基于Arena的车间作业排序问题建模方法及其仿真优化系统设计

针对车间作业排序问题的固有复杂性和目标函数难于解析求解等特点，建立了一个优化与仿真的集成系统框架，并提出了一种新的建模求解思路：首先，以通用仿真工具Arena为平台，提出虚拟抢占规则，实现了车间作业排序问题的仿真建模。然后，以贪婪随机自适应搜索算法为基础，结合高级语言VB，利用面向对象编程思想，通过Arena类库，设计了一个通用的车间作业排序问题的仿真优化系统框架，从而实现了优化和仿真的外部集成。在该框架下，可引入各种随机因素，提高对实际系统的建模与求解能力。最后，通过实例验证了该方法的有效性。     

融合帝国竞争与遗传算法的零件加工工艺排序方法

针对计算机辅助工艺规划中的零件加工工艺排序问题,以最小化机床、装夹以及刀具变更次数为优化目标,构建了工艺排序的数学模型,并提出了融合帝国竞争与遗传算法的优化求解方法,将帝国竞争算法输出的较优加工序列作为遗传算法的初始种群,通过融合帝国竞争算法不受初始种群影响的特性和遗传算法的快速收敛能力提升算法求解性能。实验结果表明:混合算法寻找最优解的效果比采用单一算法的效果更好,并且收敛速度更快。     

基于人工蜂群优化的串并行混装线关联排序问题

为解决一类具有串并行混流装配结构的关联排序问题,建立了以串行线和总装线投产序列差异度最小、并行线和总装线投产序列差异度最小以及总装线物料消耗均衡为目标的多目标关联排序模型;在多目标问题的处理上,分别对串行线、并行线与总装线的序列差异根据序列调整成本设置了权重系数,同时设计了一种基于模糊目标规划的多目标人工蜂群优化策略对问题进行优化;建立了考虑串并行总差异度最小与总装线物料消耗均衡的隶属函数,设计了一种改进人工蜂群优化算法对隶属函数构建过程中的单目标优化问题以及转化后的集成优化问题进行了求解,其中针对多段编码设计了一种多段随机搜索的雇佣蜂寻优方法,提高了算法的全局寻优能力,引入适应性邻域,增强了算法的局部寻优能力;通过构造Benchmark算例验证了算法的有效性,并采用冰箱生产关联排序问题实例对模型与方法的有效性进行了验证。     

基于改进NSGA2的柔性车间多目标智能调度问题研究

通过分析现有柔性车间调度问题特点和对相关算法进行研究,提出了基于改进非支配排序遗传算法(Non-Dominated Sorted Genetic Algorithm-II,NSGA2)的调度方法求解该问题。针对非支配排序遗传算法中存在种群多样性低、运算速度慢等缺点,提出了基于拥挤度的自适应交叉算子,并借鉴竞标机制思想,将竞争选择方法引入非支配排序遗传算法中,以提高求解质量。通过实验仿真以验证所提算法的有效性与可行性。     

混流装配线排序问题的研究现状与展望

目标函数的选取与排序问题的求解方法是解决混流装配线排序问题的两个关键问题,通过对混流装配线排序问题的国内外研究现状分析,并根据不同的优化目标,归纳出了不同类型目标函数并给出相应的数学模型;同时对排序问题的各种求解方法进行了分析和评价．重点介绍了人工智能方法。在此基础上,对混流装配线的发展进行了展望。     

基于束搜索算法的汽车涂装车间虚拟重排序

针对汽车涂装车间经常遇到的虚拟重排序问题,以最小化车辆生产序列中的颜色改变次数为目标建立了0-1整数规划模型,并采用一个有向无圈图来描述虚拟重排过程,将其转化成最短路径问题,进而提出求解该问题的束搜索算法。搜索过程中利用局部和全局评价函数对节点进行择优选取。采用不同参数组合的设计算例验证所提算法的性能,结果表明,该算法可以显著降低初始序列中的颜色改变次数,并且求解质量优于文献中已有的基于简单规则的束搜索算法。     

遗传帝国竞争混合算法在装配序列规划中的研究与应用

为了提高复杂产品的装配效率，对遗传帝国竞争混合算法进行了研究与改进，给出了混合算法的融合策略，以解决虚拟装配中的装配序列规划问题。建立考虑装配序列可行性、装配序列稳定性、装配重定向性以及装配聚合性四个评价指标的适应度函数，以适应度函数值最低为目标利用混合算法进行迭代。以某乘用车后桥减速器为实例进行试验，验证了混合算法在求解装配序列规划问题的可行性，并同单一的遗传算法、帝国竞争算法及粒子群算法进行比较，验证了混合算法在求解装配序列规划问题上的优越性。     

