Energy-Saving Scheduling in a Flexible Flow Shop Using a Hybrid Genetic Algorithm

Many researches discussing reduced energy consumption for environmental protection focus on machine efficiency or process redesign. To optimize the machine operation time can also save the energy, and these researches have received great interests in recent years. This study considers three different states of machines, among processing there are two different speeds, to solve the problem of minimizing energy costs under time-of-use tariff with no tardy jobs in flexible flow shop. This problem is basically NP-hard, we proposed a hybrid genetic algorithm (GA) to solve problems in reasonable timeliness. The result shows that to optimize different states of machines under time-of use tariff can reduce energy costs significantly in on-time delivery.

柔性Flow-Shop调度的遗传算法优化

柔性Flow-shop调度问题(Flexible Flow-shop Scheduling Problem,FFSP)是一般Flow-shop调度问题的推广,由于在某些工序上存在并行机器,所以比一般的Flow-shop调度问题更复杂。为了有效地解决柔性Flow-shop调度问题,用遗传算法求解,给出了一种改进的编码方法,能够保证个体的合法性;并根据编码方法提出了矩阵解码方法。最后以某汽车发动机厂金加工车间的生产调度实例进行仿真,通过比较表明了算法的有效性。

柔性Flow Shop加权完成时间调度问题的启发式分析

针对柔性 flow shop 加权完成时间调度问题,通过对机器环境进行分组,证明了一个基于有效作业最短加权平均处理时间的启发式算法是渐近最优的.

随机柔性Flow shop加权完成时间调度问题的启发式策略性能分析

因实际生产中调度问题的规模很大,分析其近似算法的绝对性能比很难,有时甚至不可能,所以研究近似算法的渐近性能比就很有必要．本文针对随机柔性Flow shop加权完成时间调度问题,使用单机松弛和概率分析方法,证明了基于加权最短期望处理时间需求的启发式策略是渐近最优的．

求解LBFFSP的类电磁算法研究

为了解决柔性流水车间有限缓冲区排产优化问题(Limited-Buffer flexible flow-shop scheduling problem, LBFFSP),首先建立LBFFSP的数学模型,提出了一种改进类电磁算法(Improved Electromagnetism-like Mechanism,IEM)作为全局优化算法,由于标准类电磁算法的局部搜索采用随机线性搜索,搜索范围小,易陷入局部极值,因此引入模拟退火的思想,以一定的概率接受使目标适应度更差的解,这样可以扩大算法的搜索范围,增加种群粒子的多样性,有效避免算法在迭代过程中陷入局部极值。另外,为进一步提高算法搜索最优解效率,设计了一种基于优化目标的初始种群建立方法,以提高初始种群中初始解的质量。最后通过实例测试,将IEM算法与SAEM算法和标准EM算法进行对比研究,验证了IEM算法对于解决柔性流水车间有限缓冲区的排产优化问题的有效性。

柔性Flow Shop调度问题的研究现状及发展趋势

许多实际生产环境如石油、化工、钢铁等流程工业都是柔性FlowShop环境 .文中对柔性FlowShop调度问题的研究现状进行了评述 。

粒子群算法求解具有机器灵活性的FFSP

对柔性流水车间调度问题(FFSP)进行了分析阐述,在此基础上对某饲料厂的饲料生产过程建立了具有机器灵活性的柔性流水车间调度模型,该模型中存在多台制粒机,既能加工大颗粒饲料,又能加工小颗粒饲料,但是必须在开始加工之前确定各台机器的用途,增加了柔性流水车间调度的难度。利用新型的粒子群算法以最小化最大完工时间为目标对该模型求解,为了克服粒子群算法易陷入局部极值的缺点,提出基于位置相似度的邻域结构,并对邻域内的较优粒子采用基于最大完工时间排序的学习方式进行局部搜索。实验结果表明,该方法有利于克服粒子群算法的早熟缺陷,有效地解决了饲料生产调度问题,有一定的应用价值。

