基于GASA优化算法的不确定条件下Job-Shop调度问题研究

针对不确定因素和动态干扰事件下Job-Shop调度问题,基于模糊数理论和动态调度策略,综合考虑完工时间、机器加工成本和机器负荷,建立了作业车间多目标不确定性调度模型;为了求解该调度模型,结合遗传算法和模拟退火算法的特点,设计了遗传模拟退火混合算法,并针对作业车间的复杂性要求,对算法的编码解码、交叉变异算子以及保优策略等方面进行了改进;通过仿真,得到了初始调度方案,然后在此基础上,采用动态调度策略对紧急插单、机器故障、工件取消和交货期变更等不确定干扰事件进行了研究.通过对某电动产品生产公司车间进行的实证研究结果表明,根据上述研究得到的较好的调度方案,可以有效地提高机器利用率和客户满意度.该模型和算法能够较好地应用到企业实际生产中.     

基于混合遗传算法的Job-Shop调度问题的研究

Job-Shop调度问题是最困难的组合优化问题之一,由于其固有的计算复杂性,一般无法利用经典解析算法求出最优解。结合实际生产情况,建立了Job-Shop调度问题的模型,并基于遗传算法与局部搜索启发式算法相结合的混合遗传算法的思想给出了求解此模型的算法过程。     

一种求解Job-Shop调度问题的量子遗传算法

提出了一种基于操作方式进行编码和解码的量子遗传算法,并将其用于求解一种典型的NP-hard组合优化问题即Job-Shop调度问题.该算法采用量子比特方式构造染色体,增加了算法的种群多样性和计算并行性;采用量子旋转门操作实现种群进化,有效地提高了算法的收敛速度.用基准调度问题实例对该算法进行的测试结果表明:该量子遗传算法与改进的遗传算法相比较有更好的优化性能.     

Job-Shop调度问题的分批和最优化策略

缩短Job-Shop生产的工期除了用优化调度方法外,还可以对批量进行适当的分割,进一步优化生产计划.论述一种简化的Job-Shop批量分割的优化调度的方法,解决分批调度的原则、位置和对工期影响等问题,提出分批的步骤和方法.根据工艺路线的约束,用状态变量描述调度过程,在此基础上用一种启发式的算法进行通常的优化调度,在此调度计划中用一种算法找出工期最长的关键路径.分批应遵循3个规则:①分批的步骤是先优化后分批;②分批应该在这样的一个设备上,即该设备-任务完成后其加工路线上的下一个设备应该有空闲时间;③该任务工序及其后续工序至少有一个位于关键线路上.将任务-工序的等待空闲时间和回溯等待时间与当前工序和后续工序的工时等分后的可能节约工期比较,决定此处是否可以分批及其分批的大小.分批和优化达到了目标--最长工期最小.     

资源受限条件下Job-Shop动态调度方法研究

研究材料、设备、工人等资源受限条件下的Job-Shop动态调度问题。将设备按设备簇、设备组、机床层层细分,结合混合遗传算法GASA(genetic and simulated annealing algorithm)与双向调度策略,研究了工艺路线可变的以生产周期和关键工件交货期为目标的离散型动态调度方法,建立了数学模型,借助Matlab强大的仿真功能得出仿真结果,并对结果进行了分析和讨论。     

基于Hopfield神经网络求解作业车间调度问题的新方法

对作业车间调度问题的换位矩阵表示方法进行了改进,给出新的作业车间调度问题的Hopfield神经网络计算能量函数表达式,然后提出改进的Hopfield神经网络作业车间调度方法。为了避免Hopfield神经网络容易收敛到局部极小的缺点,将模拟退火算法应用于Hopfield神经网络求解,提出随机神经网络作业车间调度方法。与已有算法相比,改进算法能够保证神经网络稳态输出为可行的作业车间调度方案。     

基于关键设备工序紧凑的工序分类、分批的Job-Shop调度算法

通过对产品加工树的分解,可将产品加工工序分为存在具有唯一紧前、紧后相关工序和独立工序,在对这两类工序研究分批综合应用拟关键路径法(ACPM)和最佳适应调度方法(BFSM)调度时,考虑关键设备的工序紧凑性。通过分析与实例验证,所提出的调度方法对解决复杂Job-Shop调度问题不仅算法简练而且效果较好。     

基于ILOG SOLVER的Job-Shop调度算法实现

通过使用约束规划方法对Job-Shop调度问题进行描述和建模,设计用于求解Job-Shop调度问题的禁忌搜索算法,在此基础上基于先进的约束规划系统ILOG对算法进行实现。实践证明基于约束规划将ILOG优化组件应用于对Job-Shop调度问题的求解中,不仅可以大大提高编程效率而且最后结果也有显著提高。     

基于混合单亲遗传算法的Job-Shop问题研究

在单亲遗传算法的基础上,研究了模拟退火算法、保优算子和单亲遗传算法的结合方式以及具体算法,提出了一种新的混合单亲遗传算法.该算法继承了单亲遗传算法的优点,克服了一般遗传算法搜索能力差和计算速度慢等缺点;同时降低了对初始种群的要求,运算速度有了很大提高.运用所提出的算法对典型车间作业(Job-shop)调度问题进行了求解,并与GA、PGA算法对比,结果证明了该算法的有效性.     

