基于混合多目标遗传算法的柔性作业车间调度问题研究

针对多目标柔性作业车间调度问题,建立了以最大完工时间、机器总负荷、瓶颈机器负荷为目标的调度数学模型,提出了一种基于混合多目标遗传算法(HMO-NSGA-II)的求解方法。首先,采用了全局选择和快速选择相结合的初始化方式,得到分布均匀的初始种群;其次,对其交叉变异算子进行了自适应改进,以提高对种群的搜索能力;接着,针对精英策略在维持种群多样性上的局限性,设计了一种精英保留机制,并引入改进的和声搜索算法,提高了精英库中的个体质量;最后,采用基准算例Kacem测试集、BRdata数据集和实际生产案例进行了测试。研究结果表明:采用HMO-NSGA-II求解多目标柔性作业车间调度问题,求解精度高、收敛速度快,可在实际生产中为决策者提供可行、有效的调度方案,具有很好的实用价值。     

一种基于改进NSGA-Ⅱ的多目标绿色柔性作业车间调度方法

针对多目标绿色柔性作业车间调度问题,建立了以最小化最大完工时间、总负荷和总能耗为优化目标的多目标优化模型,提出了一种带有自适应交叉变异算子和学习机制的改进NSGA-Ⅱ多目标优化算法。该算法通过机器和工序的两级编码机制,使用基于全局、局部和随机选择的非支配排序选择策略得到初始种群;采用具有自适应算子的混合交叉变异策略进行迭代,提高算法的全局搜索能力;引入分布函数来改进精英保留策略提高种群的多样性;通过学习机制进行邻域搜索提高算法的局部搜索能力。最后,采用基准测试算例Brandimarte以及Kacem数据集对算法进行测试,结果表明采用改进的NSGA-Ⅱ算法求解多目标绿色柔性作业车间调度问题具有求解精度高、收敛速度快以及解集多样性好的优点。     

基于改进粒子群优化算法的多目标铜卷加工生产调度研究

针对多目标铜卷加工生产调度问题,提出一种自适应的改进粒子群优化算法。该算法采用基于个体拥挤距离排序的外部种群保留策略以避免陷入局部极值,基于个体拥挤距离概率更新全局极值以及基于支配关系更新个体极值,同时采用基于非支配解和单点交叉的内部种群规模自适应调整策略以及自适应动态惯性权重来保持种群的多样性。通过应用实例验证了该方法求解多目标铜卷加工生产调度问题的有效性。     

考虑机器检修的圆钢热轧批量调度算法

针对圆钢的热轧批量调度问题,考虑实际生产中的机器检修计划对批量连续性加工的影响,以最大化产能利用率、最小化机器调整时间和订单提前拖期为优化目标,建立了多目标的整数规划模型,并提出改进的带精英策略的快速非支配排序算法对模型进行求解。算法结合问题的约束特征,采用改进的NEH算法生成初始解,并采用罚函数的思想设计适应度函数,对种群中存在的不合理解设计修复规则进行修复;针对遗传进化过程,设计了遗传操作方式,并在算法迭代过程中嵌入基于有限搜索范围的邻域搜索算法,避免算法陷入局部最优。实验结果表明,模型和算法对问题的描述和求解是可行有效的。     

考虑多时间约束和机器效率的柔性作业车间调度问题建模及优化

针对传统柔性作业车间调度问题只考虑加工过程的局限性,综合考虑具有工件运输时间、交货期、加工时间以及工件到达时间等多约束,构建了以机器效率最大和最大完工时间最小为目标的调度模型,其中机器效率用每台机器开始加工到结束加工之间的空闲时间和来表示。模型中充分考虑多时间因素并通过工件紧前工序、机器前置工序确定机器的可用时间段和工件的最早开始加工时间。基于遗传算法设计了分段式编码和插入式解码策略,利用S-自适应概率对染色体交叉进行改进,并采用了一种基于最大化机器使用效率的选择策略对机器部分进行变异,另外为保证后代的多样性,提出一种局部种群扩张策略以扩大种群。最后,通过两个不同规模的柔性作业车间调度案例对模型和算法进行测试。实验结果显示所构建的模型适用于该类考虑多时间和机器效率的柔性作业车间调度问题,同时改进算法的表现也优于对比算法。     

