基于混合遗传算法求解分布式流水车间逆调度问题

分布式调度是智能制造的新模式,急需新的调度方法来应对动态多变的市场需求。针对分布式置换流水车间问题,采用逆调度方法优化,通过最小调整加工参数,使得尽可能保证原排序的情况下调度最优。以最小化调整加工时间为目标,建立流水车间逆调度数学模型,针对逆调度问题特征,在遗传算法的框架下提出一种混合遗传优化算法。首先,基于逆调度参数可调的特征,提出基于工序的小数机制双层编码方案,能够实现参数的调整,保证可能解;提出改进启发式方法和基于规则的方法相结合的混合初始化方法;其次,采用适合问题特征的交叉、变异操作执行搜索;为协调全局搜索与局部搜索能力,设计局部搜索策略和学习机制的双种群协同搜索策略。为验证算法性能,基于问题实例采用三种算法进行比较,并且进行统计分析,其结果表明所提算法能更有效求解分布式流水线逆调度问题。     

基于元胞机和改进GA的大型零件柔性作业车间调度算法

针对大型零件柔性作业车间调度问题,采用改进遗传算法优化元胞机局部演化规则,提出了元胞机和改进遗传算法相结合的混合调度算法。依据总加工时间最短、各工位负荷率高、同一工位组各工位负荷平衡率高的优化目标,建立了离散化后单个静态调度单元的遗传算法优化模型,并结合算例具体说明了优化过程。通过文献实例演算验证了混合算法求解大型零件柔性作业车间调度问题的可行性和有效性。     

基于机床加工匹配特性的混合流水车间绿色生产调度

针对混合流水车间绿色生产过程中的设备选择和调度目标匹配问题,提出基于机床加工特性的多目标调度模型和改进遗传算法。该算法建立了混合流水车间调度的时间、能耗与成本优化模型,采用模糊隶属方法描述了机床加工特性,在遗传算法求解过程中通过机床加工特性隶属度与调度目标的权重系数匹配关系,建立了自适应的交叉、变异和优势保留策略,在每一代迭代中提高在调度目标方向上的选择压力,加速收敛。通过实例分析对比了不同算法的优化结果,从而验证了模型及算法的有效性,并提出了高效、节能、经济和综合4种调度生产模式,为混合流水车间绿色生产提供了指导。     

[车间调度]混合工作日历下作业车间调度遗传进化方法

针对一类混合工作日历下的作业车间调度问题,提出了一种遗传进化方法。构建了混合工作日历下以生产周期最短为优化目标的作业车间调度优化模型;提出了基于工作日历的时间推算方法,设计了遗传算法对这类问题进行求解。算法采用基于工序的编码方式;遗传操作中采用遗传算子改进策略保证子代个体的可行性,降低了计算量;解码操作中采用了基于工作日历的时间推算方法来准确计算工序的起止时刻,并采用两种技术缩短生产周期。通过案例分析验证了所提方法的有效性。     

混合工作日历下作业车间调度遗传进化方法

针对一类混合工作日历下的作业车间调度问题,提出了一种遗传进化方法。构建了混合工作日历下以生产周期最短为优化目标的作业车间调度优化模型;提出了基于工作日历的时间推算方法,设计了遗传算法对这类问题进行求解。算法采用基于工序的编码方式;遗传操作中采用遗传算子改进策略保证子代个体的可行性,降低了计算量;解码操作中采用了基于工作日历的时间推算方法来准确计算工序的起止时刻,并采用两种技术缩短生产周期。通过案例分析验证了所提方法的有效性。     

动态环境下的柔性作业车间调度问题研究

针对动态环境下的柔性作业车间调度问题,提出了一种基于改进离散粒子算法的动态调度方法。动态调度方法采用在动态车间调度中应用最为广泛的滚动窗口与改进离散粒子算法相结合的再调度策略,最后通过对两类突发动态事件的仿真测试,验证了本文所提方法能够解决各类突发动态事件,及时有效地对初始方案进行调整,并与原方案有效衔接。     

面向云制造的混流混合车间调度问题

为解决云制造环境下混流混合车间的生产调度优化问题,综合考虑混流装配与零部件加工的集成优化以及外协云任务与自制任务的协同调度,建立了以最小化最大完工时间、均衡化零部件生产和最大化零件车间机器利用率为优化指标的多目标车间调度模型。基于零件分批和车间调度的两阶段求解策略,设计了一种两级递阶结构的混合生物地理学优化算法,采用在迁移算子中嵌入差分进化算法的变异策略来提高算法的搜索效率。最后,通过实例验证了模型和算法的有效性。     

基于DBR—GA的混合流水车间调度方法

针对带有并行机与批处理机的混合流水车间调度问题,提出一种基于“鼓-缓冲器-绳子”一遗传算法的调度方法。首先建立了识别瓶颈工作站的步骤,开发了相应的启发式算法,进行了问题初始解的求解,在此基础上应用改进遗传算法对作业在瓶颈工作站上的加工顺序进行优化,并利用缓冲机制决定了作业的投放策略,同时对非瓶颈设备运用优先级规则进行了作业的排程。最后通过算例实验和性能分析,验证了所提调度方法的有效性与实用性。     