Job-Shop调度问题的Chance-Makespan方法

提出的算法考虑了固定的完工时间及可能发生的完工时间,且其评价函数是用来推论出更多的平行加工及更少的中断,并证明了为缩短完工时间而调整加工顺序的一个有效的步骤。Chance—Makespan算法建立了一个可行域的加工路线顺序,评估了在这个域内加工可能的剩余加工时间的任务,并提出具有调整性的迭代计算规则的方法。     

烟草卷包作业动态调度技术

针对烟草卷包排产方案优化制定、周订单滚动追加,以及面向订单执行时间和数量变化的计划与实际同步调整等问题,提出了烟草卷包作业动态调度技术。以提高对动态生产环境的适应性为目标,提出了涵盖订单追加、移动调整和重调度的烟草卷包作业动态调度技术体系;建立了一种受影响订单及其机组的遍历算法,为订单约束变化及执行时间和数量偏差下的动态调整提供了支持;通过基于订单指定机组、时间和数量约束下的重调度算法,实现了卷包作业排产方案逐步求精的优化制定;提出了一种继承原作业调度方案中卷包机组组合配置情况的作业调度方案追加调度算法,减少了周订单滚动追加过程中的卷包换牌次数;提出了一类面向订单实际执行时间和数量与计划存在偏差情况下的移动调整算法,解决作业计划与现场执行同步的问题。最后,通过实例验证了该技术的有效性。     

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.     

工时不确定条件下的车间作业调度技术

为解决工时偏差快速调整、多种调整要求综合协调的问题,提出了面向多品种、变批量生产模式的工时不确定条件下的车间作业动态调度技术。通过分析工时不确定条件下车间作业调度方案制定的不确定性、执行过程的动态性、变更影响的关联性以及响应的实时性内涵,提出了解决工时不确定下调度问题的缓解、隔离和快速响应相结合的处理策略;在对工序移动、变换顺序、调整设备和重调度处理流程综合分析的基础上,建立了统一的模块化作业调度方案动态调整流程;基于调度方案数据结构的建模,提出了受影响工序遍历及其关联树构建算法;提出了工时偏差容忍度的概念,实现了对调度问题影响范围的有效缓冲;提出了工时扰动偏差驱动下的前后移动调整、顺序调整、设备更换调整和重调度调整等动态调度算法,解决了作业计划与执行现场同步的问题。最后,通过实例分析说明了该技术的有效性。     

基于Hopfield神经网络的单级直齿圆柱齿轮减速器优化设计

提出了应用Hopfield神经网络优化原理对圆柱齿轮结构尺寸进行优化设计的方法.算例结果表明,此优化方法效果显著,较其他优化方法提高了优化程度和稳定性,是解决有约束、非线性优化问题的有效方法.     

一种有约束FMS资源调度的新方法

提出利用神经网络和模拟退火技术来求解有约束有ＦＭＳ资源调度问题的一种新方法。有约束的ＦＭＳ资源调度被分解为一系列时间间隔的调度,这些时间间隔的调度由事件驱动,随着这些时间间隔的调度的完成,整个调度过程结束。     

应用Hopfield神经网络和小波域隐Markov树模型的图像复原

为了解决传统的Hopfield神经网络图像复原算法对噪声抑制和图像细节保护不能很好兼顾的问题,提出了一种基于改进的连续Hopfield神经网络和小波域隐Markov树(HMT)模型的复原算法。将小波域HMT模型作为图像小波系数统计关系的先验知识,并以正则化项的形式引入到神经网络模型中,最终利用Hopfield神经网络的能量收敛特性完成图像复原。同时,提出了一种高度并行的网络权值矩阵计算方法,通过对模板图像进行算子操作,分批求取网络权值,避免了大型矩阵的乘法运算。实验结果表明,无论是对真实图像还是人工生成图像,算法复原结果的视觉效果均有明显改善,提高信噪比(ISNR)较传统同类算法增加0.3dB以上,达到了同时抑制噪声和保护图像细节的目的。     

双运带式输送机的模糊可靠性优化设计

带式输送机应该是技术合理,整机成本和运行费用低。一般输送带的成本约占整机成本的50%,电费为主要运行费用。所以这里以双运带式输送机牵引电机的功率最小为目标函数,以输送带运行速度、输送带宽度、输送带最小张力点张力、托辊间距为设计变量,考虑影响约束边界的模糊性、输送带强度的模糊性和输送带计算应力的随机性,建立双运带式输送机主参数的模糊可靠性优化设计的数学模型,应用Hopfield型神经网络算法对模型进行求解。结果表明:Hopfield型神经网络算法应用于双运带式输送机主参数的模糊可靠性优化设计十分有效。