批量生产柔性作业车间优化调度研究

在批量生产柔性作业车间调度问题中,不但要考虑路径选取和加工排序两个子问题,而且工件还可被分割为多个子批量,不同子批可选择不同工艺路线。该问题是对传统柔性作业车间调度问题(FJSP)的扩充,它更接近于实际生产调度问题。针对问题的特点,提出了一种基于遗传算法的柔性分批调度算法。在算法中,提出了一种基于"游标"的柔性批量分割方法,并采用一种批量分割与加工工序相融合的染色体编码方法。该算法不但可根据机床负荷将工件分割成具有柔性批量的多个子批,而且可使子批工艺路线选取及加工排序同时得到优化。通过实例仿真,对算法性能进行分析和评价,结果表明了算法的有效性和可行性。     

考虑准备时间和工件分批的柔性作业车间调度

针对柔性作业车间调度受生产准备时间和工件批量影响的问题,构建了考虑准备时间和工件分批的柔性作业车间调度模型.根据工件批量加工中等量分批方法柔性不足的特点,采用柔性分批方法对工件进行批量划分.提出一种改进的遗传算法,以最小化最大完工时间为优化目标,采用双层编码的方式对模型求解,确定各工件的分批方案和子批工序调度排序方案.通过分析柔性调度案例,验证了该算法的有效性,能够更好地满足实际车间生产要求.     

面向智能工业的柔性装配批量调度优化策略

在实际的多品种批量柔性生产的过程当中,一种产品可以分割为多个子批量进行生产,一个完整的生产过程包含多个加工流程,每个加工流程可能有多条功能相同的生产线,每条生产线可以完成多种产品的相应加工流程的生产,如何优化该生产过程完成固定生产任务所需的最小完成时间对生产效益非常重要。为解决产品柔性分批与批量调度的问题,提出了一种模拟退火算法与遗传算法相结合的方案。所提方案不但可以根据生产线产能限制将生产任务划分成具有柔性批量的多个子批,而且可以使加工排序以及生产线的选取得到优化。进行了大量实例仿真,结果证明提出的批量调度算法的有效性和可行性。     

基于多目标混合进化算法的作业车间混排可变分批节能调度方法

针对作业车间分批调度问题,集成可变子批划分和子批混排策略,考虑批量划分约束、子批混排加工约束等,建立了最小化能耗和完工时间的混排可变分批调度优化模型,并提出了一种改进多目标混合进化算法。为了协调算法的全局搜索与局部搜索性能,将Jaya算法种群更新机制引入基于分解的多目标进化算法中,同时结合混排可变分批调度问题特征,设计了一种基于子批拆分/合并与关键链相结合的局部搜索策略。基于不同规模算例,对比分析了所提出的算法与其他经典算法的求解性能。实验结果表明,所提出的算法在Pareto解集收敛性和分布性方面具有明显优势,同时所提出的混排可变分批策略可有效降低能耗、缩短完工时间。     

求解柔性分批调度问题的双层搜索框架入侵杂草算法

针对柔性作业车间分批调度问题，提出一种双层搜索框架下的改进入侵杂草算法，以获得理想的分批调度方案。首先提出融合批次批量、工序排列和加工机器信息的3层基因编码；其次设计一种双层搜索优化框架，先通过分批搜索层进行柔性批量划分，再采用排序搜索层迭代优化获取分批调度方案。在分批搜索层中，基于工序平均工时缩小分批的解空间，提出随机数字分割法用以生成分批方案；在排序搜索层中，采用入侵杂草算法实现迭代优化，同时设计了分层初始化方法、混合机器选择策略和3种局部搜索算子，以提升算法搜索能力，并避免陷入局部最优。最后以最大完工时间为评价指标，从性能实验分析、框架实验验证和实例实验验证3个维度验证了所提算法的优越性和可行性。     

考虑柔性分批的IPPS问题研究

工艺规划与调度是制造系统的两个重要组成环节,二者的集成是制造系统发展的关键技术之一。针对工艺规划与调度集成问题在批量方面考虑的不足,考虑将批量划分问题集成到工艺规划与调度集成问题中。为避免等批分批可能导致调度过程中生产能力与负载不均衡,采用柔性分批策略。同时考虑准备时间和加工时间,以最大完工时间最小为目标,对该问题进行建模。针对该问题,提出一种粒子群算法进行求解。最后,以实例验证了该数学模型的正确性及算法的有效性。     

考虑动态资源和工件批量约束的柔性车间生产调度

针对实际车间生产调度过程中车间设备资源受上一调度周期剩余任务影响、工件批量和加工路径柔性等问题,构建考虑设备动态负荷和工件批量约束的柔性车间生产调度模型。提出双层嵌套式遗传算法:外层遗传算法确定工件批量划分和各子批零件的工艺路径,并设计一种基于设备优选法的解码算子来确定个体对应的批量划分中各子批零件的工艺路径;内层遗传算法确定外层遗传算法个体所对应的工件分批和加工路径约束下的调度方案,调度方案的完工时间和超出交货期时间将反馈到外层遗传算法中,用于综合评估当前分批和加工路径方案的性能,实现综合优化。最后在柔性调度标准案例10×10案例基础上增加批量、交货期、设备资源等约束,对所提模型和算法进行测试,结果表明所提算法在对工件进行合理分批和工艺路径确定的同时,能够优化调度结果,满足产品交货期和设备资源约束。     