动态物流网络多目标优化模型及求解算法

针对动态物流网络优化问题,构建了多阶段三级物流网络模型。为了同时保证物流网络的效益和效率,以产品供应总成本最小和供应总时间最短为目标建立多目标优化模型。针对该模型多目标、多约束且存在时变参数的特点,提出了动态自适应多目标差分进化算法(DSMODEA)对模型进行求解。DSMODEA算法为元启发式智能优化算法,通过比较种群个体的Pareto支配关系和拥挤度距离来判断个体优劣,采用差分进化策略不断迭代收敛。同时,提出了环境变化检测算子、环境变化响应策略和自适应策略以保证算法能很好地求解动态优化问题。算例表明,DSMODEA算法能够求得各阶段物流网络的最佳可行供应方案,且所采用的响应策略和自适应飞行策略大大提高了算法的性能。     

求解低碳车间调度问题的改进鲸鱼算法

针对传统柔性作业车间调度问题只考虑完工时间,设备利用率,完工成本等因素的局限,构建了以碳排放成本和完工时间成本加权和最小为目标的低碳柔性作业车间调度问题模型,并设计了一种改进的鲸鱼优化算法对其进行求解。首先,采用等长的两段式编码方式来表示柔性作业车间调度问题,引入基于ROV规则的转换机制,实现鲸鱼个体位置向量与调度解之间的相互转换。其次,采用基于一定比例的全局搜索、局部搜索和随机搜索的混合式种群初始化方法,生成一定质量的初始种群,同时设计了非线性收敛因子和自适应惯性权重系数来加强算法协调全局搜索和局部寻优的能力。再次,引入自适应调整搜索策略以提高算法跳出局部最优的能力。最后,通过实验数据验证了改进鲸鱼算法在求解低碳柔性作业车间调度问题方面的有效性。     

基于改进花授粉算法的共融AGV作业车间调度

针对传统智能算法求解自动导引小车与机器集成的车间调度问题效率低且易早熟的缺点,提出一种基于改进花授粉算法的车间调度算法。其中,基于主成分分析法提出新的变异算子以增强算法对解空间的感知能力和跳出局部极值的能力;引入交叉算子以提高花授粉算法的全局搜索能力;基于染色体相似度矩阵提出一种自适应个体初始化生成策略以提高初始种群的多样性。面向该集成调度问题需求,建立了机器与自动导引小车集成的调度数学模型,然后采用新的解码算法和新解接受机制对模型进行求解。最后通过搭建集成调度实验平台验证了所提改进算法的有效性。     

无缝钢管热轧批量调度问题的学习型文化基因算法

针对无缝钢管热轧批量调度问题,考虑生产工艺约束、生产需求优化等因素,以最小化热工具轧辊使用消耗、生产拖期为目标,建立了多目标整数规划模型。分析了无缝钢管批量调度顺序对热工具轧辊消耗的影响,给定了轧制批量顺序下的求解启发式算法,并设计了一种基于多种群进化的学习型文化基因算法。针对目标设计了不同的搜索算子以及算子的自适应学习选择策略来指导种群进化,充分发挥全局搜索和局部搜索能力。仿真实验与常用的带精英策略的快速非支配排序遗传算法和文化基因算法进行了对比,验证了所提模型和算法的有效性。     

自适应多种群Jaya算法求解绿色并行机调度问题

考虑到同一机器加工不同工件时存在序列相关准备时间的情况，研究了具有设置时间的绿色并行机调度问题。针对问题采用二维实数编码方案来有效映射解空间，并设计一种可以求解多目标的自适应多种群Jaya算法。该算法以Pareto最优解及拥挤度计算的机制进行寻优，在Jaya算法的基础上，设计了位置向量排序机制实现连续型解与绿色并行机调度问题离散型解的有效结合；将随机规则与工作均衡规则相结合提升初始种群质量并设计了自适应变化的多种群提升算法的搜索多样性与收敛速度。通过与其他4种算法的算例测试分析，结果表明自适应多种群Jaya算法在求解具有设置时间的绿色并行机调度问题上具有优越性。     

