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。     

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。     

轿车发动机混流制造生产调度系统应用研究

针对目前混流制造模式下车间层的信息实时采集与处理能力不足、生产调度的工具实用性不足的问题,采用协同优化的框架,基于发动机总成装配的拉动,建立了以最小化总加工时间为目标的轿车发动机混流加工线生产调度模型;基于eM—Plant软件,建立了可以验证调度算法优劣的轿车发动机混流加工线的数字化模型;在车间实时制造数据采集方面,设计了一套基于无线网络传输模式的工位信息系统,支持计划层和执行层的双向联通。     

面向作业车间的自适应非均匀窗口蚁群算法

为纠正作业车间调度问题中蚁群算法搜索周期长、易陷入局部极小值的缺点,提出了一种改进的自适应非均匀窗口蚁群算法。首先,该算法通过自适应调整的非均匀窗口限制蚂蚁的移动范围,在缩短蚂蚁搜索周期的同时及时开辟新的解空间;然后,根据蚂蚁的多态性提出了蚂蚁跳跃窗口策略,赋予算法良好的跳出局部极小的能力;最后,鉴于作业车间调度中一个工件在多个机器上加工的特点,新算法对蚂蚁状态转移概率中的启发函数进行了改进,提高了路径的启发程度。通过对Muth and Thompson基准问题的仿真,验证了新算法的收敛性能。     

小生境蚁群优化及其在JSSP中的应用研究

借鉴蚁群的并行、多样化寻优活动,提出蚁群基本调度规则。为了改进优化性能,提出小生境蚁群优化策略,从信息素分布的时变性、蚂蚁更新信息素策略和信息交流突变性方面改进了基本蚁群算法,提出将小生境蚁群优化调度规则(MACO SR)用于求解车间调度问题的方法。并在MACO SR的启发函数、更新路径等环节中加入蚂蚁等待时间要素。通过求解目标函数为最小化最大加工完成时间的车间调度问题,并与基本蚁群算法、蚁群基本调度规则进行比较,证明了小生境蚁群优化调度规则能获得相当好的优化结果,具有较好的寻优性能。     

物联网环境下混流生产车间两级动态调度研究

针对不确定的动态事件干扰混流生产车间预先调度实施的问题,对调度信息传递、车间扰动恢复、多目标优化等问题进行了研究。建立了以RFID技术为支撑的物联网环境下实时工况驱动的调度-重调两级动态调度机制,在物料消耗速率均衡化、最短化最小生产循环周期的两个预调度模型基础上,构造了混合布谷鸟搜索求解算法;基于扰动事件的特性,采取事件和周期混合驱动的调度策略,通过滚动窗口技术和混合布谷鸟搜索算法对重调度进行了求解,利用仿真平台对调度模型及混合布谷鸟搜索算法进行了测试。研究结果表明:该物联网环境的构建符合车间实时动态调度需求,能够实现工况信息的及时传递;调度机制能够有效应对各类扰动,满足了混流车间实际调度需要;算法求解速度快,获得的解质量良好。     

基于混合蚁群算法的顺序流水车间调度优化研究

针对最大-最小蚂蚁系统在求解顺序流水车间调度问题时易陷入局部最优的问题,对提升算法求解质量进行了研究。将最好-最坏蚂蚁系统的正负反馈机制、变异机制和模拟退火算法中Metropolis准则引入到最大-最小蚂蚁系统的信息素更新环节中,并引入局部寻优,提出了一种混合蚁群算法。在典型测试集上的实验表明,新算法在顺序流水车间调度问题上所得结果普遍优于最大-最小蚂蚁系统,具有更好的全局寻优能力。     

考虑工时不确定的混合流水车间滚动调度方法

针对加工时间不确定的混合流水车间动态调度问题,提出一种基于滚动窗口的改进蚁群算法。为实现对事件驱动机制下重调度发生频率的有效缓冲,设计基于交货期偏差容忍度的滚动调度策略。同时为提高调度算法的计算效率,以应对现实生产中工时偏差的频繁发生,在滚动时域分解方法框架下提出一种改进的蚁群算法。一方面,通过压缩蚂蚁可选路径限制其移动范围,在缩短蚂蚁搜索周期的同时寻求新的解;另一方面,通过适当刺激蚂蚁尝试具有较弱信息素路径,提高所得解的全局性。通过实例仿真,分别对滚动调度策略和动态调度算法性能进行分析验证,得出较优的滚动调度策略参数,并验证了算法的优越性。最后给出实际生产算例,验证了滚动调度方法的有效性。     

基于自适应蚁群算法的柔性作业车间调度问题

针对经典作业车间调度问题的局限性,结合实际生产情况,提出了具有路径柔性的作业车间调度模型,给出了求解模型的自适应蚁群算法的具体实现过程。在搜索解路径的过程中,该算法首先确定下一步可供选择加工的工件在哪台机器上加工最好;接着在选择机器后再确定该加工哪个工件;当所有蚂蚁爬行完毕后,针对算法是否陷入局部收敛,分别对各路径上的信息素进行了自适应调整,有助于快速得到全局最优解;最后,通过实例仿真验证了算法的有效性。     

加工时间不确定的作业车间滚动窗口动态调度

以作业车间为研究对象,针对加工时间不确定这一扰动因素,主要采用周期驱动来制定相应的滚动调度策略.辅以事件驱动来保证车间运行整体情况的平衡.设计加工时间偏差容忍(LDT)来避免不必要的重调度.考虑车间的资源约束,重新定义状态转移规则,克服了长蚂蚁路径搜索容易停滞的缺点.通过仿真,获得了所需的合适滚动调度策略参数,进一步实验结果显示了改进的蚁群算法性能,针对调度方案所做的改进在计算时间和计算结果上均取得较优效果.     

