基于混合遗传算法的多目标柔性作业车间调度问题研究

针对柔性作业车间调度问题,提出一种改进的遗传算法,该算法考虑车间生产实际,使交货期短、成本降低、生产效率提高、资源利用率提高等建立多目标优化模型。对传统遗传算法进行一系列改进,在遗传算法的基础上,改进编码方式和遗传算子,结合精英保留策略和小生境技术,使算法的收敛性和多样性进一步优化,采用权重系数变化法计算染色体的适应度。仿真分析表明,提出改进后的混合遗传算法能有效解决柔性作业车间多目标调度优化问题。     

基于多Agent的蚁群算法在车间动态调度中的应用研究

文章提出了基于多代理的车间动态调度结构模型,并分析了此结构模型的工作原理.对应用蚁群算法如何实现车间的具体调度进行了分析与实现,从而为制造系统中的动态调度提供了一种新方法.通过仿真,验证了此方法在车间动态调度问题的求解中具有很好的可行性与有效性.     

用蜂群算法实现动态作业车间调度

目前多数作业车间调度算法考虑的是静态调度,但在实际生产中车间总是处于动态变化中.文章研究利用蜂群与环境交互的模型来进行动态调度,提出了有关的算法,仿真实验结果表明这种方法适用于多批次以及各批次工件到达时间不定的情况下的作业车间调度.     

基于Dijkstra算法柔性作业车间调度的研究

对柔性车间单目标调度问题进行了分析,以产品为研究对象,以最大完工时间最小为目标,考虑并行机、加工等待时间对其进行了数学描述和建模。提出了工件加工顺序的决策方法,并改进了Dijkstra算法对其进行求解,通过实验验证了该算法的正确性和有效性,通过与其它文献的比较验证了该算法的优越性。     

基于灰狼算法的多目标车间调度优化

针对车间的调度问题,现有研究多集中于生产效率的单一优化,忽略了机器负载、能耗等方面的优化。为提高作业车间的生产效率,同时优化车间内多个核心指标,建立了包含最小化最大加工时间、机械负载、以及加工能耗等指标的车间调度模型。提出了混合交叉搜索策略的灰狼算法(MSS-GWO),通过引入选择系数提高了种群的多样性;并设计了一种非线性函数进行动态调整全局搜索和局部搜索以保持种群多样性的同时使算法快速收敛;对领导狼引入动态权重避免算法陷入局部最优解。通过MK数据集测试,验证了混合交叉搜索策略的有效性,并与其他文献的方法进行对比,验证了算法在多目标车间调度问题的优越性。     

基于蚁群算法的冲压车间模具协同调度优化研究

提出了模具在模库中的分组存放和聚集存放策略,并给出3种不同工位数量冲压生产线模具的具体放置方式.以模具调度最短耗时为目标,采用蚁群算法求解两台行车协同调度问题,并对两种不同模具存放策略进行对比分析,确定了模具更优存放方式.     

面向车间生产动态调度的动态工作日制研究

生产调度问题在实际应用中更多地表现为动态调度，在分析调度问题的三个动态因素：加工机床集、加工任务集和时间的基础上，并结合车间实际生产情况，对时间的动态变化这个影响动态调度最基本的因素进行了研究。提出了动态工作日制的动态实现策略和实现的关键的算法，为动态日制的离散实现提供了一个具体应用的方案，最后演示了一个对动态工作日制的管理及其实现的示例，证明了该方案实际应用的可行性。     

云制造模式下基于变邻域动态烟花算法的柔性车间调度

针对云制造模式下多目标柔性车间调度问题,考虑柔性车间零件加工的优化及云任务与自生产任务的协同调度,建立了以最大完工时间最小、机器利用率最大、碳排放量最小为最优指标的多目标柔性车间调度模型。在无需预先生成工件的加工路线的前提下,提出了一种基于变邻域搜索的动态烟花算法。通过变邻域搜索有效提高局部最优解的精度。引入进化速度的概念,利用进化速度计算算法迭代过程中需要更新的维度,实时调整相关参数,加速算法收敛,避免陷入局部最优。最后,通过对比仿真验证模型和算法的有效性和鲁棒性。     

模具热处理车间动态批调度方法研究

以模具热处理车间的实际生产状况为背景,研究模具零件热处理动态批调度问题,既要考虑工件动态到达和不相容性,还要考虑准时性和完工情况双目标。构建了针对单工件族的混合整数模型,提出基于事件驱动的新型算法TM-LAB,并与其他2种调度规则(SMWJ、SLWT)进行对比,通过仿真试验验证了该算法的有效性和适应性。     

基于改进人工蜂群算法的柔性作业车间调度

针对柔性作业车间调度(Flexible Job Shop Scheduling)问题,建立了以最小化最大完工时间为目标的数学模型,提出了一种改进的人工蜂群算法.采用随机选择和按规则选择相结合的方法产生优质初始解,针对雇佣蜂搜索过程,提出了改进的IPOX交叉方法,在继承父代优秀个体的同时,又能平衡算法的开发和探索能力;在...     