求解多目标混流装配线平衡问题的VPS-PSO算法

为了更有效地减少工作站数目、提高装配线效率,提出了一种基于多目标混流装配线平衡问题的方法。针对混流装配线平衡问题,采用工作站损失指数、装配线损失效率和平滑指数的评价指标作为混流装配线平衡优化问题的适应度函数,在给定节拍和装配优先顺序的前提下建立多目标优化模型。提出一种基于变种群策略的改进粒子群(VPS-PSO)算法能有效地维持种群的多样性,提高粒子群算法的全局搜索寻优能力。案例表明,该算法相对于PSO算法具有更好的寻优能力和求解效率,可以更高效地得到合理的装配线平衡方案。     

基于动态机器故障率的并联加工系统资源多目标调度

针对并联加工系统,为处理生产过程中因机器故障导致的加工资源动态调度问题,考虑系统资源负荷和故障率存在的动态相互制约关系,依据子周期划分的不同策略,对调度后的加工总时间、预防维修时间和系统可靠度进行量化研究,构建多目标动态调度模型。采用基于Pareto熵的多目标粒子群算法对模型进行求解,通过改进个体最优解选择策略,提升最优解选取的多样性;通过差熵来估计种群所处进化状态,改进算法的搜索能力。以某企业的加工系统为实例,利用该模型进行加工资源调度方案设计,通过模糊决策得到的多目标权重,选取最优调度方案,并进行多个参数对比,验证在加工资源调度过程中,集成考虑动态机器故障率和基于机器最大役龄约束划分子周期的可行性,不仅可以完成订单准时交付,还可以使企业有更好的柔性去应对可能到来的紧急订单。     

基于改进非支配排序遗传算法的多目标柔性作业车间低碳调度

为解决以设备能耗、刀具磨损和切削液消耗为碳排放来源，能耗和人工费用为加工成本的多目标柔性作业车间低碳调度问题，建立以最小化碳排放量、最长完工时间和加工成本为目标的低碳调度模型，提出一种改进带精英策略的非支配遗传算法（NSGA-Ⅱ）并进行求解。首先通过基于Tent混沌映射的编码与融合了层次分析法（AHP）的贪婪解码来动态调整染色体组成，提高初始种群质量；然后提出了一种基于遗传参数的自适应遗传策略，根据种群进化阶段与种群非支配状态动态调整交叉、变异率；最后设计了一种基于外部档案集的改进精英保留策略，提高了算法后期的种群多样性并保留了进化过程中的优质个体。通过标准调度算例与实际案例验证了改进算法的有效性。     

基于粒子群算法的多目标模糊物元优化研究

针对产品设计优化过程中多目标性、模糊性、不确定性等特性,提出基于粒子群算法的多目标模糊物元求解策论.建立了多目标模糊物元优化模型,定义了物元的各个权重,根据某种优化准则,将多目标优化问题转化成了单目标问题的优化.运用粒子群算法作为求解策略,并提出新的改进方法,给出模糊物元多目标优化设计问题的改进自适应粒子群算法(MAPSO)求解过程,并将它与其他方法进行比较,结果显示该算法具有较高的执行效率.     

