改进NSGA-Ⅱ算法求解考虑运输约束的柔性作业车间节能调度问题

传统柔性作业车间调度通常忽略工件在机器间的运输时间和能耗,针对该问题建立了考虑运输约束与节能的柔性作业车间调度模型,并提出了改进的NSGA-Ⅱ算法求解该模型。首先,在柔性作业车间调度数学模型中设立最大完工时间、总延期、设备总负载、车间总能耗4个目标,并根据运输约束实现了调度模型矩阵编码、解码、交叉与变异,基于子代向最优解学习机制改进NSGA-Ⅱ算法迭代过程中易陷入局部最优解问题。最后,在考虑车间机器之间运输约束的前提下结合Kacem、Brandimarte算例对调度模型进行可行性分析,结果表明该模型与算法求解效率高,能有效解决车间运输约束导致的调度方案与实际加工偏差问题。     

等待时间受限的HFSP及其拉格朗日松弛算法

等待时间受限的混合流水车间调度问题(HFSP)广泛存在于钢铁生产,玻璃加工和塑料等行业。目前,关于等待时间受限的HFSP的研究较少。首先建立了等待时间受限的混合流水车间调度问题模型,然后设计了基于工件分解策略的拉格朗日松弛算法来进行求解。该算法通过将机器容量约束松弛到目标函数中,将得到的松弛问题进而分解为一系列易于求解的工件级子问题来进行求解。最后对设计的算法进行仿真验证,测试结果表明所设计的拉格朗日松弛算法能够在较短的时间内产生较好的近优解。     

柔性流水车间设备利用率排产优化问题研究

针对具有工序约束信息的柔性流水车间的设备利用率优化问题,提出利用PSODE混合算法来解决该问题,全局优化过程采用群体优化算法,在局部优化过程中通过上下道关联工序约束信息来控制工件的分配,将并行工位总设备利用率作为适应度函数,构建了具有关联工序约束的柔性流水车间生产调度模型,确定生产工件的加工路径、加工顺序、开工时间和完工时间。通过多组方案数值计算结果对比分析,验证了PSODE算法解决柔性流水车间设备利用率优化问题的有效性。     

面向能耗的多工艺路线柔性作业车间分批优化调度模型

合理的调度方案能有效降低柔性作业车间总能耗。针对柔性作业车间中加工工件种类多、单批工件数量大、加工工艺路线柔性大等问题,研究一种面向能耗的多工艺路线柔性作业车间分批优化调度模型。分析柔性作业车间中工件加工过程能耗特性,以车间总能耗最低和完工时间最小为优化目标建立了多工艺路线柔性作业车间分批优化调度模型,并采用多目标模拟退火算法对模型进行优化求解。通过算法优化得到的调度方案与经验调度方案的对比分析,验证了该模型的有效性和实用性。     

变参数量子进化算法及其在求解置换流水车间调度问题中的应用

针对置换流水车间调度问题的求解,改进了基本量子进化算法,设计了一种变参数量子进化算法,用以求解置换流水车间调度问题。使用量子位极角表示工件排序,缩短了染色体长度。在运算过程中改变变异率和局部寻优次数,以改善全局搜索和局部寻优性能、提高算法的全局最优性。运用变参数量子进化算法求解置换流水车间调度的Benchmark问题,数值实验表明,该算法具有良好的性能。     

基于机床加工匹配特性的混合流水车间绿色生产调度

针对混合流水车间绿色生产过程中的设备选择和调度目标匹配问题,提出基于机床加工特性的多目标调度模型和改进遗传算法。该算法建立了混合流水车间调度的时间、能耗与成本优化模型,采用模糊隶属方法描述了机床加工特性,在遗传算法求解过程中通过机床加工特性隶属度与调度目标的权重系数匹配关系,建立了自适应的交叉、变异和优势保留策略,在每一代迭代中提高在调度目标方向上的选择压力,加速收敛。通过实例分析对比了不同算法的优化结果,从而验证了模型及算法的有效性,并提出了高效、节能、经济和综合4种调度生产模式,为混合流水车间绿色生产提供了指导。     