Application of chance-constrained programming for stochastic group shop scheduling problem

In this paper, we study a group shop scheduling (GSS) problem subject to uncertain release dates and processing times. The GSS problem is a general formulation including the other shop scheduling problems such as the flow shop, the job shop, and the open shop scheduling problems. The objective is to find a job schedule which minimizes the total weighted completion time. We solve this problem based on the chance-constrained programming. First, the problem is formulated in a form of stochastic programming and then prepared in a form of deterministic mixed binary integer linear programming such that it can be solved by a linear programming solver. To solve the problem efficiently, we develop an efficient hybrid method. Exploiting a heuristic algorithm in order to satisfy the constraints, an ant colony optimization algorithm is applied to construct high-quality solutions to the problem. The proposed approach is tested on instances where the random variables are normally, uniformly, or exponentially distributed.     

Flow shop scheduling with multiple objective of minimizing makespan and total flow time

This paper deals with the multicriterion approach to flow shop scheduling [FSS] problems by considering makespan time and total flow time. The primary concern of flow shop scheduling is to obtain the best sequence, which minimizes the makespan, flow time, idle time, tardiness, etc. In this work, makespan and total flow time of the jobs are considered for minimization. Three heuristic algorithms namely HAMC1, HAMC2 and HAMC3 have been proposed in this paper. The effectiveness of the heuristics has been analyzed using the problems generated by Taillard [16]. The results of the problems are compared with the solution procedures proposed by Rajendran [15]. The new hybrid algorithms are developed by taking the seed sequences yielded by a method proposed by Rajendran [14] in his work to minimize flow time and improving it using search algorithm. The hybrid algorithm gives better results.     

混合离散蝙蝠算法求解多目标柔性作业车间调度

针对以最大完工时间、生产成本和生产质量为目标的柔性作业车间调度问题,在研究和分析蝙蝠算法的基础上,提出一种混合离散蝙蝠算法。为了提高求解多目标柔性作业车间调度问题的混合离散蝙蝠算法的初始种群质量,在通过分析初始选择的机器与每道工序调度完工时间两者关系的基础上,提出一种优先指派规则策略产生初始种群,提高了算法的全局搜索能力。同时采用位置变异策略来使得算法在较短的时间内尽可能多地搜索到最优位置,有效地避免了算法早熟收敛。在计算问题的目标值上面,首次提出时钟算法。针对具体实例进行测试,试验数据表明,该算法在求解柔性作业车间调度问题上有很好的性能,是一种有效的调度算法,从而为解决这类问题提供了新的途径和方法。     

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。     

基于遗传-粒子群混合算法的柔性作业车间多资源调度问题

在传统柔性作业车间调度问题(FJSP)中加入运输和装配环节,提出一种柔性作业车间多资源调度问题(MRFJSP),以完工时间最短为目标建立了包含加工、运输和装配的柔性作业车间调度模型。为了提高传统遗传算法(GA)在车间调度问题中的寻优能力,将粒子群算法(PSO)的寻优过程进行改进并与遗传算法进行结合,提出一种带保优策略的遗传-粒子群混合算法,利用单层编码对模型进行求解。通过算例验证了模型的可行性,并将提出的混合算法与遗传算法和粒子群算法进行比较,证明了混合算法的优越性。     

基于改进免疫遗传算法的混合车间调度研究

建立了以最大总完成时间最小为目标的混合车间调度模型。该模型包括作业车间和并行流水装配车间两部分调度问题。为降低问题求解难度,采用分解的策略对调度问题分阶段求解,并引入多Agent协商机制和模拟退火算法与免疫遗传算法相结合,提出了基于分解策略的免疫遗传算法,并通过在某汽车减振器企业的实施验证了模型和算法的有效性。     

An effective hybrid particle swarm optimization for no-wait flow shop scheduling

The no-wait flow shop scheduling that requires jobs to be processed without interruption between consecutive machines is a typical NP-hard combinatorial optimization problem, and represents an important area in production scheduling. This paper proposes an effective hybrid algorithm based on particle swarm optimization (PSO) for no-wait flow shop scheduling with the criterion to minimize the maximum completion time (makespan). In the algorithm, a novel encoding scheme based on random key representation is developed, and an efficient population initialization, an effective local search based on the Nawaz-Enscore-Ham (NEH) heuristic, as well as a local search based on simulated annealing (SA) with an adaptive meta-Lamarckian learning strategy are proposed and incorporated into PSO. Simulation results based on well-known benchmarks and comparisons with some existing algorithms demonstrate the effectiveness of the proposed hybrid algorithm.     

基于遗传算法的流水线车间调度模块设计与实现

介绍了一种基于遗传算法的流水线车间调度模块设计方法。以流行的C＋＋ Builder作为编程工具,采用遗传算法处理流水线车间调度问题,开发并实现了可用于企业使用的ERP车间调度模块。     

Robust metaheuristics for group scheduling with sequence-dependent setup times in hybrid flexible flow shops

This paper considers group scheduling problem in hybrid flexible flow shop with sequence-dependent setup times to minimize makespan. Group scheduling problem consists of two levels, namely scheduling of groups and jobs within each group. In order to solve problems with this context, two new metaheuristics based on simulated annealing (SA) and genetic algorithm (GA) are developed. A design procedure is developed to specify and adjust significant parameters for SA- and GA-based metaheuristics. The proposed procedure is based on the response surface methodology and two types of objective function are considered to develop multiple-objective decision making model. For comparing metaheuristics, makespan and elapsed time to obtain it are considered as two response variables representing effectiveness and efficiency of algorithms. Based on obtained results in the aspect of makespan, GA-based metaheuristic is recommended for solving group scheduling problems in hybrid flexible flow shop in all sizes and for elapsed time SA-based metaheuristic has better results.