基于MOMA的可重入混合流水车间调度问题研究

针对可重入制造系统多具有多品种、大规模、混流生产等特点,构建带批处理机的可重入混合流水车间调度问题(reentrant hybrid flow shop scheduling problem with batch processors,BPRHFSP)模型,提出一种改进的多目标蜉蝣算法(multi-objective mayfly algorithm,MOMA)进行求解。提出了单件加工阶段和批处理阶段的解码规则;设计了基于Logistic混沌映射的反向学习初始化策略、改进的蜉蝣交配和变异策略,提高了算法初始解的质量和局部搜索能力;根据编码规则设计了基于变邻域下降搜索的蜉蝣运动策略,优化了种群方向。通过对不同规模大量测试算例的仿真实验,验证了MOMA相比传统算法求解BP-RHFSP更具有效性和优越性。所提出的模型能够反映生产的基础特征,达到减少最大完工时间、机器负载和碳排放的目的。

分布式装配置换流水车间调度问题研究综述

近几十年来,现代制造业发展迅速,一种趋势是在分布式生产工厂进行工件的加工,待完成后到装配工厂集中装配成最终产品。该模式在带来诸多好处的同时,对资源调度提出了新的挑战。针对分布式装配置换流水车间调度问题(distributed assembly permutation flowshop scheduling problem,DAPFSP),介绍了DAPFSP的背景和存在的主要困难,进而对以最小化最大完工时间为优化目标的DAPFSP,从数学模型、编解码策略、全局和局部搜索算法角度进行探讨,分别综述了以最小化总流程时间等为优化目标,具有零等待等约束,以及考虑准备时间等因素的DAPFSP研究成果。最后,对有待进一步开展的研究工作进行展望。

基于生产数据的混合流水车间动态调度方法研究

在智能制造背景下,物联网等信息技术为制造系统积累了大量数据,同时人工智能等先进方法为车间数据分析和实时控制提供了有效手段。因此,针对不相关并行机混合流水车间调度问题,提出了一种基于生产数据的动态调度方法,以实现订单完工时间最小化。首先以高质量调度方案为基础,从中提取生产特征和调度规则完成样本构建。其次使用Relief F算法过滤冗余生产特征,获得用于训练和预测的调度样本。然后采用融合鲸鱼优化算法的概率神经网络作为调度模型,实现基于调度样本的训练和预测过程。最后,实验结果表明,所提方法具有良好的特征选择能力和较高的预测精度,与其他实时调度方法相比具有更加优越的性能,可以有效地根据车间实时状态指导制造执行过程。

考虑能耗和运输的有限缓冲区混合流水车间调度

为解决生产调度不及时、加工过程中能耗过大等问题,构建了有限缓冲区混合流水车间调度优化模型。模型以最小化最大完工时间和车间总能耗为目标,将运输时间、广义能耗和缓冲区容量等资源限制作为约束,并应用开关机节能策略减少待机能耗,验证了优化模型的可行性;设计一种狮群算法,采用随机产生与贪婪选择相结合的种群初始化方法,提高初始解质量和求解效率,验证了狮群算法的优越性。实验结果表明:该算法能有效解决考虑能耗和运输时间的有限缓冲区混合流水车间调度问题,优化模型能依照实际需要进行柔性调节,达到制造型企业合理排产、节能减排的目的。

改进迭代贪婪算法求解可重入流水车间调度问题

可重入混合流水车间是在混合流水车间的基础上增加了可重入特性,具有更高的调度复杂性。为了求解可重入混合流水车间调度问题,首先建立了调度优化模型,优化目标为最小化最大完工时间,然后提出一种带精英调整的学习型迭代贪婪算法(LIG-EA)。LIG-EA算法采用基于工件的编码方式,对重组后的染色体进行解码。种群分为精英个体和普通个体两部分,对精英个体进行精英破坏重建和基于关键工件的染色体调整,对普通个体进行学习机制的构建和普通个体的破坏重建。为提高初始种群质量,采用NEH启发式算法进行种群初始化,并针对可重入混合流水车间的重入特性,在重建操作中增加了插入有效性判断,提高了算法的运行速度。通过大量实验表明LIG-EA算法能够有效求解可重入混合流水车间调度问题。

流水句形成的顺序象似性句法机制

文章基于语言顺序象似性的基本原则,从语言类型学的视角通过实例语料的分析,发现汉语句子中的定语、状语等修饰语在遵循顺序象似性原则的情形下,可自由不加标记地转换成并列小句,从修饰语位置提升为与主句并列的述谓结构,这是汉语流水句形成的主要内在机制与形式手段。

基于新混合乌鸦搜索算法的置换流水车间调度

为了更加有效地求解以最大完工时间最小化为目标的置换流水车间调度问题,提出一种新混合乌鸦搜索算法(NHCSA)。首先,对一种基于NEH的启发式算法进行了改进,在此基础上提出新的方法以改善初始种群的质量和多样性;其次,采用SPV(Smallest-Position-Value)规则进行编码,使算法能够处理离散的调度问题;最后,针对迭代贪婪算法,提出了自动调整重插入工件范围的方法、引入了TB机制,并采用改进的迭代贪婪算法对最佳工件排序进行局部搜索,以提升算法收敛的精度。基于典型测试集进行了仿真测试,结果验证了所提算法的寻优能力和稳定性。尤其是在针对Rec19和Rec25算例的比较中,仅NHCSA取得了当前最优解,进一步证明了其优越性。

