基于蜂群算法的作业车间调度研究

根据群体智能原理 ,利用蜜蜂个体与环境之间交互安排任务的模型 ,针对多批次 ,各批次工件随机到达情况下的作业车间调度 ,提出了基于蜂群算法的动态调度方法 ,仿真实验结果表明该方法能够起到优化调度的作用。     

基于GEP-DES的柔性流水车间机器与AGV集成实时调度方法

智能制造背景下，考虑机器与AGV集成实时调度对整个生产系统效率提高具有重要的意义。针对工件动态到达、加工时间存在波动的情况，提出一种将基因表达式编程算法与离散事件仿真(GEP-DES)相结合的实时调度方法以解决基于最小化最大完工时间为目标的机器与AGV集成调度模型。该方法在离线阶段设计三段式编码的GEP算法以描述机器与AGV集成运作过程，借助DES过程获取目标函数值以对GEP指标性能进行评估，最终挖掘出高质量的调度规则。挖掘出的调度规则与在线阶段车间实时工况信息交互以实现机器与AGV集成的实时调度。最后，将所提方法与传统调度规则方法进行对比，实验结果验证了所提方法的有效性与优越性。研究成果为快速响应柔性流水车间生产中的机器与AGV集成实时调度提供了方法支持。     

基于Q学习的智能车间自适应调度方法

为降低智能车间中动态不确定因素对生产性能的影响，提出一种基于Q学习的智能车间自适应调度方法。该方法设计基于强化学习的智能车间自适应调度框架，采用Q学习算法，通过智能体—环境交互试错机制，自主训练调度模型，并根据生产车间环境变化动态更新调度模型，以支持能够指导车间运行的最优决策轨迹的生成。所提方法在MiniFab半导体生产线模型上进行了验证，结果证明该方法能够有效应对智能车间生产环境变化，在生产全过程中能对调度决策进行实时调整，优化车间综合性能指标，同时显著降低时间与人力成本。     

基于MES的车间作业调度系统的研究

针对基于MES的车间作业调度问题,提出了基于规则的智能优化调度算法.通过相关约束建立生产调度问题的数学模型,选出适合的优先调度规则,将排序的过程分为初始排序与优化排序,开发出基于MES的车间作业调度系统.经实际应用表明,该方法计算时间短,调度结果令人满意.     

改进差分进化算法求解不确定流程车间调度问题

考虑实际流程工业生产中投入产出比、设备转化率等不确定性因素,基于模糊理论建立了以最大化面积满意度为目标函数的不确定流程工业车间调度模型.为提高调度算法的优化性能,提出多变异、双向交叉的改进差分进化算法,增加了种群个体在搜索空间的遍历性及择优选择的范围.以某电化厂聚氯乙烯车间调度为例,将改进算法应用于实际车间调度,分析了时间段长度、不同变异策略以及中间存储的初始容量对调度结果的影响.仿真结果表明了改进算法的有效性和稳定性.     

不确定条件下车间动态重调度优化方法

分析车间生产环境复杂、多变以及生产过程中各种随机扰动所导致的不确定性问题,将扰动分为显性扰动和隐性扰动两类。分别采用主动和被动触发式重调度驱动规则,对各种扰动进行响应,并通过建立重调度优化集,结合滚动时域优化方法,对大规模动态重调度优化问题进行了简化。提出重调度优化集内待加工工件的选取规则,以减少工序间机器空闲时间。最后提出混合粒子群调度优化算法,对优化集内待加工工件进行智能优化调度,并采用该算法结合具体的仿真实例验证了该动态随机重调度优化方法的有效性。     

多目标离散灰狼优化算法求解作业车间节能调度问题

针对作业车间节能调度问题,建立了一种以优化总能耗和工件最大完工时间为目标的节能调度模型,并提出一种多目标离散灰狼优化算法进行求解.根据问题的特点,首先采用离散整数编码方式,利用调度规则生成初始种群;其次引入一种基于跟踪模式和搜寻模式的双模式并行搜索方法,并在搜索过程中动态调整两种模式下个体的数目,以协调算法全局和局部搜索能力;为了使算法适用于多目标离散调度问题,在跟踪模式下提出一种基于交叉操作的离散个体更新方法,在搜寻模式下提出一种基于记忆池机制和邻域结构的离散个体更新方法.对40个作业车间调度问题基准算例进行改造,并验证了所提算法的有效性.     

不确定信息条件下Job-shop调度的混合智能算法

目前大多数生产调度的研究往往聚焦于经典调度问题的优化算法而忽略了车间中大量存在的不确定性，因而难以应用于实际车间调度。采用随机变量来描述真实车间中存在的一些不确定信息，在基于不确定规划理论的基础上建立了相应的不确定性调度模型，并研究了解决此类问题的混合智能算法。开发了混合智能优化原型系统，并结合仿真工具对该调度模型和混合智能算法进行了验证。     

基于基因表达式编程的单AGV加工车间调度规则生成

考虑到在含AGV的加工车间中,将AGV调度独立于工件调度会使问题复杂化,详细分析了单AGV与加工车间集成的调度问题特征并提供了解决方案。由于调度规则简单、易于应用且能及时响应生产环境,以最小化完工时间为目标,基于基因表达式编程智能挖掘出适用于该问题的高效调度规则,并详细介绍了算法用于调度规则设计的编码、两阶段解码以及规则挖掘流程。一系列典型规则对比实验以及大规模标杆案例测试证明了所挖掘规则的高效性、鲁棒性。并且通过对规则分析,找出了影响该问题的属性及其内在规律。     

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.