设备故障下的零空闲多设备工作中心调度

设备故障是车间调度中最为常见的动态事件,易对原生产调度计划造成影响。为保证加工生产在遇到设备故障后能够快速地对原调度方案做出调整,降低设备故障所带来的负面影响,对设备故障下的零空闲多设备工作中心调度问题进行研究。建立了设备故障下考虑调整时间和搬运时间的零空闲多设备工作中心调度模型,优化目标为最小化最大完工时间、搬运次数和系统稳定性;设计NSGA-Ⅱ-V算法用于原调度和重调度的求解;基于NSGA-Ⅱ-V获得的静态调度结果与部分重调度策略的思想,进行设备故障算例测试。测试结果表明,所提模型和算法可较好地处理动态事件为设备故障的零空闲多设备工作中心调度问题。

考虑序列相关准备时间的分布式柔性作业车间调度研究

针对考虑序列相关准备时间的分布式柔性作业车间调度问题,提出以最小化最大完工时间为优化目标的混合整数线性规划模型,并提出一种改进遗传算法。采用基于负荷均衡的种群初始化方法提高初始种群质量,根据问题特性构造6个局部扰动算子,设计多重局部扰动策略提高算法的局部搜索能力。通过扩展柔性作业车间调度基准生成测试算例,使用正交实验确定算法参数。实验结果表明,所提改进策略能够有效提高算法性能,求解结果优于对比算法,验证了调度模型和所提算法的可行性和有效性。

多目标协同正弦优化算法求解分布式流水车间调度问题

针对最小化最大完工时间(makespan)、总拖期以及平均空闲时间的多目标序列相关准备时间分布式流水车间调度问题,本文提出一种多目标协同正弦优化算法(MCSOA).算法主要包括4个核心阶段:在多邻域搜索阶段,提出了基于关键工厂的搜索策略,并通过正弦优化算法控制搜索范围;在破坏重构阶段,设计了一种迭代搜索策略引导个体的进化方向,同时使用正弦优化算法平衡全局开发与局部搜索;在选择阶段,使用非支配排序与参考点的方法筛选优质解,外部档案集用于存储所有非支配解;在协同阶段,设计种群间共享与竞争机制,平衡3个目标的优化.本文通过多目标优化的均匀性、反世代距离和覆盖率3项性能指标验证算法的有效性,并使用非参数检验证明所提出的算法具有显著性优势.

交换突变策略改进萤火虫算法的异构并行机调度

序列相关设置时间的异构并行机调度问题是个NP(non-deterministic polynomial)问题,在高纬度情况下难以求解。选取任务完工时间为优化目标建立数学模型,提出一种基于交换突变策略改进的萤火虫算法,并应用该算法进行求解,以期在可接受的时间内提供近似最优解的可行方案。实验结果表明,所提出的算法在处理异构并行机调度问题时具有较突出的全局搜索优势,收敛速度较快,搜索精度高,测算了36个算例,其中的28个取得最优平均解,并且较萤火虫算法、模拟退火算法和遗传算法分别减少了11.12%、7.36%和1.43%的平均任务完工时间。

考虑多时间因素的绿色可重入混合流水车间调度问题

针对同时考虑顺序相关调整时间和运输时间等多时间因素的绿色可重入混合流水车间调度问题(GRHFSP-MTF),以最小化最大完工时间和总能耗为目标建立双目标优化模型。针对GRHFSP-MTF的特点,提出一种混合文化基因算法(HMA)。首先,提出了基于工序、机器和转速的三层编码策略;然后,设计了基于贪婪机器选择和完全随机的种群初始化方法、交叉和变异算子以及5种邻域搜索算子;最后,在不改变机器分配和工件排列的前提下,基于降低机器转速手段设计了节能算子。大量仿真实验表明,HMA可以有效地求解考虑多时间因素的绿色可重入混合流水车间调度问题,并具有较强的优越性。

