基于交货期窗口约束的多级供应链批量调度问题研究

为解决三级供应网络中供应商和制造商的加工任务顺序优化和合理性问题,建立了交货期窗口约束下供应商与制造商协同决策的批量调度模型.以最小化供应链的物流和交付总成本为目标,综合考虑了供应商与制造商的库存成本、运输成本和未按期交付的惩罚成本.提出了采用两级遗传算法和两级编码的模型求解算法.通过一个仿真算例,验证了调度模型和求解策略的可行性.     

同顺序加工调度问题的一种精确求解方法

同顺序加工调度问题是NP问题,分析了这类问题的特点及求解的难点,结合广度优先搜索方法的特点,提出了启发式双侧广度优先搜索方法,混合使用动态规划方法、下界算法和近似求解方法求解同顺序加工调度问题.实验结果表明,启发式双侧广度优先搜索方法求解同顺序加工调度问题时,可以大大减少搜索次数,适合于求解工序较少的同顺序加工调度问题;如果下界算法较好,还能快速求解工序较多的同顺序加工调度问题.     

大规模定制环境下ATO供应链的混合补货策略

考虑按订单装配供应链由一个制造商和多个零部件供应商组成,按订单装配制造商对部分零部件采用准时制生产补货,其余零部件采用(Q,r)补货,建立了大规模定制环境下的按订单装配供应链零部件生产补货模型,研究了按订单装配制造商的混合补货策略和零部件供应商的生产策略,给出了制造商采用准时制生产补货方式的条件和供应链最优生产补货策略的寻优算法.理论和数值仿真分析表明,制造商应对采购价格较高、提前期较长或需求方差较大的零部件采用准时制生产补货方式,能够降低供应链库存成本,提高供应链利润.     

三层供应链联合调度算法研究

研究了由1个供应商、1个制造商和若干客户组成的三层供应链模型,提出将调度理论应用于供应链的优化管理.优化目标是通过供应商、制造商及运输的联合调度来提高客户服务水平,降低运输费用.通过分析得到了最优解中加工顺序和运输分批的性质,缩小了搜索范围,据此给出了一个动态规划求解方法,并对动态规划算法进行了复杂度分析,得出客户数为固定常数时,本模型的动态规划算法是多项式的时间算法.最后,通过两个示例分析了算法中参数对解的影响.     

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。     

求解液压阀块加工车间调度的多作用力微粒群算法

为有效地解决液压阀块加工车间调度问题,考虑工序间和机器间的约束关系,以最大完成时间最小为目标,给出了液压阀块加工车间调度优化模型。为平衡算法的全局和局部搜索能力,提出了多作用力微粒群(MFPSO)算法,采用多作用力阶段性搜索策略,将搜索过程划分为前期、中期、后期3个阶段,并对应构造单一斥力、平衡引斥力、单一引力3种作用力规则,在不同搜索阶段采用不同的作用力规则,提高了算法的搜索机制和寻优性能。将MFPSO算法用于求解液压阀块加工车间调度问题,利用矩阵变量来处理约束条件,给出了一种基于矩阵的微粒编码、解码方法。通过液压阀块加工车间调度优化实例,将MFPSO算法与微粒群算法、中值导向微粒群算法、扩展微粒群算法、蚁群算法进行了对比,结果表明,提出的MFPSO算法结果最优,从而验证了该算法的有效性。     

基于蚁群算法的零件多工艺路线决策方法研究

为满足企业对工艺规划的新需求，提出了采用蚁群算法进行多工艺路线决策的方法。在几何和技术需求以及可用加工资源的基础上，零件所有特征的各个加工阶段的工序节点构成了工艺求解空间，把加工工序安排的基本原理作为决策加工顺序的约束。采用蚁群算法对工艺求解空间中的所有工序节点在搜索规则的约束作用下进行遍历，最终寻找到能够完全满足工序节点搜索规则的优化工序序列。最后，用实例验证了该方法的可行性，证明该方法可以搜索出可行的工艺路线。     

基于两阶段蚁群算法的带非等效并行机的作业车间调度

针对带非等效并行机的作业车间生产调度问题,以制造系统的生产成本、准时交货率等为目标,构建生产调度多目标模型。利用蚁群算法在求解复杂优化问题方面的优越性,建立调度问题与蚁群并行搜索的映射关系,将调度过程分成任务分派和任务排序两个阶段,每个阶段分别设计蚁群优化算法,并将两阶段寻优蚂蚁有机结合,构建一种具有继承关系的两阶段蚁群并行搜索算法,可以大大提高获得较优解的概率,并且压缩求解空间,快速获得较优解。通过均匀试验和统计分析确定算法的关键参数组合,将两阶段蚁群算法应用不同规模的8组算例。结果表明,无论是优化结果还是计算效率,两阶蚁群算法均优于改进的遗传算法。将所提出两阶段蚁群算法应用于实际车间的生产调度,减少了生产过程中工序间等待时间和缩短了产品交付周期。     