虚拟环境下汽车冲压车间动态调度的研究

建立了汽车冲压车间的虚拟环境 ,在此基础上开发了冲压生产调度系统。该系统从单线调度和全线调度这两个层次来制定调度方案。前者根据下游对产量的需求和库存下限 ,采用线性规划模型计算零件的批量大小和新的生产周期 ;后者通过甘特图这一可视化工具进行批量的排序决策 ,并结合单线层次的计算结果将调度方案输入到仿真模型 ,通过与仿真过程的交互 ,检查调度方案是否满足物流资源约束和工艺约束。在实际生产调度中的应用 ,证明了该系统的有效性     

解决动态作业车间调度关键问题的方法研究

计算旧调度方案中用到的各设备的最早可以开始加工时间和确定旧调度方案中尚未完成的加工工序,是解决动态作业车间调度问题的关键,文章研究了相应的解决办法。首先制作了车间工作日历,并具体分配设备任务,为后面的计算打下基础,也提供了一种处理调度结果的方法;然后研究了如何计算旧调度方案中用到的各设备的最早可以开始加工时间和如何确定旧调度方案中尚未完成的加工工序,并提供了具体的算法流程;最后用实例证明了方法及提供的算法流程的有效性。     

一种基于混沌神经网络的作业车间调度算法

采用基于退火策略的混沌神经网络求解作业车间调度问题(JSP).通过在Hopfield神经网络(HNN)中引入混沌机制,并结合退火策略控制混沌动态,有效避免了传统HNN极易陷入局部极小的缺陷;同时改进了表示JSP的换位矩阵,给出了包含目标函数的能量函数,保证了网络的稳态输出为全局可行解.与基于模拟退火的HNN和暂态混沌神经网络算法比较表明,该算法在收敛速度和求解准确性上有了很大改进.     

柔性制造系统动态调度及算法研究

针对ＦＭＳ调度中存在的问题,通过分析ＦＭＳ的组成和活动特点,建立了基于ＦＭＳ资源对象模型的动态调度模型,提出基于虚拟工件队列的调度算法。该方法能较好地简化ＦＭＳ调度策略、提高系统设备利用率、发挥ＦＭＳ的潜在柔性;同时可简化系统软件的开发,提高软件的可重用性。     

基于车间调度系统的Agent通信模型研究

在研究多Agent技术及其在车间调度系统应用的基础上,设计了用XML语言表达车间作业调度系统中的作业信息、设备信息和合同信息等,并把它嵌入到KQML消息的内容层里,实现Agent之间的信息传送.KQML和XML的结合为实现异构Agent之间的通信提供了一种很好的解决方案.     

基于多级优先规则的模具企业动态车间作业调度算法

提出了一种基于多级优先规则的动态车间作业调度算法,在多级优先规则中,综合考虑一般优先规则的优先数、常规暂停和工件的权重,通过评价函数得出各工件的优先级进行调度。结果表明:调度结果可行,并具有较好的优化效果。对模具企业生产车间调度具有指导作用。     

基于混合遗传算法的设备布局设计

制造系统的设备布局影响到物流成本、生产时间和生产能力,进而影响到整个生产系统的生产力和生产效率。文章选用物流成本最小化为目标函数,将全局寻优性能优异的遗传算法的和局部搜索能力强的模拟退火相结合,构建了一种布局设计的混合智能优化算法——遗传退火算法,介绍了设备布置问题的基因编码方法和算法的交叉、变异等关键算子,用C#实现了该算法并分析了距离矩阵生成等应用技巧。以12台设备优化布置问题为计算实例,利用遗传退火算法进行求解,结果表明该方法计算不会陷入早熟且收敛快速,是一种求解设备布局最优化问题的有效方法。     

基于离散多元宇宙算法的柔性作业车间调度北大核心

针对柔性作业车间调度问题计算复杂度高,求解困难的难题,提出了一种离散多元宇宙优化算法。首先,建立起以最大完工时间为目标的柔性作业车间调度模型,使用两段式整数编码和贪婪插入解码建立算法与调度问题之间的联系;其次,设计宇宙种群初始化方法,以确保初始调度解的质量和多样性;然后,在基本多元宇宙算法的基础上,设计新的白洞选择,黑洞白洞传输和向最优宇宙移动机制,提高了算法求解柔性作业车间调度问题的性能。通过基准算例与其他智能算法比较,实验表明,所提算法可以有效的求解柔性作业车间调度问题。     

基于改进粒子群算法的离散制造车间柔性调度优化

针对离散制造生产过程信息复杂、生产计划与作业计划难以均衡等问题,以提高产品质量,降低企业生产成本为目标,建立了面向柔性制造系统的车间调度模型,并设计了一种改进粒子群算法进行离散制造车间柔性调度优化。改进算法惯性权重能够余弦自适应调节,学习因子能够基于惯性权重动态变化。仿真实验结果表明,改进粒子群算法具有较快的收敛速度以及全局寻优能力。柔性车间调度对于缩短产品生产周期,提高生产线的生产效率,降低生产成本,提高企业的经济效益具有重要意义。     

基于自适应NSGA-Ⅱ算法的柔性车间多目标生产调度

针对大型军工电子装备企业的组件制造生产调度问题,建立了以最小化最大完工时间、生产成本和最大设备负荷为目标的柔性车间生产调度模型。依据柔性车间多目标调度问题的特点,提出了一种改进的自适应NSGA-Ⅱ算法,在遗传算法的不同阶段动态的调整交叉和变异的概率,提高了算法的计算效率。同时,为了提高种群多样性、避免非法解产生和最优解丢失,该算法对工序和设备进行独立的交叉和变异操作,并采用独立于种群的精英保留策略。最后通过实例验证了算法的有效性,相较于初始输入的最大完工时间、生产成本和设备负荷分别减少了34.97%、9.80%和31.63%。