具有紧时、高能耗特征的混合流水车间多目标调度优化问题

针对具有紧时、高能耗工序特征的混合流水车间调度问题,以优化产品暴露时间、最大完工时间和能源消耗为目标,建立混合流水车间调度模型,并提出一种改进的多目标粒子群算法进行有效求解。首先构建了基于ISDE指标的档案维护策略及局部邻域搜索策略,辅助算法跃出局部极值及减少生产阻塞。之后,提出一种基于模糊理论的决策分析方法选取最优调度方案。最后,通过仿真实验验证提出的多目标调度模型与算法的可行性和优越性。

基于流水线计算的3D NoC测试规划研究

为了提高三维片上网络(3D NoC)资源内核的测试效率,提出一种在功耗约束条件下多播流水线并行测试同构核与单播测试异构核相结合的方法对IP核进行测试。为了减少测试数据因资源冲突而进行等待的时间,设计一种改进XYZ路由算法,并采用改进人工蜂群(ABC)算法求解最佳测试规划方案。以国际标准电路测试集ITC'02作为实验对象,结果表明,测试时间最大优化率达到15.45%,与其他测试规划方法相比该文方法能有效地提高并行测试效率。

基于大数据流水线系统的算法模型整合方法研究——以基于机器学习方法的LiDAR数据树木生物量反演为例

【背景】激光雷达(LiDAR)数据在森林资源分析利用方面有着广泛应用,科研人员研制了很多涉及大数据管理和人工智能的专业算法模型,这些算法模型目前多数散落在研究人员手里,尚缺乏新型信息化平台对其进行整合。【方法】大数据流水线系统πFlow软件具有大数据管理能力和大数据算法集成能力,并可以所见即所得方式构建流水线并调度运行流水线,适合于LiDAR数据复杂算法模型的整合,且流水线可定制、可复用。【内容】本文介绍了πFlow的特点和功能,并以基于LiDAR冠层高度模型(CHM)数据的树冠解析及利用机器学习方法估测树木生物量为例,介绍了将算法整合到πFlow并构建LiDAR数据分析处理流水线的方法和技术,且对流水线进行了测试运行。【结果】利用πFlow构建的可重复信息化平台可支撑野外站观测网络的LiDAR数据生物量快速反演,为数据密集型的专业数据处理算法模型的整合提供了创新方法技术。

基于混合离散状态转移算法的多目标节能无等待流水车间调度

针对以完工时间和总能耗为目标的节能无等待流水车间调度问题(energy-efficient no-wait flow shop scheduling problem,EENWFSP),设计一种混合离散状态转移算法(hybrid discrete state transition algorithm,HDSTA)进行求解。根据问题特性设计工序和速度矩阵的编码方式,采用启发式算法获得优质的初始解。根据EENWFSP性质,对4个离散操作算子进行任务分配,将嵌入二次状态转移的交换、移动、对称算子用于工序优化,替换算子用于机器速度优化,并在替换算子中嵌入基于关键路径的速度替换策略。设计了一种改进的破坏重构操作,用于进一步提高Pareto解的质量。通过与4种算法在测试实例上的实验结果分析,表明HDSTA在解决EENWFSP时具有较强优势。

考虑运输时间的混合流水车间绿色生产调度

针对运输时间对混合流水车间绿色生产调度的影响这一问题,以最大完工时间、生产能耗及生产成本为优化目标,提出一种改进的多目标麻雀搜索算法(Improved Multi-Objective Sparrow Search Algorithm,IMOSSA)进行求解,参考非支配排序将种群适应度值进行划分、引入正余弦策略提高解集质量、加入多项式变异算子和Levy飞行,提高解集的收敛速度和全局搜索能力,避免陷入局部最优。而后设计16种测试算例,将IMOSSA与其他多目标优化算法进行对比,验证了IMOSSA求解的优越性。最后,以某实际生产车间为例,将其生产调度划分为4种模式,证明算法求解的实用性。

基于时钟抖动流水线结构的高效率真随机数发生器

现代加密系统对密钥随机性的需求不断增加。使用时序抖动、热噪声、亚稳态等作为熵源的真随机数发生器,因其可以提供高质量的随机性成为该领域的研究热点。因此,提出一种可配置、轻量级、高效率的真随机数发生器。该发生器使用基于随机数学模型的设计方法,由差分构架的两级时钟抖动流水线组成。第一级流水线中两个环形振荡器在规定时间内累积抖动,第二级流水线利用近似相同的两个环形振荡器的微小周期差构建时间数字转换器,对第一级输出的高斯抖动进行量化,通过数字化模块输出随机比特。在时间数字转换器运行过程中,第一级流水线已经重新启动累积下一个阶段的抖动,减少了空闲时间,提高了真随机数的质量和效率。在Xilinx Atrix-7平台进行了验证,该结构的硬件资源仅消耗了25个LUTs和13个DFFs,获得高达32.55 Mb/s的吞吐量。

