改进蜉蝣算法求解工艺规划与调度集成问题

针对工艺规划与调度集成问题(IPPS),基于AND/OR析取图和“组合”的概念以最小化最大完工时间为优化目标建立数学模型;设计一种整数编码方案,该方案无需预先为工件生成加工路径,可同时处理工艺规划与调度问题,由于初始解对算法的寻优能力的影响,在种群初始化时考虑机器的负荷以提高初始种群的质量;解码时采用插空的方法生成活跃调度,以缩短工件整体的加工时间;离散蜉蝣算法实现求解IPPS,采用Metropolis准则接收较差的解,引入自适应因子提高算法的收敛速度,设计局部搜索算法提高算法的精度。最后通过大规模基准算例进行实验并与其他算法对比分析,验证该算法有较好寻优性能。

考虑多目标的工艺规划与调度集成问题研究

针对工艺规划与调度集成问题在多目标优化方面的不足,考虑将多目标优化集成到工艺规划与调度集成问题中。以最长完工时间、加工成本及设备最大负载为优化目标,对该多目标工艺规划与调度集成问题进行建模,并提出了一种非支配排序遗传算法,鉴于加工信息的多样性,使用多层结构表示可行解,对该算法的选择及遗传操作等步骤进行了设计。最后,以实例验证了上述模型的正确性及算法的有效性。

考虑不确定加工时间的工艺规划与调度集成问题研究

为使工艺规划与调度集成问题更加符合实际,将不确定加工时间考虑到工艺规划与调度集成问题中,并以三角模糊数表示加工时间,提出一种考虑模糊加工时间的工艺规划与调度集成问题。以最大模糊完工时间最小为目标,对该问题进行建模。提出一种多层编码结构的遗传算法,对该问题进行求解。最后,以实例验证了上述模型的正确性及算法的有效性。

工艺规划与调度集成优化模型与算法研究

针对生产经营活动中存在的工艺规划与调度集成问题,本文利用AND/OR网络图描述可选工艺,以最小化加工周期为目标,构建了工艺规划和调度集成优化模型,并采用遗传算法和启发式算法相结合的方式对模型求解,同时对经典算例进行仿真实验。仿真结果表明,本文提出的数学模型及算法可以较好地解决IPPS问题,虽然在个别测试问题中,模型并没有得到比GATS更好的结果,但总体好于SEA,并且在工件个数增多的情况下,模型要优于GATS。该研究有效保证了生产资源的合理分配,提高了企业市场竞争力。

多目标集成式工艺规划与调度问题的求解与决策

将工艺规划与车间调度进行有效的集成是解决制造系统中工艺规划与车间调度过程分开优化时设备利用率低以及生产效率差的问题的主要途径。为了实现绿色低碳制造,首先以制造过程中的碳排放最小化、最大完工时间最小化、总拖期时间最小化为优化目标,基于非线性工艺规划的原理,建立多目标集成式工艺规划与调度模型;然后采用NSGA-Ⅱ遗传算法进行求解,优化得到Pareto最优解集;并提出利用基于熵权法的TOPSIS决策方法从Pareto最优解集中选出最佳工艺路线与调度方案。最后结合案例,验证了该模型及求解过程的有效性,并为实际生产过程中车间调度方案的决策提供了依据。

面向节能的工艺规划与调度集成问题建模研究

工艺规划和车间调度是离散制造车间中的两大关键环节,将两者集成优化有助于提高车间生产效率、降低能源消耗。研究以节能为目标的工艺规划与调度集成(Integration of process planning and scheduling, IPPS)问题,基于空闲时间与空闲能耗两种建模思想,建立3个考虑关机\重启节能策略的混合整数线性规划(Mixed integer linear programming, MILP)模型。从模型尺寸复杂度、计算复杂度等方面对这三个MILP模型进行详细的对比评估。通过使用CPLEX求解器对IPPS调度实例进行求解,证明了所提出MILP模型的正确性与有效性。试验结果表明基于不同建模思路的MILP模型尺寸复杂度、计算复杂度差别很大,基于空闲能耗的MILP模型求解效果好于基于空闲时间的MILP模型。