基于混合优化算法的飞机总装脉动生产线平衡问题

为提高飞机装配效率和人员利用率,根据飞机总装脉动生产线的特点和平衡优化需求,构建多目标多约束的E类飞机总装脉动生产线平衡问题模型,并设计一种结合非支配排序遗传算法、布谷鸟搜索算法和动态搜索算法的混合优化算法进行求解。其中动态搜索算法解决E类装配线平衡问题求解效率低下以及质量不佳的问题;非支配排序遗传算法通过改进个体距离计算方法提高装配序列的优化效果;布谷鸟搜索算法则借助改进莱维飞行距离计算式提高最优站位数量的搜索能力。最后通过基准问题测试证明算法的性能优于相关问题算法,并借助应用实例验证了模型的有效性。     

面向作业车间调度的基于拓扑排序的二级嵌套蚁群算法研究

蚁群算法的出现,为求解作业车间调度问题提供了新思路。然而,由于作业车间调度问题的可行域属性非常复杂,目前,采用蚁群算法进行求解,还存在收敛可靠性差和优化程度不高的问题。针对以上两个问题,在对工序拓扑排序的约束特性进行分析的基础上,提出基于拓扑排序的二级嵌套蚁群算法,其基本思想是:以拓扑排序为基础,采用受限主路径覆盖可行域,从而降低搜索的规模和盲目性,提升收敛可靠性;将问题分解为工艺路径优化和设备遴选优化两个级别的问题,从而构造二级优化机制,采用工艺主路径与设备支路径嵌套递归的方式,实现工序排序与设备遴选之间的相互干涉,从而提升解的满意度。比较试验表明,与目前常用的蚁群算法求解方法相比,采用基于拓扑排序的二级嵌套蚁群算法求解作业车间调度问题,具有良好的收敛可靠性、求解效率和寻优能力。     

以下游释放顺序为导向的汽车总装车间重排序

为解决带线性缓冲区的汽车总装车间平准化重排序问题,以最小化产品实际生产率与理想生产率的偏差为目标,建立了整数规划模型。基于以下游车辆释放顺序为导向的思路,提出了求解该问题的3种重排序方法,即分组重排序、滚动重排序和基于蚁群优化算法的重排序。最后采用不同的参数组合设计算例,对所提方法的性能进行验证。结果表明,滚动重排序的性能优于分组重排序,而基于蚁群优化算法的重排序方法表现最佳。     

Flexible job shop scheduling with tabu search algorithms

This paper presents a tabu search algorithm that solves the flexible job shop scheduling problem to minimize the makespan time. As a context for solving sequencing and scheduling problems, the flexible job shop model is highly complicated. Alternative operation sequences and sequence-dependent setups are two important factors that frequently appear in various manufacturing environments and in project scheduling. In this paper, we present a model for a flexible job shop scheduling problem while considering those factors simultaneously. The purpose of this paper is to minimize the makespan time and to find the best sequence of operations and the best choice of machine alternatives, simultaneously. The proposed tabu search algorithm is composed of two parts: a procedure that searches for the best sequence of job operations, and a procedure that finds the best choice of machine alternatives. Randomly generated test problems are used to evaluate the performance of the proposed algorithm. Results of the algorithm are compared with the optimal solution using a mathematical model solved by the traditional optimization technique (the branch and bound method). After modeling the scheduling problem, the model is verified and validated. Then the computational results are presented. Computational results indicate that the proposed algorithm can produce optimal solutions in a short computational time for small and medium sized problems. Moreover, it can be applied easily in real factory conditions and for large size problems. The proposed algorithm should thus be useful to both practitioners and researchers.     

时序约束条件下序列测试建模方法

时序约束的描述是测试序列生成前必须面对的问题,但是目前还没有完善的方法能够对时序约束进行描述,为此提出了一种时序约束序列测试建模方法。该建模方法中提出了状态转移允许区间,使得可以对转移发生时前一个状态的连续出现次数进行描述。针对目前欠缺能够有效评价测试序列目标覆盖程度的方法的问题,通过引入核函数来评价测试序列的目标覆盖程度对该问题给予了解决。最后利用提出的建模方法对实例进行建模,验证了建模方法的有效性和可行性。     

加工工序非紧密衔接的车间调度策略

针对以往车间调度算法忽略非紧密衔接工序调度,从而导致调度结果不精确这一情况,提出了一种考虑工序间空闲时间延迟约束的调度策略,即解决加工工序非紧密衔接调度问题的方法。该方法在对由延迟约束造成的工序非紧密衔接型调度问题进行定义和研究的基础上,提出了标准工序、延迟工序和扩展加工工艺树概念。设计了一种将延迟约束转换为顺序约束的转换策略,使得转换后的非紧密衔接工序变为虚拟紧密衔接工序,并可采用经典车间调度算法调度。实例验证表明,该调度策略可有效地解决非紧密衔接工序调度问题,可在不增加算法复杂度的情况下,得到更为实用的调度方案。     