含不相关机的多目标混合流水车间调度

考虑不相关机和传送等因素的多阶段混合流水车间问题,以最小化最大完工时间和总能耗为优化目标建立整数规划模型。针对该问题,提出一种多目标离散灰狼优化算法来求解。设计基于机器分配码和速度选择码的编码方式和基于最短处理时间原则的解码方案;采用反向学习策略改进初始灰狼种群质量;将基于多点变异的自走模式和基于均匀两点交叉与多点交叉的跟随模式结合构成搜索模式以协调开发和搜索能力;引入精英保留策略确保优良个体不丢失。通过一系列的仿真实验验证了该算法的有效性。

有限缓冲区柔性流水车间调度优化问题求解

针对柔性流水车间生产调度问题,在考虑缓冲区容量约束的情况下,建立了最小化完工时间和最大化设备利用率的混合整数规划模型,并提出了一种改进的离散粒子群算法进行求解。根据问题模型的特点,设计了基于工件顺序和加工机器的矩阵编码方式,并采用了改进的NEH方法生成高质量的初始种群。为了克服离散粒子群算法易陷入局部极值的缺点,设计了结合Levy飞行特点的粒子更新机制。当种群优化停滞时,通过该机制将部分粒子更新至新的未探索区域,进而避免陷入局部极值。通过与3种主流优化算法,在不同规模的测试算例下进行对比分析,验证了所提出算法的有效性。在某火腿肠高温车间的实际应用,表明了所提出的算法能够有效解决考虑缓冲区容量的柔性流水车间生产调度问题。

分布式流水车间调度研究综述

智能制造、网络制造等新型制造模式的快速发展为分布式生产的推广带来了新的机遇与挑战。目前,国内外学者已对柔性车间调度、分布式作业车间调度问题进行了总结分析,但仍缺乏对分布式流水车间调度问题的综述。以分布式流水车间为研究对象,从分布式流水车间调度的运作模式分析、优化目标设计、特殊约束刻画、模型求解方法及工程应用等方面对现有研究成果进行了归纳总结,并对分布式流水车间调度问题未来的研究方向进行了展望。

带运输的混合流水车间调度问题的改进遗传算法

为实现分布式制造环境中上下游工序和机器间的协同生产,研究了带有运输的混合流水车间调度问题。以包含加工时间、运输时间和加工等待时间的完工时间最小为目标,建立了带有运输约束的混合流水车间调度模型,基于Q-learning设计了改进的遗传算法(QGA)求解该模型。在该算法中,首先基于工件序号设计编码和遗传算子等遗传操作;然后根据种群适应度函数构建种群的状态集合,以交叉概率和变异概率的取值作为动作,以最佳个体适应度和种群平均适应度作为奖励;最后采用Q-learning对交叉和变异参数进行智能调整,提高算法的收敛速度与全局搜索能力。仿真实验结果表明,与改进的遗传算法(GA-TS)相比,本文QGA的最大完工时间平均减少了2.0%,收敛速度提升了18.1%。

改进的Q-learning蜂群算法求解置换流水车间调度问题

针对置换流水车间调度问题,提出了一种基于改进的Q-learning算法的人工蜂群算法。该算法设计了一种改进的奖励函数作为人工蜂群算法的环境,根据奖励函数的优劣来判断下一代种群的寻优策略,并通过Q-learning智能选择人工蜂群算法的蜜源的更新维度数大小,根据选择的维度数大小对编码进行更新,提高了收敛速度和精度,最后使用不同规模的置换流水车间调度问题的实例来验证所提算法的性能,通过对标准实例的计算与其它算法对比,证明该算法的准确性。

搭建企业收支流水征信平台推进普惠金融高质量发展的实践与思考

为有效破解普惠金融推进工作中面临的银企信息不对称、抵押担保不足、经营管理成本过高等问题,中国人民银行湖南省分行积极探索对企业收支流水数据的有效应用,牵头搭建湖南省企业收支流水征信平台。平台稳步推进工作机制建立、运营模式设计、基础设施建设、数据治理机制优化、普惠产品创新、内控制度完善6项重点工作,在支持覆盖全社会征信体系建设、赋能省内中小微企业融资、提升金融机构业务创新能力、推进供应链金融发展4个方面取得了阶段性成效,下阶段将进一步深化与数字金融、供应链金融、企业信用管理的融合,持续探索推进普惠金融高质量发展新模式。

自动化纸箱码垛流水线的数字技术研究

本文致力于探讨纸箱自动化码垛流水线的设计,涵盖智能技术的整合、生产效率的提升、劳动成本的降低以及从手动到自动化的转变。首先分析了当前自动化系统的挑战,随后提出了创新解决方案,以增强托盘稳定性和流程的流畅性。本文还详细讨论了自动化设计对整体生产线效率的影响,并从技术实施的角度出发,分析了系统实施过程中的技术挑战及其解决方案。最后,探讨了未来技术趋势对系统升级的潜在影响。