基于混合遗传算法的混流混合车间协同调度问题

为解决一类具有多品种混流生产特征和作业车间与流水车间集成的混流混合车间协同调度问题,给出了以在制品成本最小为目标的混流混合车间调度问题模型;采用零件加工、部件装配、产品总装的三段协同编码方法,给出了一种集成模拟退火算法的混合遗传算法,并在模拟退火算法中引入变温度参数来平衡算法效率。最后,通过某冰箱混流装配企业典型实例验证了模型和算法的有效性。     

多目标柔性作业车间稳健性动态调度研究

研究了以调度稳定性和鲁棒性为优化目标的柔性作业车间动态调度问题。建立了多目标柔性作业车间动态调度问题模型;针对动态事件特点,采用工件到达发生器和机器故障预维护发生器模拟动态事件,提出了基于周期与事件驱动的混合重调度策略,该策略在每个重调度点对工件进行完全重调度或右移重调度;为克服传统差分算法早熟的缺点,设计了一种改进的多目标差分进化算法求解该调度问题;实例验证了提出策略和算法的有效性。     

面向机床精密主轴加工过程的混合流水生产线分批调度研究

面向机床精密主轴加工过程,对混合流水生产调度问题进行研究.通过深入分析机床精密主轴加工工艺流程,以主轴粗精磨削工艺、分批规则、设备利用率等作为约束条件,以加工时间最小化为目标,建立混合流水生产模式下、机床精密主轴加工智能分批调度模型,并设计了基于差分进化-遗传混合算法的二阶段优化算法对模型进行求解;以某精密主轴生产线的实际订单为例进行仿真实验,与传统加工方案及其他典型分批调度算法对比分析,验证了该智能分批调度模型的有效性、算法的准确性及解决实际问题的优越性,能够有效缩短生产节拍,提高加工效率和设备利用率.     

具有交货时间窗约束的无等待流水车间调度模型与算法

针对目标函数为提前/拖期惩罚最小、具有交货时间窗要求的无等待流水车间调度问题,建立了约束满足模型,提出了约束传播与邻域搜索相结合的求解方法。在求解过程中,首先应用约束传播的思想通过逐步安排最小加工时间窗工件构造初始调度,在此基础上利用变邻域搜索逐步迭代以获取满意调度,为避免陷入局部极值,迭代过程中采用多重交换邻域的扰动策略。仿真实验证明了算法的有效性。     

订单不确定下双资源约束多装配线鲁棒调度

考虑生产过程中的订单不确定等因素,建立了以最大化交付满意度、最大化装配线平衡率及最小化完工时间跨度为目标的鲁棒调度模型,基于差分进化算法和粒子群算法提出了对模型进行求解的混合优化算法,并通过算例验证了混合优化算法求解该鲁棒调度模型的可行性和有效性。最后综合分析PTCN公司二厂多装配线生产车间的实际生产情况,将所建立的鲁棒调度模型和提出的混合优化算法应用于实际的多装配线生产过程,获得了较优的调度结果。     

求解分布式混合流水线调度问题的改进双层嵌套式遗传算法

针对分布式混合流水线生产的生产调度问题,模拟实际排产中的排产到线和排产到时的排产策略,提出了基于改进双层嵌套式遗传算法的两层优化模型。外层依据流水线分配平衡和准时交货等基本原则总体上解决生产订单在流水线之间的分配问题,内层以最小生产时间为主要目的求解流水线的生产订单生产次序问题。考虑到双层嵌套式遗传算法的时间复杂性,基于模糊逻辑理论设计了一种模糊控制器来动态调整遗传算子,并采用主动检测停止方法,提高算法效率。使用某空调工厂的实际生产数据验证了算法的可行性、计算结果的准确性及排产策略的有效性,为高级计划与排程(Advanced Planning and Scheduling,APS)中大规模复杂供应链调度问题提供了可借鉴的方法。     

含有混合中间存储策略的模糊流水车间调度方法

针对中间产品在相邻加工步骤间存在不同存储策略的流水车间调度问题,提出了一种含有混合中间存储策略的流水车间调度模型。在该模型中,考虑无限中间产品存储、有限中间产品存储、无中间产品存储3种策略同时存在的情况下对调度问题的影响,采用三角模糊数来描述生产过程中操作时间的不确定性;通过对三角模糊数的操作,并利用面积补偿的比较方法,将原有的模糊调度模型转化为确定性的调度模型;应用双倍体遗传算法对问题进行优化求解。仿真结果证明了模型和算法的有效性。     

