基于混合粒子群优化算法的置换流水车间调度问题研究

针对最大完工时间最小的置换流水车间调度问题,提出一种粒子群优化算法与变邻域搜索算法结合的混合粒子群优化（hybrid particle swarm optimization,HPSO）算法。在该混合算法中,采用NEH启发式算法进行种群初始化,以提高初始解质量。运用基于随机键的升序排列规则（ranked-or-der-value,ROV）,将连续PSO算法应用于离散置换流水车间调度问题中,提出了一种基于关键路径的变邻域搜索算法,以进一步提高算法的局部搜索能力,使算法在集中搜索和分散搜索之间达到合理的平衡。最后,运用提出的混合算法求解Taillard和Watson基准测试集,并将测试结果与一些代表算法进行比较,验证了该调度算法的有效性。     

基于改进Jaya算法的柔性作业车间调度问题

鉴于柔性作业车间调度问题(FJSP)是广泛存在于制造企业实际生产过程中的复杂NP-hard组合优化问题,针对FJSP的特点,结合Jaya算法与禁忌搜索算法的各自优势,提出一种改进Jaya算法求解该问题.在该算法中,根据离散的Jaya算法公式提出一种扩展离散Jaya算法操作机制,设计了Jaya迭代候选解集方法以及结合相似度和最大完工时间的选择策略,保证了种群的多样性并提高了Jaya算法的搜索能力;提出融合M.G.和N7两种邻域结构的禁忌搜索算法,使混合算法在分散搜索和集成搜索之间达到平衡.通过测试著名的FJSP基准问题,显示了所提算法在质量方面优于当前文献,并通过实验验证了算法的有效性和优越性.     

求解作业车间调度问题的广义粒子群优化算法

为克服传统粒子群优化算法在解决组合优化问题上的局限性,分析了其优化机理,并在此基础上提出了广义粒子群优化模型。按照此模型提出了一种求解作业车间调度问题的广义粒子群优化算法。在本算法中,利用遗传算法中的交叉操作作为粒子间的信息交换策略,利用遗传算法中的变异操作作为粒子的随机搜索策略,而粒子的局部搜索策略则采用禁忌搜索来实现。为了控制粒子的局部搜索以及向全局最优解的收敛,迭代过程中交叉概率以及禁忌搜索的最大步长都是动态变化的。实验结果表明,本算法可有效地求解作业车间调度问题,验证了广义粒子群优化模型的合理性。     

面向复杂产品装配过程的可视化生产调度技术

为解决复杂产品装配过程中出现的装配计划不合理、动态调度困难、过程监控和信息管理手段缺乏等问题,提出面向复杂产品装配过程的可视化生产调度技术.分析了复杂产品装配过程的特点,提出了基于工作流的装配过程可视化建模方法,并在此基础上建立了复杂产品装配调度模型.针对装配计划排产问题,提出了基于启发式调度规则的装配调度算法;针对装配过程中的扰动事件,提出了面向生产扰动的动态调度算法.提出了面向装配过程的可视化调度及信息管理方法,实现了装配过程的可视化监控、动态调度以及调度信息的组织与管理.通过实例验证了所提方法和技术的有效性.     

列车调度问题模型与基于混合粒子群优化的求解算法

针对复线列车调度问题,建立了描述问题解空间的阻塞限制混合流水车间模型,并提出一种混合粒子群优化算法进行求解。该算法以最小化最长完工时间为目标,设计了释放-回推算法来安排列车运行顺序并计算最小化最长完工时间,利用改进的粒子群优化算法解决轨道分配问题并进行全局优化。此外,通过基于迭代邻域的搜索算法来提高种群的局部搜索能力。实验结果表明,所提出的方法能够有效地求解复线列车调度问题。     

粒子群算法解决置换流水车间调度问题方法综述

置换流水车间调度问题是典型的NP问题,近年来随着粒子群算法的出现和发展,用来解决车间生产调度问题的粒子群思想和方法也层出不穷。为了促进粒子群算法的进一步发展,更好地解决流水车间调度问题以及为设计更好的算法提供参考,对粒子群算法解决生产调度问题的各个步骤所采用的方法进行总结,分析了各种方法的适用范围,为设计更好的算法奠定了良好的基础;最后探讨了粒子群算法求解置换流水车间调度问题有待进一步研究的若干方向和内容。     