不确定环境下再制造加工车间生产调度优化方法

针对再制造加工车间工况兼具随机性与模糊性,采用模糊随机变量表示废旧件加工时间,以描述再制造加工车间工况的双重不确定性;在不确定理论的基础上,建立基于模糊随机机会约束的再制造加工车间生产调度问题模型,并提出求解该问题混合智能优化算法:基于Arena仿真平台应用模糊随机模拟技术产生输入和输出数据,利用粒子群优化算法训练径向基函数神经网络以逼近不确定函数,将训练好的神经网络嵌入至遗传算法中优化再制造加工车间生产调度问题;通过仿真实例验证该混合智能优化算法解决加工时间为模糊随机变量的不确定环境下再制造加工车间生产调度问题的有效性和合理性。     

基于改进遗传算法的物料配送多 AGV 调度优化

为解决混流作业车间中物料配送多自动导引车（ AGV）的调度优化问题,以AGV配送物料行驶时间最短为目标建立数学优化模型,提出了一种改进的遗传算法进行AGV的任务分配和配送路径优化。在算法设计过程中,采用直接反映AGV配送路径和任务分配的整数编码方式,为避免常规交叉变异过程中产生不可行解的情况,改进了交叉变异算子,采用最好－最坏交叉模式和基因段随机交换的变异模式,获得了优化的调度方案。最后,以某重型机械公司装配车间内物料输送AGV调度优化为实例,并与遗传算法和分支定界法进行对比,验证了所提方法的可行性和有效性。     

基于遗传算法和代理的集成调度系统框架

基于多代理系统分布式调度和集中式调度的优点,提出了将二者有机结合的系统框架,分为总体调度和多代理调度网络。前者采用遗传算法优化筛选不同的调度方案,后者则由加工资源代理和协作协议构成的代理网络,保证调度对动态制造环境的适应性。每个生产订单优先级编码为一个染色体基因,每个染色体代表一个调度方案,由多代理调度网络按照订单优先级和调度协议安排工序加工时间,然后采用提前／拖期惩罚计算染色体适值,并以此为基础优选出较优染色体,经过若干代后得到最终调度方案（订单优先级和工序时间）。最后,给出了调度实例,验证了该框架的可行性。     

具有柔性加工时间的机器人制造单元调度问题改进遗传算法

为克服传统遗传算法在求解具有柔性加工时间的机器人制造单元调度问题时易出现早熟收敛、冗余迭代等缺陷,提出了改进遗传算法。该算法采用基于工件搬运顺序的染色体编码,并根据调度问题特征,设计构造型启发式算法来生成初始种群,避免了大量不可行染色体的产生,提高了后续操作的优化质量。同时,在交叉变异操作中引入局部邻域搜索,通过对子代邻域的局部寻优提高了算法的收敛速度。最后,分别应用该算法和传统遗传算法求解六个基准案例,实验结果验证了该算法的有效性。     

A hybridisation of metaheuristics for flow shop scheduling

The present paper deals with the formation of an optimal sequence of flow shop scheduling (FSS) for efficient operation. The primary concern of FSS is to obtain the optimal sequence, which minimises the idle time, tardiness, makespan, etc. Among these, the criteria of minimising the makespan plays a vital part. Thus, in this paper, the sequencing of the FSS for minimising the makespan is addressed. An effective hybrid has been formed with the metaheuristics, namely an ant system and a genetic algorithm (GA). A number of illustrative examples with different combinations of machines and jobs have been solved using the proposed hybrid method.     

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。     

规则调度的迭代优化

将调度系统性能指标分为设备关联指标和工作关联指标，设备关联指标与设备实际加工时间关联，工件关联指标与工件加工时间，流动时间和交货期关联，对应系统性能分为设备关联性能和工件关联性能，这两类系统性能均随设备／工件优先级改变而改变，引入能反映上述性能指标的控制参数，提出基于性能反馈的迭代优化调度方案，开发了实验原型系统，仿真实验结果表明，迭代优化调度能有效提高系统性能，并根据调度目标函数，优化指定系统性能。     

A hybrid model using genetic algorithm and neural network for process parameters optimization in NC camshaft grinding

Camshaft grinding is more complex comparing with the ordinary cylindrical grinding. Since its quality is mostly influenced by more factors, how to select process parameters quickly and accurately becomes the key to improve its quality and processing efficiency. In this paper, a hybrid artificial neural network (ANN) and genetic algorithm (GA) model is proposed to optimize the process parameters. In this method, a BP neural network model is developed to map the complex nonlinear relationship between process parameters and processing requirements, and a GA is used in order to improve the accuracy and speed based on the ANN model. The results show that the hybrid ANN/GA model is an effective tool for the process parameters optimization in NC camshaft grinding.     

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。     

某轴承制造企业设施规划及仿真

对某企业的生产流程进行了分析,运用设施规划与物流的基本理论,通过计算各车间之间的物流及非物流关系,对从事轴承制造的厂房进行规划布局,使该企业的布局更加合理化。运用专业软件Flexsim进行模拟仿真,运行模型,找出了该企业在生产中可能会出现的问题,通过优化模型,减少了加工中心的空闲时间,提高了生产效率。     

某轴承制造企业设施规划及仿真

对某企业的生产流程进行了分析,运用设施规划与物流的基本理论,通过计算各车间之间的物流及非物流关系,对从事轴承制造的厂房进行规划布局,使该企业的布局更加合理化。运用专业软件Flexsim进行模拟仿真,运行模型,找出了该企业在生产中可能会出现的问题,通过优化模型,减少了加工中心的空闲时间,提高了生产效率。