FlowShop系统能控能观性的判定及运行分析

柔性制造系统的能控性与能观性是指通过控制工件的开工时间 ,达到有效控制系统的运行过程的目的。该文针对一类特殊的柔性制造系统———Flow Shop系统 ,讨论了其能控、能观性的问题。通过分析Flow Shop系统具有的特殊性 ,给出了判定该系统能控性的一个充要条件和能观性的一个充分条件 ,并对能控系统的运行特性进行了讨论 ,给出了能控系统稳定运行的一个充分条件。该文的结果为Flow

柔性Flow shop最小和调度问题的启发式研究

本文研究有n个作业须在s个处理机中心进行加工,处理机中心i由li个同速机组成的非抢占式柔性flowshop加权完成时间调度问题。每个作业有同样的加工路径通过每个处理机中心,但只需在处理机中心的任一台机器上加工处理,作业到达时间相同。目的是确定一个作业在每个处理机中心机器上的可行调度序列,使所有作业在最后处理机中心的加权完成时间总和最小化。在作业处理时间和权重有界、每个作业的工序处理时间为同分布的随机变量、不同作业的处理时间相互独立时,通过分组这种机器环境,我们证明该问题在作业数趋于无究时,一个基于加权最短处理时间的启发式算法是渐近最优的。

工期不确定的模具车间柔性Flow-shop调度问题

由于模具制造属于非重复性单件订货生产,模具加工的任务工期具有较强的不确定性,导致生产调度混乱。为制定合理可行的生产调度方案,建立了任务工期离散概率模型,以最大完工时间的期望值最小为目标,建立不确定工期柔性Flow-shop调度模型;在遗传算法交叉、变异等操作中融入模拟退火操作,将遗传算法的全局搜索能力与模拟退火算法的良好局部搜索能力相结合,设计了不确定工期的柔性Flow-shop调度问题混合遗传模拟退火算法。利用混合遗传模拟退火算法对调度模型进行求解,通过仿真实验表明,该研究对于解决工期不确定的模具车间柔性Flow-shop调度问题是行之有效的。

求解FFS问题的混合搜索机制粒子群算法

针对柔性流水车间调度(flexible flow shop scheduling,FFS)问题,提出了一种混合搜索机制粒子群算法(multi-search mechanism particle swarm optimization algorithm,MMPSO),以期获得柔性流水车间调度问题的优化解。在分析柔性流水车间调度问题特点的基础上,设计了针对该问题的粒子信息编码方案,提出了瓶颈机器消除算法以提升初始种群的质量;同时在个体极值搜索中采用NEH-Greedy搜索算法,在全体极值搜索中采用SADA(simulated snnealing disturb algorithm)搜索算法以扩大搜索范围,提高可行解质量,加快收敛速度,在算法迭代搜索过程中对全体极值进行RPA(random perturbation algorithm)操作以避免算法陷入局部最优。实验结果表明,MMPSO算法能够以较快的收敛速度获得柔性流水车间调度问题的一个较好的优化解。

需准备时间的FFS调度的一种拉格朗日松弛算法

针对需调度顺序相关准备时间的柔性流水车间生产调度问题,建立以成本最小化为目标的整数规划模型,用基于拉格朗日松弛的方法来求解。在常用的次梯度算法处理拉格朗日对偶问题时,迭代过程易出现振荡,严重影响了收敛效率。因此,利用了隶属度函数给出迭代过程中所有次梯度的合适权重,将它们线性加权得到新的迭代方向。最后通过算例表明,此算法有效的减少了迭代次数,提高了算法的优化性能。

基于GA的柔性Flow Shop工位派工优化研究

柔性Flow Shop调度问题一直是研究热点,其实质是一种资源分配的优化问题。本文主要针对目标为最小化makespan的柔性Flow Shop调度问题,通过在eM-Plant软件平台上建立Flow Shop仿真模型,并结合遗传算法和派工法则,对流水线上每一个工位的派工进行优化选择,得出整体流水线最优的情况下每一个工位所使用的派工法则,以此来提高整体流水线的生产效率。最后,结合案例在eM-Plant平台上建立了相应的仿真模型,并验证了基于遗传算法进行工位派工优化的可行性和有效性。