混合流水车间多目标调度的小生境粒子群算法

混合流水车间多目标调度问题(HFMSP)是一种具有很强应用背景的生产调度问题,对它的研究具有理论意义和工程价值。针对该类调度问题结合生产实际应用调度和多目标优化理论建立基于时间和交货期最优条件下的多目标调度问题模型,提出一种小生境粒子群算法对模型进行优化求解。该算法采用NSGA-II的非支配排序策略和动态加权方法选择最优粒子,利用粒子聚集距离的变异操作保证解的收敛性和多样性。通过仿真实验,验证了模型的正确性和算法的有效性。     

带多处理器混合流水车间调度问题的混合鱼群算法

针对带多处理器的混合流水车间调度问题(hybrid flow shop scheduling with multiprocessor task problems),以最小化所有工件的最大完成时间(makespan)为优化目标,提出一种融合了改进的人工鱼群算法和禁忌搜索算法的混合算法。首先改进人工鱼群算法相关行为及实验优选算法参数,提高了人工鱼群算法收敛速度和精度;然后结合人工鱼群算法收敛快和禁忌算法局部搜索能力强的特点,利用改进的人工鱼群算法进行全局搜索,获得较好的优化解域,再通过禁忌算法在优化解域内进行局部寻优,得到一个最终满意的优化解。基于180个标准算例,算法实验结果表明混合算法的优化性能明显优于禁忌算法和粒子群算法,并且很接近改进的遗传算法。     

基于遗传和禁忌算法求解一类车间调度问题

针对一类具有路径柔性的车间调度问题，在考虑遗传算法早熟收敛问题和禁忌搜索法自适应优点的基础上，将遗传算法和禁忌搜索法结合起来，提出了基于遗传和禁忌搜索的优化调度算法，并用实例证实了该算法的有效性。     

基于知识进化粒子群算法的模糊交货期流水车间调度问题

针对模糊交货期的流水车间调度问题的特点,提出采用知识进化算法和粒子群优化的混合算法来求解问题。该算法首先在多个群体空间内采用粒子群优化寻找局部最优解,然后利用知识进化算法的猜测操作和反驳操作建立以群体空间知识为基础的一个知识空间,最后通过知识空间的协同进化更新其中的社会知识,从而形成问题的最优解。通过采用所提算法对带模糊交货期的流水车间调度问题的实例进行测试,并比对遗传算法和粒子群优化算法,表明了混合算法的可行性和有效性。     

飞机复合材料部件装配调度算法研究

以优化飞机复合材料部件装配顺序、缩短部件装配时间为目标,构建了复合材料部件装配调度模型,提出了一种启发式算法与禁忌搜索算法相结合的调度算法（HTA-AJSP）,并对其进行了优化,通过采用变邻域搜索和禁忌规则,很好地避免了算法搜索陷入局部最优。通过分析与实例验证,并与启发式算法和局部搜索算法进行比较,所提出的算法在产品装配调度优化问题上取得了比较满意的效果,缩短了装配周期,提高了装配效率。     

飞机复合材料部件装配调度算法研究

以优化飞机复合材料部件装配顺序、缩短部件装配时间为目标,构建了复合材料部件装配调度模型,提出了一种启发式算法与禁忌搜索算法相结合的调度算法(HTA-AJSP),并对其进行了优化,通过采用变邻域搜索和禁忌规则,很好地避免了算法搜索陷入局部最优。通过分析与实例验证,并与启发式算法和局部搜索算法进行比较,所提出的算法在产品装配调度优化问题上取得了比较满意的效果,缩短了装配周期,提高了装配效率。     

求解模糊作业车间调度问题的混合优化算法

针对模糊作业车间调度问题(Fuzzy job-shop scheduling problem, FJSSP),提出一种结合化学反应优化和禁忌搜索的混合算法(Chemical-reaction optimization and tabu search, CROTS),优化的目标是最小化最大模糊完工时间。算法采用基于工序的编码,通过扩展壁面碰撞、分子碰撞、合成、分解等操作算子,改进了基本化学反应优化(Chemical-reaction optimization, CRO)的四类基元反应。给出一种有效的交叉算子,并应用到分子碰撞、合成、分解三种基元反应中。对最好解进行禁忌搜索,进一步提高种群的搜索能力。结合16个经典算例试验分析,并与三种典型算法比较,验证算法具有较强的全局和局部搜索能力。通过18个随机算例的测试,验证算法具备求解较大规模问题的能力。     