基于混合优化算法的装配线平衡问题

为求解给定装配线生产节拍、最大化装配效率的装配线平衡问题,根据装配线的特点和平衡优化需求,分析了装配作业顺序、站位数量等因素对装配线站位内作业分配的影响,综合考虑装配线平衡率和平滑系数,建立了装配线平衡问题数学模型,并设计了一种结合遗传算法(Genetic Algorithm,GA)、蚁群算法(Ant Colony Optimization algorithm,ACO)的混合优化算法进行求解。采用遗传算法进行快速随机的全局搜索,并生成信息素矩阵初始分布,利用蚁群算法进行精确求解。最后通过标准案例测试,证明了该混合优化算法具有更高的优化效率,同时验证了算法的可行性和有效性。     

多目标混合流水车间作业调度的演化算法

针对多目标条件下混合流水车间作业调度的优化问题,提出了一种在优化进程中能够动态调整适应度分配的演化算法。该算法采用矩阵编码描述多阶段并行机调度方案,结合问题的优化模型,对每一代Pareto解在各目标方向上的改善程度进行度量,进而通过多目标的选择性权重系数计算种群个体的适应度,以获得在改善指示方向上的选择压力。通过BENCHMARK问题测试和实际算例分析,表明新算法的性能优于现有的求解算法,特别是对于高维多目标优化问题,能够获得较高的演化收敛速度。     

面向云制造的混流混合车间调度问题

为解决云制造环境下混流混合车间的生产调度优化问题,综合考虑混流装配与零部件加工的集成优化以及外协云任务与自制任务的协同调度,建立了以最小化最大完工时间、均衡化零部件生产和最大化零件车间机器利用率为优化指标的多目标车间调度模型。基于零件分批和车间调度的两阶段求解策略,设计了一种两级递阶结构的混合生物地理学优化算法,采用在迁移算子中嵌入差分进化算法的变异策略来提高算法的搜索效率。最后,通过实例验证了模型和算法的有效性。     

基于模糊机会约束规划的再制造装配车间调度优化方法

针对再制造零部件质量的不确定性导致工位装配时间波动范围大和调度模型难以准确描述的问题,采用基于可信性测度的模糊变量表示再制造零部件的装配时间,建立基于置信水平下的模糊机会约束规划调度模型,并提出求解该模型的混合智能优化算法：应用模糊模拟技术产生样本数据;利用反向传播算法训练多层前向神经网络逼近不确定函数;将训练后的神经网络与遗传算法相结合,以优化再制造装配车间调度问题。实例验证了该模型和算法的可行性。     

An enhanced estimation of distribution algorithm for solving hybrid flow-shop scheduling problem with identical parallel machines

In this paper, an enhanced estimation of distribution algorithm (EEDA) is proposed to solve the hybrid flow-shop scheduling problem with identical parallel machines to minimize makespan. To evaluate the individuals, some decoding rules including the improved permutation scheduling rule, the improved list scheduling rule and the backward scheduling rule are designed for the permutation-based encoding scheme, and then a hybrid decoding method is proposed. To describe the distribution of the solution space for the EEDA, a probability model is built and used to generate new individuals by sampling. To well trace the region with promising solutions, a mechanism is provided to update the model with the superior sub-population. To enhance the exploitation capability, multiple local search operators are incorporated in the framework of the EEDA. The influence of the parameter setting is investigated based on the Taguchi method of design-of-experiment. Extensive numerical testing results based on sets of the well-known benchmarks and the comparisons with some existing algorithms demonstrate the effectiveness of the proposed algorithm.     

基于混合差分进化算法的并行机批处理调度问题研究

考虑到实际生产中产品多、批量小的特点,建立了一种带工艺约束的并行机批处理调度优化模型。为解决调度中的分批问题,提出了一种新的基于产品需求量的批量划分方案及批量染色体编码方式,采用两级差分进化算法来解决批量划分和批次调度问题;针对标准差分进化算法收敛速度慢、易出现早熟现象等问题,引入动态随机搜索和随机变异的局部搜索策略,以增强标准差分进化算法的局部搜索能力。测试算例及调度实例的仿真结果表明,该算法能有效地提高算法收敛速度,平衡其全局搜索和局部探索能力。