基于改进候鸟算法的柔性作业车间分批调度问题

为了将可变批次的调度策略应用于生产,以提高大规模柔性作业车间的生产效率和设备利用率,针对柔性作业车间可变子批问题的特点,建立了以最小化完成时间和最小化批次数目为优化目标的多目标柔性作业车间调度模型和析取图模型,提出一种改进的候鸟算法求解该问题.算法设计了精英分批和可行邻域结构两种策略用于提高算法的搜索效率.通过对比实验验证了可变批次划分策略的优势和所提算法的有效性.     

基于混沌粒子群算法的单台批加工设备调度

提出了一种基于混沌粒子群算法的双层调度方法。双层调度的外层基于加工时间最小的目标构建组批方法集,然后将其作为内层算法的搜索空间;双层调度的内层以加工时间最小为适应值函数,采用混沌粒子群算法求解批次排序的最优解,得到最优的组批方法及其排序。通过仿真验证了该算法在搜索时间和搜索精度的可行性。     

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。     

柔性作业车间中基于工序分批的调度问题与求解

考虑到柔性作业车间分批调度中不同工序具有各自合适批量大小,提出了基于工序分批调度的概念,建立了以关键路径工序为中心的分批调度模型。该模型动态更新可加工工序子批集,同时更新可选加工机器,及时调整加工路线,为不同工序安排大小合适的批量,以达到优化完工时间、有效降低总加工批次的目的。实验结果表明,相比基于工件分批的调度,该模型在优化最长完工时间、提高机器利用率的同时,大幅减少了总加工批次数量(42%),降低了车间调度管理的复杂度。     

多目标批量生产柔性作业车间优化调度

研究批量生产中以生产周期、最大提前/最大拖后时间、生产成本以及设备利用率指标(机床总负荷和机床最大负荷)为调度目标的柔性作业车间优化调度问题。提出批量生产优化调度策略,建立多目标优化调度模型,结合多种群粒子群搜索与遗传算法的优点提出具有倾向性粒子群搜索的多种群混合算法,以提高搜索效率和搜索质量。仿真结果表明,该模型及算法较目前国内外现有方法更为有效和合理。最后,从现实生产实际出发给出多目标批量生产柔性调度算例,结果可行,可对生产实践起到一定的指导作用。     

基于Agent多层次的柔性车间调度多目标决策研究

对于多目标job-shop柔性制造系统调度决策问题,在实际调度过程中不同优化目标之间存在层次关系,同时在实际生产环境中所调度追求目标并非固定常常处于变动之中。为此提出了基于Agent多层次目标任务调度规划模型,将复杂的求解问题按层次分解为具有相对独立性的各求解子问题单元并建立各单元间的联系机制,采用交互式策略对复杂调度问题进行求解。通过对不同调度算例的求解并得到满意调度方案,并验证此方法的合理性及可行性。     

基于高维多目标候鸟优化算法的柔性作业车间调度

针对柔性作业车间调度问题,提出一种改进的多目标候鸟优化算法来求解考虑完工时间、总拖期、机器总负荷以及总能耗的高维多目标问题。多目标候鸟优化算法在候鸟优化算法的基础上引入基于Pareto支配和参考点的选择算子来给予鸟群选择压力,并用基于属性层次模型和灰色关联分析法的组合权重法从最优解集中选择一个最合适的方案。算例和实例验证了算法的有效性和实用性。     

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。     

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。     

基于PSO的车间柔性调度计算

在不确定车间信息环境下的调度策略问题中,提出多目标车间柔性调度的规划模型,并应用粒子群算法进行求解,给出具体的算法应用过程.实验结果验证该模型和算法的有效性及实用性.     

基于Pareto优化的离散自由搜索算法求解多目标柔性作业车间调度问题

针对多目标柔性作业车间调度问题搜索空间的离散性和求解算法的收敛性,提出一种基于Pareto优化的离散自由搜索算法来求解多目标柔性作业车间调度问题。在建立基于Markov链数学模型的基础上,证明了算法以概率1收敛;引入首达最优解期望时间来分析算法收敛速度,并分析了算法时间复杂度。采用基于工序排序和机器分配的个体表达方式,在多目标柔性作业车间离散域,利用自由搜索算法在邻域小步幅精确搜索和在全局空间大步幅勘测进行寻优;通过自由搜索算法自适应赋予个体各异辨别能力和Pareto优化概念来比较个体优劣性,不仅保留优化个体,而且使个体寻优方向沿多目标柔性作业车间调度问题Pareto前沿逼近。通过对搜索过程中产生的伪调度方案进行可行性判定,以确保调度方案可行。采用10×10FJSP和8×8FJSP问题的实例进行寻优测试,验证了所提算法的可行性和有效性。     

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。