业车间调度的基础上,从实际作业车间调度系统存在大量不确定因素的情况出发,建立了模糊调度的数学模型。以最小完工时间和平均满意度最大为优化目标,基于遗传算法,对算法中初始种群的构造、适应度计算、遗传操作等方面进行了研究;应用改进的遗传算法,求解最优调度工序。最后给出了实例仿真和结论。     

一种解决有AGV小车约束的车间智能调度问题的算法

考虑AGV小车在车间调度中只参与运输工件的特点和小车的运输路线对工件工艺路线选择的影响，分析了在机床／AGV小车双资源约束下的车间调度问题，讨论了AGV小车在车间调度中的调度机制。在分析问题的基础上建立了有AGV小车参与调度的车间调度问题的数学模型，并提出了基于遗传算法的机床／AGV小车的调度算法，论述了编码、选择和变异操作的规则，提出了工序特征的交叉算子。仿真结果表明，该算法是可行的，可以获得比较好的效果，为在AGV小车约束下的车间调度提供了一种有效的实践途径。     

批量生产作业车间的双资源多目标调度问题研究

对于批量生产调度问题,根据批次判定公式确定每种工件能划分的批数及每批的工件数,然后把每个子批当作一个新的工件进行调度。采用遗传算法和禁忌搜索算法相结合的混合优化调度算法,用于解决同时考虑设备和工人的双资源问题,以及综合考虑生产周期、工件总延误时间、设备闲置时间和工人闲置时间的多目标综合优化问题。其中采用多目标决策理论用于确定遗传算法中的目标函数,以及由非劣解集合获得较优解。调度算例表明本研究能获得很好的调度效果。     

多工艺路线的批量生产调度优化

以优化生产周期为目标,研究了多工艺路线的批量调度问题,提出了一种基于工序优先级的调度算法,并将该算法嵌入到遗传算法中,得到了全局优化的批量调度算法。遗传算法搜索最佳染色体,调度算法把染色体解码为调度。在调度算法中,采用了3种提高生产率的策略,即区分批量启动时间与工序加工时间,在工件到达机床之前做好准备工作;把一批工件分成多个小生产批次,每批次独立加工:一批工件加工部分后就运向后续加工机床,缩小后续机床的等待时间。仿真表明,该调度方法能取得较好结果。     

资源受限条件下Job-Shop动态调度方法研究

研究材料、设备、工人等资源受限条件下的Job-Shop动态调度问题。将设备按设备簇、设备组、机床层层细分,结合混合遗传算法GASA(genetic and simulated annealing algorithm)与双向调度策略,研究了工艺路线可变的以生产周期和关键工件交货期为目标的离散型动态调度方法,建立了数学模型,借助Matlab强大的仿真功能得出仿真结果,并对结果进行了分析和讨论。     

考虑关键件加工质量的双资源约束车间调度算法

在工人异质性和机床类型多样的资源约束型车间中,针对资源抢占使加工质量向非关键件倾斜从而导致关键件加工质量无法保障的情况,建立了以完工时间为主要优化目标,以关键件加工质量、整体加工质量为辅助优化目标的双资源（工人/机床）约束柔性作业车间调度问题模型,并提出一种两级嵌套蚁群算法。首先采用工件候选集、资源候选集生成满足关键件加工要求的可行调度解;然后为工序寻找更合适的开工时间,针对机床类型、人机时窗差异设计了基于时窗的活动调度策略以提高算法的局部寻优能力;进而提出了一种保质策略,使关键件和总体工件加工质量水平持续提高;最后,通过算例测试验证了保质策略和两级嵌套蚁群算法的有效性。     

基于遗传算法的多资源作业车间智能动态优化调度

提出一种基于遗传算法的调度算法，用于解决多资源制约(机床、工人和机器人)条件下作业车间的动态优化调度。为了表达加工工件的批量，提出了一种新的染色体基因型，基因型的长度随加工环境的变化而变化。研究的动态环境包括：加工工件连续不断地到来；机床设备突然损坏；损坏的机床被修复；工件的预定订货时间被提前；有新类型的工件要求被加工等等。采用一种基于周期和事件驱动的滚动窗口调度，以适应连续加工过程中的环境变化。调度算法中采用权重可变的双目标评价函数来优化调度结果。仿真结果表明该算法是可行的，与传统的静态优化调度相比，其优越性是明显的。     

基于工序成本的集成协作计划与调度模型研究

针对有多条生产加工路线而受加工能力和合作伙伴的制约的生产类型,提出了一个基于工序成本的新型集成协作计划与调度模型。该模型有效地解决了加工能力不足,部分工件可以外包,部分工件自行加工的不固定调度集的调度问题,在给定的生产周期依据工序成本规划出生产成本最低的工件调度组合。综合运用改进的遗传算法和启发式规则求解模型,在实现工艺路线决策的同时,确定了工序成本,以及总成本,保证了计划的可行性和调度的一致性。最后,应用设计出的算例完成了仿真演算,验证了模型的有效性和正确性。     