面向用户多品种定制的分布式供应链调度

针对云制造面向分布式供应链环境中的多品种定制问题,提出一种多目标生产运输优化调度模型和基于改进混合蛙跳算法的求解方法。该模型考虑供应链中的制造/供应两阶段,以及不同企业间的运输时间和成本,得到成本最小、时间最短、生产空闲率最小、订单延迟最小的调度方案。同时,该算法重新定义原有算法的核心操作算子以适应离散调度问题求解,并结合模拟退火和极值优化算法的特性,进一步改进离散域的混合蛙跳算法的局部搜索性能。通过项目调度标准测试集验证了该改进算法的性能,并以6个品种定制需求为案例,验证了所提模型与算法的有效性。     

基于改进蚁群算法的机器人末端路径排序优化

建立了针对机器人加工时的末端运动路径排序优化问题的数学模型,将该模型转化为广义旅行商问题并用蚁群算法求解。同时对经典的蚁群算法进行了改进,即采用多阶段搜索策略、邻域搜索策略及多蚁种搜索策略,使改进后的蚁群算法能为机器人求取一条更优的末端运动路径。计算机仿真与机器人加工实验结果表明,改进蚁群算法所得的末端运动路径比基本蚁群算法所得结果缩短了3%以上。     

求解FJSP的混合遗传一蚁群算法

为更有效地求解柔性作业车间调度问题,综合考虑其中的机器分配与工序排序问题,建立了相关析取图模型,提出一种混合遗传一蚁群算法。该算法首先通过遗传算法获取问题的较优解,据此给出蚁群算法的信息素初始分布;之后充分利用蚁群算法的正反馈性进行求解,采用精英策略对蚁群的信息素进行局部更新;最后借鉴遗传算法交叉算子的邻域搜索特性扩大蚁群算法解的搜索空间,从而改善解的质量。通过3个经典算例的实验仿真,以及与其他算法的比较,验证了所提算法的可行性与有效性。     

双资源约束的航天结构件车间生产调度方法

针对航天结构件生产调度过程中工序加工时间随操作人员能力级别而变化,关重件和关键工序特定设备和人员要求约束等问题,构建综合考虑关键设备和人员双资源约束的柔性车间作业调度数学模型,解决航天结构件生产设备资源维、人员资源维、工序信息维的描述。为实现双资源约束下的柔性调度,提出嵌套式蚁群-遗传混合算法,针对结构件加工工序设备和人员双资源选择问题,建立资源选择问题与蚁群并行搜索的映射关系,设计蚁群算法实现资源选择;为提高算法搜索性能,利用遗传算法求解当前蚂蚁资源选择下的调度问题,在避免人员资源使用冲突前提下实现设备加工工序的优化排序,使得关键设备利用率最大,总完工时间最短,并通过综合考虑蚁群和遗传算法阶段的求解目标进行蚁群算法信息素的更新,大大提高算法获得较优解的性能。最后,通过航天结构件车间实际案例进行算法测试,测试结果表明,嵌套式蚁群-遗传混合算法能有效地求解双资源约束的航天结构件车间生产调度问题,可降低资源总负荷,提高关键设备利用率,避免人员资源冲突,具有良好的综合调度性能。     

电机产品加工的动态调度算法

考虑多个具有不同开始时间的电机产品加工动态调度问题，将产品加工树的工序，分为具有唯一紧前或紧后工序的相关工序和独立工序两类，提出相关工序调度的拟关键路径法和独立工序调度的最佳适应调度法。结合拟关键路径法和最佳适应调度法，提出考虑关键设备的工序紧凑的多产品动态调度算法。实例数据表明，动态调度算法在总加工时间方面比一般启发式算法更短，适合于有不同开始时间的多产品动态调度环境。     

基于自适应蚁群算法的动态作业车间调度问题的求解方法

针对目前大多数作业车间调度算法都是静态调度,而实际工业生产中调度任务都是动态变化的问题,提出了一种求解动态作业车间调度问题的自适应蚁群算法.算法采用事件驱动调度策略,当调度任务发生变化时根据上次调度结果重新调度,并且对每次调度采用自适应蚁群算法优化调度方案.最后,通过实例仿真验证了算法的有效性.仿真结果表明,该算法自适应性表现在算法针对"搜索结果是否陷入局部收敛"分别对各路径上的信息素进行了自适应调整,有助于算法快速跳出局部收敛,继续向全局最优解进行搜索.     