基于NSGA-Ⅲ算法的多目标集成工艺规划与调度问题研究

为了减少工业制造中的碳排放,设计以生产过程碳排放最小、最大完工时间最小和总拖期最小为目标的多目标集成工艺规划与调度问题,建立相应目标的优化模型。针对建立的优化模型,提出一种改进的NSGA-Ⅲ算法,使用三段式编码方式解决工艺规划的柔性特征;使用变邻域搜索方法增强算法的局部搜索能力;引入Pareto解集更新策略,保存种群更新过程中的非支配解。在工艺规划阶段,以完工时间、碳排放最小为优化目标,为每个工件生成工艺路线非支配解集,并从中随机挑选非支配解输入到调度阶段;在调度阶段,对优化目标的模型进行优化,生成调度非支配解。使用测试实例对提出方法进行验证,并与现有算法对比,实验结果验证了本文算法找到的非支配解更接近真实的Pareto前沿。

考虑装配及运输环节的工艺计划与调度问题

针对工艺规划与调度集成问题在制造环节方面考虑的不足,将制造环节从仅考虑工件制造扩展到由工件制造、组件装配及完成件装配组成的完整制造过程。考虑到加工设备可能属于不同的车间,将运输环节考虑到制造过程中。提出一种考虑装配及运输环节的工艺规划与调度集成问题,以完工时间为优化目标对该问题进行数学建模。为有效压缩搜索域,设计了一种带优选策略的粒子群算法对该问题进行求解。通过实例验证了该数学模型的正确性及算法的有效性。

模拟退火粒子群优化算法在工艺规划决策中的应用

为了实现面向精益生产的制造系统中的工艺与调度并行设计,在工艺规划决策中,建立了面向精益生产的工艺规划与调度集成模型。在考虑设备负载平衡以及完成加工任务时间最短的条件下,设计了一种离散模拟退火粒子群优化(Particle Swarm Optimization based on Simulated Annealing,SAPSO)算法,并行设计及优化零件的工艺方案和调度方案,并最终获得其最优工艺方案及与之相对应的优化调度方案。通过对10台设备10种零件的示例仿真验证了算法的有效性。

考虑准时化调度的IPPS问题研究

为了获得尽量满足交货期的调度方案,针对工艺规划与调度集成问题在交货期方面考虑的不足,将准时化调度集成到工艺规划与调度集成问题中。以总成本为优化目标,将总成本划分为加工成本、提前/拖期成本及机器闲置成本,对该问题进行建模。针对这种带有非正规性能指标的集成问题,提出一种三阶段式解码的遗传算法对该问题进行求解。通过一个实例验证了所建模型的正确性和算法的有效性。

考虑柔性分批的IPPS问题研究

工艺规划与调度是制造系统的两个重要组成环节,二者的集成是制造系统发展的关键技术之一。针对工艺规划与调度集成问题在批量方面考虑的不足,考虑将批量划分问题集成到工艺规划与调度集成问题中。为避免等批分批可能导致调度过程中生产能力与负载不均衡,采用柔性分批策略。同时考虑准备时间和加工时间,以最大完工时间最小为目标,对该问题进行建模。针对该问题,提出一种粒子群算法进行求解。最后,以实例验证了该数学模型的正确性及算法的有效性。

基于中智数及ε-支配的加工时间不确定IPPS问题多目标优化研究

工艺规划与车间调度的集成优化有利于缓解制造资源冲突,充分利用制造系统的柔性并提升制造系统运行效率.为避免实际加工时间的波动及其对调度方案鲁棒性的影响,利用中智数在刻画不确定事物方面的优势,本文使用中智数模拟工序的不确定加工时间并建立了相应的数学模型.为引导非支配解趋向于偏好区域,提出基于ε-支配的多目标优化算法,对调度鲁棒性及名义最大完工时间这两个指标进行了优化.提出的多目标优化算法对经典的Kim实例进行了求解,得到了偏好区域内的非支配解.