具有无序工序生产特征的混合柔性流水车间在线调度

针对定制型装备制造企业具有无序工序(Open-Shop)生产特征的混合柔性流水车间的在线调度问题,通过分析车间结构、生产环境及特征,建立具有Open-Shop生产特征的混合柔性流水车间生产调度问题数学模型;将问题的求解分解为两部分,构造出一种基于优先规则的组合算法生成框架,通过在算法框架的不同节点嵌入优先规则算法来产生多种组合规则算法;设计大量的算例测试集,通过对比仿真实验结果,分析了各组合规则算法的适应性和有效性,得出不同组合规则算法在差异环境配置下的求解效果,并对各实验设计因子在系统产量、系统拖期率方面进行了方差分析,研究设计因子及因子间联合对系统指标的影响,研究成果对车间生产管理人员制定生产计划具有有效的指导作用。     

一种新型的作业车间调度算法的研究与实现

将工件的剩余加工时间分为相对剩余加工时间和绝对剩余加工时间 ,提出了优先分配启发式算法的一种新的优先分配规则 ,即相对剩余加工时间最大的概念 ,把调度分成多个阶段的部分调度 ,通过比较部分调度集合中的可调度工序的相对剩余加工时间 ,求解出每个部分调度的最优解 ,从而使整个调度达到全局最优或近似最优。最后 ,开发出调度软件 ,验证了算法在工程中的可行性、有效性。     

基于增强学习的平行机调度研究

尝试运用增强学习方法来研究平行机调度问题,通过定义系统状态、行为和报酬函数,把调度问题转化为平均报酬型半马尔可夫决策过程,并使用结合函数泛化器的R-Learning算法来解决.提出排名算法,并利用它和两种常用的调度规则(最短期望加工时间规则和先进先出规则)来定义增强学习的行为.实验结果表明,R-Learning算法通过仿真实验学习较优的调度策略,在不同的决策状态下选择最优或次优的行为,对每个测试问题的效果都优于以上任何一条调度规则.     

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。     

基于设备可用时间约束的装配作业车间调度规则

为开发自动和手控设备混合的装配作业车间启发式调度算法,设计了装配作业和设备特性相结合的生产调度规则.分析了自动和手控设备的运作特性,以及设备和作业者的日可用时间约束对生产调度所产生的影响.首先以缩短工件平均流程时间和提高自动设备夜间运载率为目标,扩展了最短作业时间优先规则的内涵,设计了最短设备占有时间优先规则的系列;然后考虑了装配作业车间的装配特性,设计了将作业交货期最早优先规则与提出规则相结合的组合规则.经模具生产车间的仿真实验表明,所设计的组合调度规则对平均延期时间和其他相关评价指标具有较优的结果.     

基于MES的车间作业调度系统的研究

针对基于MES的车间作业调度问题,提出了基于规则的智能优化调度算法.通过相关约束建立生产调度问题的数学模型,选出适合的优先调度规则,将排序的过程分为初始排序与优化排序,开发出基于MES的车间作业调度系统.经实际应用表明,该方法计算时间短,调度结果令人满意.     

多目标置换流水车间调度的改进食物链算法

针对目标函数为最小化最大完成时间和总延迟时间的多目标置换流水车间调度问题,提出了一种改进的食物链算法。该算法在食物链算法的基础上,引入基于Pareto最优解的快速非支配性排序和个体拥挤距离计算,增强了算法的寻优性能。对OR-Library三个典型算例的优化比较表明,该算法在解的质量上明显超越NSGA-Ⅱ算法。     

批量生产集成调度问题的嵌套式混合遗传算法

针对多级供应链环境中制造商利用混合流水车间方式生产时如何确定生产、采购及产品运送决策的问题,提出基于混合流水车间调度的批量生产与运送调度模型。考虑双重调度的复杂性,设计了两层嵌套式混合遗传算法,外层针对批量生产与运送调度,限制搜索最优运送频率及生产周期;内层解决混合流水车间调度,特别设计染色体的复式均匀交叉机制,求解产品生产排序及相应的原材料采购批量问题。通过算例验证了算法对解空间的搜索广度、准确度和全局收敛性能,为进一步研究较大规模的复杂供应链调度问题提供了可借鉴的方法。     

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。     

两机flow-shop类型模具热处理车间批调度算法

总结模具热处理车间生产调度的特点,在工件动态到达的情况下,研究了两阶段均为批处理机、各批次加工时间为定值的流水车间批调度问题。以最小化最大完成时间为目标建立混合整数规划数学模型,证明问题是NP难并给出最优目标函数值的下界,构建并证明一种求解大规模问题最优解的算法。算法首先求解分批数量上下界,然后构造数学模型并求解在给定分批数量下对应的最优解,最后通过对比各给定分批数量下得到的解并得到全局最优解。对于小规模问题,通过与传统分枝定界法得到的最优解相比较,说明所提算法能得到问题的最优解且计算时间更短;对于大规模问题,在不同生产状况下随机产生多组数据、对所提算法进行验证,结果显示该算法是有效的。