Integration of batching and scheduling for hot rolling production in the steel industry

This paper investigates the hot rolling production scheduling problem in the steel industry and proposes a new mixed integer programming model for this problem based on the monolithic modeling strategy that integrates batching and scheduling. Using this strategy, the new model can simultaneously schedule multiple turns and simultaneously determine the production timetable of these turns in a global optimal view. A long-term tabu search heuristic using frequency-based memory is developed to obtain near-optimal solutions for this problem. Three kinds of speed-up strategies are developed to accelerate the search procedure of the proposed tabu search. A practical scheduling system combining the proposed mathematical model and the tabu search heuristic has been developed and tested on instances collected from practical production data. The experimental results show that the proposed mathematical model and the tabu search heuristic outperform both the current manual scheduling method and the traditional serial method.     

网格环境下多服务质量约束的复合服务调度机制

目前,由于没有一个动态、可扩展的服务组合模型,在服务网格环境中缺乏满足多性能目标约束的、复合服务的调度机制。为此,在分析动态服务调度机制基础上,将服务质量约束引入到状态图工作流模型中,提出一种多服务质量约束的动态组合服务模型,给出了在服务组合过程中保持服务组件之间服务质量一致性的方法,并将复合服务的调度问题（即执行路径的动态选择问题）归结为多属性决策问题。采用简单加权法,以保证组合后的服务满足综合服务质量约束。通过实现的服务调度组件验证了该机制的可行性和有效性。     

车间作业计划管理系统UML建模

以某企业车间作业计划管理为应用背景,详细介绍采用统一建模语言(Unified Modeling Language,UML)进行车间作业计划管理系统建模的整个过程.结合实际,阐述了UML的动、静态建模机制及系统设计方法.有效解决了领域专家、软件开发人员用户之间交流的难题,从而加速了开发的进程,保证了开发质量.     

Stochastic flow-shop scheduling with minimizing the expected number of tardy jobs

In this research, minimizing the expected number of tardy jobs in a dynamic m machine flow-shop scheduling problem, i.e., $ {F_m}\left| {{r_j}\left| {{\text{E}}\left[ {\sum {{U_j}} } \right]} \right.} \right. $ is investigated. It is assumed that the jobs with deterministic processing times and stochastic due dates arrive randomly to the flow-shop cell. The due date of each job is assumed to be normally distributed with known mean and variance. A dynamic method is proposed for this problem by which the m machine stochastic flow-shop problem is decomposed into m stochastic single-machine sub-problems. Then, each sub-problem is solved as an independent stochastic single-machine scheduling problem by a mathematical programming model. Comparison of the proposed method with the most effective rule of thumb for the proposed problem, i.e., shortest processing time first rule shows that the proposed method performs 23.9 % better than the SPT rule on average for industry-size scheduling problems.     

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。     

基于混合的多目标遗传算法的多目标流水车间逆调度问题求解方法*

将逆优化理论与方法引入车间调度领域,探讨近年来车间调度领域出现的一种新方法“逆调度”。研究多目标流水车间逆调度问题,建立考虑调度效率和调度稳定性的数学模型,综合考虑了加工参数改变量、系统改变量以及完工时间和等目标。提出一种基于混合的多目标遗传算法(Hybrid multi-objective genetic algorithm, HMGA)的求解方法,将多种策略进行混合以提高算法性能,主要包括快速非支配排序遗传算法(Non-dominated sorting genetic algorithm II, NSGAII)中的快速非支配排序方法、两种多样性保持策略、混合的精英保留策略,以及改进的局部搜索策略等。通过实例测试与方差分析(Analysis of variance, ANOVA),验证了该算法的有效性。     

Job Shop调度问题的Minimax模型及双空间协同遗传算法

针对工序加工时间不确定环境下的Job Shop调度问题,为了预估最差调度工况及其对应的调度性能指标边界,采用一类保守、稳健的Minimax分析方法,建立了基于提前/拖期惩罚成本的Minimax调度模型;为了解决传统基于遍历或枚举方法存在的搜索空间巨大的问题,提出并证明了给定调度顺序条件下,关于内层Max优化过程的凸函数定理,并依此定理提出了一种工序加工时间搜索空间过滤机制。针对Minimax调度问题存在的双空间寻优特性,在分析调度顺序种群和工序加工时间种群的交替进化机制的基础上,设计了一种高效的双空间协同遗传算法。最后通过仿真算例验证了该过滤机制和双空间协同遗传算法的有效性。