基于改进蚁群算法的汽车混流装配调度模型求解

针对某汽车总装车间混流装配过程涉及大量人工以及人机协同操作而导致工位过载、整车装配质量无法得到保证的问题,建立了瓶颈选装工位负载平衡化、考虑换装与提前作业时间的加工滞后次数最小化的分层序列双目标优化模型,同时设计了一种改进蚁群算法.该算法在信息素全局更新以及概率转移规则过程中,使用一种特定启发式函数,并更改迭代过程中最...     

带缓冲流水车间成组调度问题的混合微分算法

针对流水车间成组调度问题,加入序列相关的准备时间和有限缓冲的约束,以最小化总流程时间为目标建立数学模型,提出一种混合微分进化算法。该算法将微分进化算法和禁忌搜索算法相结合,利用微分进化的并行性搜索确定各组内的零件顺序,应用禁忌搜索寻找最优的零件组顺序。为提高求解速度和精度,利用构造算法产生问题的初始优化解,并通过数值实验确定算法的最优参数。通过算例实验以及与其他算法的比较,验证了所提算法的有效性。     

基于SP-MCTS算法的混合流水车间机器人调度

针对混合流水车间存在并行设备、物料机器人和设备约束等导致调度过程复杂化的问题,提出融合标准差的选择策略、单分支扩展和启发式规则模拟的改进型SP-MCTS算法。该算法将混合流水车间机器人调度问题转化成搜索车间状态演变用时最短的分支路径问题,并利用马尔科夫决策过程建立混合流水车间机器人调度问题的动态模型。优化过程中,运用选择策略评估各分支收益,选择高潜力分支进行探索,并扩展多次遍历的分支节点,最后以启发式规则模拟探索,获取调度解集。另外,搜索中通过剪枝法缩小搜索宽度,单分支扩展法避免多次同路径探索,有效利用计算资源;最后,采用基准算例进行算法测试,验证了所提算法在多工序、多设备的混合流水车间调度问题求解方面的优越性。     

有效的混合粒子群算法求解阻塞流水车间调度问题

针对以最小化完工时间为目标的阻塞流水车间调度问题,提出了一种混合粒子群算法进行求解。该算法将粒子群算法与迭代贪婪算法进行了结合。利用改进的迭代贪婪算法产生问题初始优化解,利用粒子群算法进行全局优化。针对粒子群算法易早熟收敛的特点,提出一种判断粒子停滞和粒子群早熟的方法,并在发现种群早熟后利用迭代贪婪算法的构造操作和毁坏操作对相关粒子进行变异,同时按照一定比例对最差的部分粒子进行重新初始化,以增加种群多样性。通过标准实例测试,验证了所提算法的有效性。     

蚁群禁忌搜索融合算法求解调度问题

进阶生产规划及排程系统(APS)是智能制造的核心环节之一.为解决发动机缸体混流装配生产线排产问题,建立了其通用数学模型和析取图表示方法.基于蚁群和禁忌搜索两种元启发式算法的互补特性,提出一种蚁群禁忌搜索融合算法解决作业车间调度问题(Job-shop Scheduling Problem,JSP).经仿真验证了算法有效性和相比传统元启发更优良的算法特性,对APS(Advanced Planning and Scheduling)和智能制造的发展具有一定的启发意义.     

置换流水车间调度的文化量子粒子群算法

针对量子粒子群算法在求解置换流水车间调度问题时容易早熟,提出用文化量子粒子群算法求解置换流水车间调度问题.该算法的主群体空间采用量子粒子群算法,知识空间采用遗传算法.通过影响操作和接受操作,知识空间定期将自己的精英个体贡献给主群体空间,主群体空间也定期将自己的精英个体贡献给知识空间.最后将该算法应用到具体问题的求解,用MATLAB编程仿真测试,仿真结果表明,该算法收敛速度快,且具有较高的求解质量,而且其搜索性能优于一般的量子粒子群算法.     

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.