云边端协同驱动的陶瓷制造过程能效调度方法

陶瓷制造企业作为典型的多品种小批量高能耗制造企业,面临着能耗高、生产周期长、品种繁多、生产工艺复杂等问题,因此如何提高陶瓷制造的能源和资源利用效率,并进一步实现节能降耗,已经成为陶瓷企业亟需解决的重要问题。针对这一目标,提出了一种云边端协同驱动的陶瓷制造过程能效调度架构,该架构依赖于云边端协同技术来支持陶瓷制造过程的调度优化。以最小化最大完工时间和最小化总能耗为优化目标,建立陶瓷制造过程柔性流水车间调度模型。利用灰狼优化算法具有较强的全局搜索能力的特性,使用灰狼优化算法求解调度模型。结合陶瓷工厂实际情况设计算例,并以其作为实验数据,验证了灰狼优化算法在陶瓷制造过程中柔性流水车间调度优化的有效性。

基于改进遗传算法的柔性流水车间调度研究

针对最小化最大完工时间的柔性流水车间调度问题,文章提出了多目标选择的改进的遗传算法(MTGA),设计了针对该问题的一维的编码与解码方法,采用对立的方法进行种群的初始化。针对遗传算法,交叉操作进行整个工序的交叉向最优解靠拢加快了算法的收敛速度,变异操作中对所有的工序操作顺序进行整体变异,选择操作将种群分成多份做到向多个较优解靠拢,扩大了算法的搜索范围,降低了陷入局部最优的概率,并应用了两套交叉和变异概率增加算法灵活性。通过多个已有算法进行对比验证了算法的有效性。

基于总设置时间与最大完工时间的柔性流水车间多目标优化研究

本课题以最大完工时间及总设置时间为优化目标,提出了一种新的解码方案,并设计了混合快速非支配遗传算法,用于求解建立的生产调度模型,通过实验证明了模型的有效性及算法的先进性。结果表明,提出的解码方案最大可减少25.63%的总设置时间及3.42%的最大完工时间;混合快速非支配遗传算法则最大可减少28.42%的总设置时间及3.80%的最大完工时间。

基于微粒群算法的柔性流水车间调度优化

为了有效地解决柔性Flow-shop调度问题,提出用改进的微粒群算法进行求解,给出了一种能够保证个体合法性的编码方法;提出速度的计算公式采用自适应惯性权重和收缩因子相结合的方法。最后以某汽车发动机厂金加工车间的生产调度实例进行仿真,比较结果表明该算法的效果较好。

求解柔性流水车间调度问题的高效分布估算算法

针对最小化最大完工时间的柔性流水车间调度,利用事件建模思想,线性化0-1混合整数规划模型,使得小规模调度问题通过Cplex可以准确求解,同时设计了高效分布估算算法来求解大规模调度问题.该算法采用的是一种新颖的随机规则解码方式,工件排序按选定的规则安排而机器按概率随机分配.针对分布估算算法中的概率模型不能随种群中个体各位置上工件的更新而自动调整的缺点,提出了自适应调整概率模型,该概率模型能提高分布估算算法的收敛质量和速度.同时为提高算法局部搜索能力和防止算法陷入局部最优,设计了局部搜索和重启机制.最后,采用实验设计方法校验了高效分布估算算法参数的最佳组合.算例和实例测试结果都表明本文提出的高效分布估算算法在求解质量和稳定性上均优于遗传算法、引力搜索算法和经典分布估算算法.

基于改进免疫遗传算法的混合车间调度研究

建立了以最大总完成时间最小为目标的混合车间调度模型。该模型包括作业车间和并行流水装配车间两部分调度问题。为降低问题求解难度,采用分解的策略对调度问题分阶段求解,并引入多Agent协商机制和模拟退火算法与免疫遗传算法相结合,提出了基于分解策略的免疫遗传算法,并通过在某汽车减振器企业的实施验证了模型和算法的有效性。

基于改进遗传算法的柔性作业车间调度方法研究

针对柔性作业车间调度问题,提出了一种自适应的遗传机制,构造出自适应的适值函数定义方法,设计了相应的自适应选择、交叉和变异3种算子。为了解决同一工序的不同机器的负荷平衡,提出了表征机器加工能力的能力系数。通过轮换方法实现了相同工序不同机器之间的调度。仿真实验结果表明,该调度算法具有可行性。