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。     

基于过滤定向搜索的Job-Shop调度算法及评价

对以Makespan最小为目标的Job Shop调度问题进行了研究。首先对Job Shop调度问题进行了描述,在此基础上建立了一种求解Job Shop调度问题的启发式优化算法———基于过滤定向搜索的算法,同时结合实例对算法的优化过程作了具体描述。最后通过不同规模的Benchmark实例对该算法进行了仿真评价,结果表明基于过滤定向搜索的算法搜索效率高,解的性能好,是一种有效的优化算法。     

考虑扰动事件的机械加工工艺参数与车间动态调度综合节能优化

随着能源消耗和环境问题的不断加剧,机械加工车间的高效节能生产越来越受到制造业的关注。传统动态调度优化时每道工序的工艺参数固定,未考虑工艺参数与车间调度之间的关联关系,限制了调度优化的潜力。为了更好地实现柔性作业车间节能增效,并快速有效地应对车间生产过程中出现的突发扰动事件,提出一种考虑扰动事件的加工工艺参数与车间动态调度综合优化方法。首先详细分析订单插入与机床故障下柔性作业车间的能耗特性,以总能耗与最大完工时间为目标,建立工艺参数与动态调度综合优化模型,然后设计一种面向扰动事件的动态决策机制,并提出改进的自适应形状估计进化算法(AGE-MOEA)进行优化求解,最后通过案例分析与算法对比,验证了所提出方法的有效性。     

变批量车间调度文化进化算法研究及应用

针对JIT环境下柔性生产的要求,多品种小批量生产使车间调度规划更加困难,许多生产调度优化问题属于NP-hard问题,其求解通常采用智能启发式算法。文化进化算法基于文化算法、文化进化思想及超群进化思想,通过上层文化空间的经验知识指导下层个体进化搜索的方向及步长,通过模拟人类社会文化进化的机制实现文化空间的进化与更新,最后将算法应用到变批量Flowshop问题的求解,用Matlab编程仿真测试,结果表明用此算法进行批量分割,解决生产调度优化问题是可行的,而且其搜索性能优于AGA算法。     

A Genetic Algorithm Approach to the Scheduling of FMSs with Multiple Routes

Usually, most of the typical job shop scheduling approaches deal with the processing sequence of parts in a fixed routing condition. In this paper, we suggest a genetic algorithm (GA) to solve the job-sequencing problem for a production shop that is characterized by flexible routing and flexible machines. This means that all parts, of all part types, can be processed through alternative routings. Also, there can be several machines for each machine type. To solve these general scheduling problems, a genetic algorithm approach is proposed and the concepts of virtual and real operations are introduced. Chromosome coding and genetic operators of GAs are defined during the problem solving. A minimum weighted tardiness objective function is used to define code fitness, which is used for selecting species and producing a new generation of codes. Finally, several experimental results are given.     

求解作业车间调度问题的快速启发式算法

首先将作业车间调度问题转换为一个搭积木模型,受这个直观模型的启发,提出了一个启发式的搭积木规则,该规则综合考虑了已经搭好的积木的顶高和将要搭积木的剩余高度。基于这个规则,提出了一个求解作业车间调度问题的快速启发式算法,对国际上通用的benchmark例的模拟实验结果表明,提出的算法优于经典的优先分配启发式算法。     

Crowding-measure-based multiobjective evolutionary algorithm for job shop scheduling

Multiobjective evolutionary algorithm (MOEA) has attracted much attention in the past decade; however, the application of MOEA to practical problems such as job shop scheduling is seldom considered. In this paper, crowding-measure-based multiobjective evolutionary algorithm (CMOEA) is first designed, which makes use of the crowding measure to adjust the external population and assign different fitness for individuals; then CMOEA is applied to job shop scheduling to minimize makespan and the total tardiness of jobs. Finally, the comparison between CMOEA and SPEA demonstrates that CMOEA performs well in job shop scheduling.     

考虑工序相关性的动态Job shop调度问题启发式算法

提出一类考虑工序相关性的、工件批量到达的动态Job shop 调度问题,在对工序相关性进行了定义和数学描述的基础上,进一步建立了动态Job shop 调度问题的优化模型。设计了一种组合式调度规则RAN(FCFS,ODD),并提出了基于规则的启发式算法以及该类动态Job shop 调度问题的算例生成方法。为验证算法和比较评估调度规则的性能,对算例采用文献提出的7种调度规则和RAN(FCFS,ODD)进行了仿真调度,对调度结果的分析表明了算法的有效性和RAN(FCFS,ODD)调度规则求解所提出的动态Job Shop 调度问题的优越性能。