应用混合蚁群算法求解模糊作业车间调度问题

为解决蚁群算法求解时间过长和易陷入局部最优的问题,提出了一种求解模糊作业车间调度问题的混合算法,该算法将蚁群算法用于全局搜索.为了提高搜索效率,根据作业车间调度问题解的特征,提出一种基于关键工序的邻域搜索方法,并使用此邻域搜索方法的禁忌搜索算法嵌入蚁群算法.利用禁忌搜索算法较强的局部搜索能力,提高了蚁群算法的优化能力,改善了作业车间调度问题解的质量.实验结果验证了该混合搜索算法的有效性,其优化效果优于并行遗传算法和禁忌搜索算法.     

蚁群算法求解混合流水车间分批调度问题

为解决混合流水车间分批调度问题,提出一种三级递阶结构的蚁群算法.算法中,第一级蚁群算法设计了一种批量大小动态结合的柔性分批策略,完成产品的批次划分;第二级蚁群算法考虑工件在各设备的加工时间和设备可用能力,设计蚂蚁设备间的转移概率,完成工序约束下各批次的设备选择;第三级蚁群算法考虑同一设备上批次顺序相关的换批时间,设计蚂蚁批次间的转移概率,完成各设备的批次排序.通过实例仿真,分别对分批算法和混合流水车间调度算法性能进行比较分析和评价,结果表明了算法的有效性和优越性.最后从生产实际出发给出算例,验证了算法的有效性和对生产实践的指导作用.     

有限产能批量问题生产调度与设备维护集成优化研究

基于有限产能批量问题模型,以多产品多阶段的单机系统为研究对象,以最小化的生产总成本(加工成本、库存成本、开机成本、缺货成本、换型成本以及维护成本)及最大化订单完成率为优化目标,对设备预防性维护和生产调度联合优化问题进行研究。建立了生产调度与设备预防性维护的联合优化模型,该模型可用于确定最优的预防性维护方案、生产批量大小以及加工顺序。利用改进后的差分进化算法对模型进行求解,仿真实验结果表明在相同的设备负荷条件下,该模型在故障维护次数、维护成本和生产总成本方面都要明显优于定周期维护模型。     

分布式多柔性装配作业车间调度问题研究

针对分布式柔性装配作业车间环境，综合考虑了调度过程中的机器选择柔性、工人安排柔性和工序顺序柔性，构建了以最小化最大完工时间和最小化总能耗为优化目标的分布式多柔性装配作业车间调度问题(DMFAJSP)的数学模型。为求解DMFAJSP模型，提出了一种以分布估计算法为全局搜索组件、以邻域搜索算子为局部搜索组件的多维模因算法(MDMA)。最后，将所提出的算法与其他算法进行了对比试验，结果表明MDMA算法在求解DMFAJSP模型方面具有显著优势。     

融合代理模型和差分进化算法的并行机动态调度方法

针对目前进化计算求解并行机动态调度中的局部搜索能力不足、计算周期长等问题,引入问题分解思想和估计评价策略,提出一种基于差分进化算法与代理模型相融合的快速求解方法。采用基于机器编码的差分进化算法对上层设备选择问题进行粗搜索。分析下层单机问题的关键性特征,构建能够预测调度性能指标优劣的代理模型,利用估计近似值取代费时的精确求解,降低繁冗评价过程带来的计算代价。在最佳分配方案的指导下,基于工件编码和多变异策略的差分进化算法确定设备上工件加工的前后顺序,实现设备分配与工件排序两个决策层的同步优化。通过仿真实验表明,该方法优于传统的并行机求解方法,尤其对于大规模并行机调度问题的求解质量更好。     

求解并行JSP作业车间调度问题的一种混合遗传算法

针对并行JSP作业车间调度问题,将所有工件对应工序按照统一顺序编号,由蚁群算法随机构造初始解,通过重排工序法保证解的可行性;融合遗传算法的选择、交叉、变异操作,加大全局最优解的求解概率,防止陷入局部最优解。在交叉算子中采用随机设置工件固定,以及顺序交叉邻域搜索策略,使得解的多样性性均得到充分保证;实验证明,改进混合遗传算法能够有效提高并行JSP作业车间调度问题的求解。