超启发式文化基因算法优化生产与预维修集成调度问题

鉴于传统车间调度通常认为机器始终处于可用状态而有悖于实际生产环境的不确定性,考虑机器使用过程中需要周期性的进行预防性维修的情况,以最大完工时间和预防性维修总成本为目标,建立了机器预防性维修和柔性作业车间调度的集成优化模型。针对该模型设计了年龄模型下的3种不同的集成策略,并开发了一种超启发式文化基因算法,算法采用两层结构,顶层采用文化基因算法的搜索机制,底层是全局搜索算子库和局部搜索算子库,采用基于概率的改进的自适应算子选择机制。实验表明,该算法可以有效求解生产调度与预维修集成优化问题。通过对比可知,同步集成策略表现最优。将役龄模型应用于同步集成策略中,进一步优化了同步集成调度策略,在保证机器可靠性的前提下降低了最大完成时间和预防性维修总成本。     

工程约束优化的自适应罚函数混合离散差分进化算法

将离散约束优化问题转化为非负整数约束规划问题,开发求解该问题的离散差分进化算法。该算法采用基于混沌映射的种群初始化、双版本变异和带随机扰动项的取整运算等新策略。针对非线性约束条件,给出惩罚基数的计算方法和连续映射基函数的表达式,在此基础上设计处理非线性约束的自适应惩罚因子。提出一种刻画种群多样性的新测度——种群二次平均基因距离及基于新测度的依概率混沌移民算子。将自适应罚函数法、依概率混沌移民操作与离散差分进化算法有机融合,构造面向工程约束优化的混合离散差分进化算法。对3个离散约束优化实例进行验证,结果表明,混合算法具有良好的鲁棒性且优于离散粒子群算法。应用混合算法求解斜齿圆柱齿轮传动优化设计问题,结果优于遗传算法及其改进算法、离散粒子群算法,目标函数值较遗传算法及其改进算法分别下降41%和10%。     

混合离散蝙蝠算法求解多目标柔性作业车间调度

针对以最大完工时间、生产成本和生产质量为目标的柔性作业车间调度问题,在研究和分析蝙蝠算法的基础上,提出一种混合离散蝙蝠算法。为了提高求解多目标柔性作业车间调度问题的混合离散蝙蝠算法的初始种群质量,在通过分析初始选择的机器与每道工序调度完工时间两者关系的基础上,提出一种优先指派规则策略产生初始种群,提高了算法的全局搜索能力。同时采用位置变异策略来使得算法在较短的时间内尽可能多地搜索到最优位置,有效地避免了算法早熟收敛。在计算问题的目标值上面,首次提出时钟算法。针对具体实例进行测试,试验数据表明,该算法在求解柔性作业车间调度问题上有很好的性能,是一种有效的调度算法,从而为解决这类问题提供了新的途径和方法。     

车间多排设备布局问题的优化研究

在车间多排设备布局问题上往往存在限制条件多、设计方案不合理的情况。针对车间多排设备布局问题的特性,提出一种车间布局优化模型,并且利用遗传算法变异策略优势改进粒子群算法,使得设计方案更加合理。首先,将车间设备进行坐标化,建立了基于总物流成本最小的目标函数。经过综合分析,量化了各工序之间的物流关系。然后根据消防通道、设备占地与间距等非物流因素采用分级惩罚思想建立各种约束。此外,利用随机生存的初始种群,采用加入遗传算法的自适应变异策略的粒子群算法搜索最优车间布局。最后,通过一个案例研究了该模型的工作原理。与系统布置设计(Systematic Layout Planning, SLP)方法和遗传算法(Genetic Algorithm, GA)相比,该方法在解决多排设备布局问题效果更好。     

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...     

多目标产品配置优化研究

针对多目标产品配置优化问题,考虑实例关系和个性化等约束,构建了以性能、成本和交货期为目标的产品配置模型。设计了一种改进的非支配排序遗传算法(Non-Dominated Sorting Genetic AlgorithmⅡ,NSGA-Ⅱ)进行配置模型求解,并根据顾客偏好推荐配置方案。该算法采用动态罚函数处理约束问题,采用自适应交叉和变异概率提高算法收敛速度,对变异操作结果进行模拟退火操作,避免了算法陷入局部最优解,并针对多目标问题改进了Metropolis准则。通过算法验证与实例应用,证明本模型有效可行,改进NSGA-Ⅱ算法在配置问题求解上优于NSGA-Ⅱ算法。