基于遗传和禁忌搜索混合算法的预制生产调度的研究

遗传算法是一种全局搜索能力较强的元启发式算法,可通过不断进化种群得到最优或近优解;但是遗传算法的局部搜索能力较差,容易发生早熟收敛问题。因此为了克服遗传算法早熟收敛的问题,考虑到禁忌搜索算法的局部搜索能力较强的优势,提出了一种遗传和禁忌搜索的混合算法解决预制生产流水车间的提前和拖期惩罚问题。该混合算法是在遗传算法每次迭代后,通过禁忌搜索改进当前种群中的最好染色体,并替换种群中适应度值最差的染色体。经实验测试表明,所提出的混合算法的性能更优,更容易得到全局最优解或近优解。     

基于交替混合迭代搜索方法的预制构件生产调度与工人配置集成优化

针对以往预制构件生产过程中工人指派与生产调度递阶求解方法的不足,研究了预制构件生产调度与工人配置的集成优化问题。在深入分析预制构件的生产工艺、工序约束、工人数量、工人技能水平等制约关系的基础上,首先以最小化拖期惩罚和工人成本为目标建立了预制构件生产调度与工人配置集成优化数学模型。随后,为降低问题求解困难,基于交替分解思想,通过集成构造启发式、群体搜索、邻域搜索和破坏—构造机制,提出一种混合遗传—迭代贪婪交替搜索算法(AHGA＿IG)来解决该问题。其主要思想是：首先利用启发式方法产生一个初始工人配置和生产调度解;随后固定生产调度方案,设计一种混合遗传配置算法用于优化工人配置方案;反过来固定工人配置方案,设计一种迭代贪婪调度算法用于优化生产调度方案,如此两阶段交替优化,直到满足终止条件。最后,针对不同规模算例对所提算法进行了测试。计算结果显示,所提算法具有较优的求解质量、鲁棒性和收敛性。与预制构件制造企业常用的基于经验的启发式方法相比,AHGA＿IG算法具有较大的改进率,有望产生显著的经济效益。     

准时制生产模式下预制构件订单间调度与订单内调度的联合优化

在预制构件实际生产过程中,通常一个订单中包含多个工件。为满足客户交货期和方便管理,来自同一订单的工件需要连续生产,就需要解决订单间调度与订单内调度的联合优化问题(JOP＿IOSIOS)。该问题是比传统流水线调度问题更为复杂的问题,是典型的NP-hard问题。为解决该问题,通过对工序约束、订单间、订单内约束等的深入分析,基于准时制生产模式,以最小化总提前和拖期惩罚费用为目标建立了混合整数规划模型。鉴于问题的复杂性,基于分解与协同进化框架,提出一种有效的协同进化混合遗传—离散差分进化算法(CoHGA-DDE)。其主要思想是首先构造订单间调度种群和订单内调度种群,然后对两个种群分别采用离散差分进化策略和遗传进化策略,并通过两个种群之间的交互作用来提高各自性能。为验证协同进化框架和CoHGA-DDE的有效性,设计了协同进化遗传算法(CoGA)、协同进化离散差分进化算法(CoDDE)、遗传算法(GA)、离散差分进化算法(DDE)、和迭代贪婪(IG)算法。对不同规模订单进行测试,计算结果显示,与GA,DDE和IG相比,协同进化方法具有更好的求解质量和鲁棒性,而在协同进化方法中,CoHGA-DDE具...