改进混合多目标蚁群算法求解带运输时间和调整时间的柔性作业车间调度问题

柔性作业车间调度问题是一类重要的组合优化问题,实际生产过程中,产品搬运、机床换模、更换刀具等间接加工活动中存在运输时间和调整时间,会对生产周期产生影响。研究了同时考虑运输时间和调整时间的柔性作业车间调度问题,建立以最小化最大完工时间、机器总负载、机器关键负载和工件的交货期惩罚值为目标的数学模型,并提出一种改进的混合多目标蚁群算法。结合问题特征和算法特点设计了一种分布式编码方式,采用改进蚁群算法分别搜索各优化目标的最优调度方案,针对调度方案集进行非支配排序选择,为了提高算法的搜索精度,提出了突变和靠拢操作。最后通过基准实例和生产实例进行仿真实验,并与改进遗传算法、MOGATS算法进行对比,实验结果表明提出的改进混合多目标蚁群算法是有效和可行的。

考虑时间与能耗约束的柔性作业车间调度优化

随着能源价格日益上涨以及国家节能减排措施的不断推进,制造业正朝着绿色生产方向转型。针对受调整时间和能耗约束的柔性作业车间调度问题,建立以最大完工时间、总调整时间和总能耗为目标的数学模型。设计改进的NSGA-Ⅱ与禁忌搜索结合的多目标混合算法(MOGATS)进行求解。算法设计三种初始化规则保证初始解的质量和多样性。为提高算法搜索效果,将Pareto等级引入交叉算子中,并在变异算子中加入模拟退火算法提升算法的局部搜索能力。最后,在Pareto前沿中找到各个目标的最优个体作为初始解,进行禁忌搜索以提高解的质量。通过与其他算法的实验结果进行对比,验证MOGATS算法能够有效求解考虑机器调整的柔性作业车间多目标问题。

基于改进帝国竞争算法的柔性作业车间机器故障重调度

针对机器故障下的柔性作业车间重调度问题,提出了一种改进的帝国竞争算法(ICA)。首先,以最大完工时间、机器能耗和总延迟时间为目标函数建立柔性作业车间动态重调度模型,并对三个目标采用线性加权法;然后提出了改进的ICA来把优良的信息保留到下一代,即在传统ICA的同化和革命步骤后加入一个轮盘赌的选择机制,使初始帝国中的优秀基因得以保留,并且更新后的帝国质量更优,更加贴近最优解;最后,在机器发生故障后,采用事件驱动的重调度策略对故障点后未加工的工序进行重新调度。通过生产实例,对假设的三种机器故障情景进行仿真实验,并把所提算法与改进遗传算法(GA)和遗传算法与模拟退火混合算法(GASA)这两种算法进行比较。实验结果表明了提出的改进ICA是有效且可行的。