一种基于约束引导Job-shop问题禁忌搜索算法

Job-shop问题是生产调度领域一类典型模型,求解问题属于NP完全,大规模Job-shop问题有效算法至今仍未找到。本文在析取有向图模型基础上,提出选取可互换操作对5种方法,通过逐步添加析取约束建立了一种以约束为引导的禁忌搜索算法,该算法在搜索过程中能灵活选取可互换操作对。数值计算结果表明所提算法对于大规模Job-shop问题求解存在较好效果。     

一种基于改进径向基函数JSP算法

作为作业调度里面一类典型问题,Job-shop问题的求解是属于NP完全的,至今大规模Job-shop问题的有效算法仍未找到.在析取有向图模型基础上,通过减聚类方法构建径向基函数神经网络实现可互换工序对选取,利用最小均方算法对网络权重进行训练,以此为基础提出一种具备学习功能智能算法.数值仿真结果表明,所提算法对于大规模Job-shop问题求解存在较好效果,达到预期目的.     

知识化制造环境下模糊调度模型和算法

为解决实际生产中一些不精确调度知识的描述问题,通过引入模糊理论中的测度概念,建立了模糊调度模型和求解该模型的混合模糊遗传算法.首先,在变速并行机生产环境下,针对工件加工时间和交货期的不确定性,基于可能性测度和必然性测度的定义,提出了工件拖期可信度指标,用于衡量工件发生拖期的可能性;然后,基于工件拖期可信度指标,建立了以最小化工件平均拖期可信度为目标的混合整数规划模型,通过分析该调度模型,得到最优模糊调度的相关性质;最后,以上述工作为基础,给出一种混合模糊遗传算法的求解方法,并以某电机制造企业为例,对所提出的算法进行了有效性验证.     

产品配置及其冲突问题联合优化研究

为了解决在产品配置过程中,客户给出违反产品配置约束的需求,导致系统不能给出满足客户需求的配置而发生的产品配置冲突问题。文章提出一种产品配置及其冲突问题联合优化方法,将客户的原始需求作为配置条件输入,构建以最大化满足客户原始需求与性能、最小化成本及交货期为目标,并将客户的个性化需求以及产品配置规则作为约束条件的多目标产品配置冲突模型。采用解决多目标问题的差分进化-分布估计混合算法来求解满足客户要求的最优配置。最后通过实例,验证了改进模型的有效性。     

带退化效应多态生产系统调度与维护集成优化

为了探索设备退化效应对维护和生产调度耦合关系的影响,对多态单机生产系统调度与预防性维护集成优化进行研究。基于预防性维护费用、工件加工成本以及工件完工回报值,建立了无限阶段平均期望报酬Markov决策模型,并分析和证明了该集成优化模型最优平稳策略的存在性,获得了该模型的最优方程。基于模型最优方程设计了一种无模型强化学习算法用于求解Markov决策模型,可有效解决传统动态规划算法在求解模型时所遭遇的维数灾和模型灾难题。为了评估该无模型强化学习的性能,基于无限阶段平均期望报酬设计了一种启发式求解算法,实验分析结果验证了所引入的无模型强化学习算法的有效性。最后,对该强化学习算法参数进行了敏感性分析,探索各参数对算法性能的影响,为算法设计及其性能提高提供了相应的实验依据。     

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。     

生产调度与预防性维护集成优化

为了给企业的决策者提供准确的生产调度方案,对生产调度中的生产批量、生产排序与维护方案进行了研究。以单机系统有限产能批量模型为基础,利用SPC控制图对产品质量进行监控,并依据判异准则确定设备是否需要维护,建立以生产成本、库存成本、缺货成本、开机成本、换型成本与维护成本的总成本为优化目标的生产调度模型,并设计了差分进化算法对模型进行求解。最后,通过实例仿真测试验证模型的有效性。     

一种用支持向量机求解Job-shop问题方法

作为生产调度里面一类典型问题,机器数大于2的Job-shop调度（m>2）是一类NP完全问题,大规模Job-shop问题的有效算法至今仍未找到。在有向图模型基础上,提出通过约束引导方式获取可行调度。提出利用支持向量机通过对小样本学习来实现可互换工序对较为准确选取,以此提高调度方案质量。将求解过程中特殊算例补充到样本库进行后续训练以提高算法性能。数值仿真结果表明所提算法对于大规模Job-shop问题求解存在较好效果。