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。

基于多动作深度强化学习的纺机制造车间调度方法

纺机制造车间调度问题是一种具有复杂工艺约束和序列相关设置时间的柔性作业车间调度问题,为了保证调度方案的质量,提升企业的订单准时交付能力,提出了一种以最小化最大完工期为优化目标的多动作深度强化学习算法。首先,将调度问题建模为多马尔可夫决策过程。然后,针对纺机制造车间调度的工件选择和机器选择两个子问题,分别设计了用于定义工序选择策略和机器选择策略的两个编码器,以预测选择不同工序和机器的概率分布。其中,在工序选择编码器中,采用图神经网络对析取图进行编码,以降低问题规模对解的质量的影响。其次,提出了一种具有多动作空间的强化学习训练算法,用于学习两个子策略。最后,经某纺机制造企业的实际生产案例验证,该方法的性能受问题规模影响较小,与其他对比算法相比,能够获得较高质量的调度方案,训练的模型具有较好的泛化能力和稳定性。

基于时间窃取的数字电路时序优化方法

在大规模数字集成电路设计中,时序分析是签核(Signoff)的关键一环,目前电路设计中主要通过关键路径优化使电路时序达到要求,但这类方法可能会使电路结构发生改变,电路版图也要进行大量更改,延长了芯片设计周期.为能快速解决电路时序修正问题,提出了一种基于动态电路设计思想的时移触发器,此触发器去除了建立(Setup)时间,基于SMIC40 nm工艺完成电路设计和仿真,进行了触发器标准单元版图绘制,通过合理分配参数,时序参数优于标准单元库中的D触发器.不同工艺角(Process,Voltage,Temperature,PVT)仿真表明,在典型情况下,时移触发器相比于SMIC40 nm标准单元库中相同驱动能力的D触发器输出响应时间加速比达到188.6%.结合所设计的时移触发器和时间窃取(Timing Borrow)方法,分析了数字电路中时序分配情况,所设计的触发器可应用于工程更改计划(Engineering Change Order,ECO)阶段进行数字电路时序修复和优化,可减少时钟树和逻辑电路调整,有效缩短数字电路芯片设计周期.

一种基于PI控制的数字低压差稳压器高速可调节模型

数字低压差线性稳压器由于可以在低电源电压下工作而被广泛使用。在数字低压差线性稳压器中,其利用模数转换器和积分器进行稳压操作。但是当负载出现瞬态电压变化,其稳定时间将会很长。在PI控制系统中,积分系数大的电路建立时间很短,会产生过冲,然后输出才会稳定。积分系数小的模型输出可以直接稳定,但是建立时间太长。提出了一种高速可调节电路模型,目的是利用电压传感器和时间数字转换器(TDC),并在电路中加入2种不同积分系数的积分器。首先利用电压传感器和时间数字转换技术(TDCT)实现模数转换以得到数字信号。随后判断数字信号与基准电压,在误差很大时,控制电路选择大积分系数,输出到PI控制;误差小时,控制电路选择小的积分系数,这样可以使电路结合不同积分系数电路的优点,从而达到同时缩短电路建立时间和稳定时间的目的。

混合人工蜂群算法在混流装配线排序中的应用

为更好地解决混流汽车装配线排序问题,建立了以最小化总调整时间和最小化超载时间与空闲时间为优化目标的典型混流装配线排序数学模型,提出一种求解该模型的混合人工蜂群算法。针对标准人工蜂群算法不能解决离散问题的缺陷,引入禁忌搜索算法重新设计了蜂群的邻域搜索算法,设置了算法邻域搜索的动态参数,设计了禁忌搜索算法在人工蜂群算法中的嵌入策略;为保证算法的全局收敛性,采用基于跟随蜂的精英保留策略,给出了侦查蜂和跟随蜂的食物源更新方法。通过比较混合人工蜂群算法与遗传算法和标准人工蜂群算法对不同规模算例的计算结果,验证了所提算法在求解混流装配线排序问题中的优越性。

考虑调整时间的作业车间调度与预防性维修集成方法

为了解决作业车间调度理论研究中两种常见但却不符合生产实际的理想假设所带来的问题,提出了一种考虑调整时间的作业车间调度与预防性维修集成方法。首先利用遗传算法得到单独考虑调整时间时的最优初始调度方案,然后依据初始调度方案中各机器的任务分配情况以及该机器的故障概率分布自适应确定其预防性维修方案,同时依据插入的预防性维修时间间隔采用右移策略对初始调度方案进行调整,最终得到优化的作业车间调度与预防性维修集成方案。通过对经典调度基准实例进行扩展来构造测试实例,进而验证所提方法的有效性。实验结果表明:单独考虑调整时间不仅能够提高车间调度性能,还能够使得依据机器的运行时间和故障概率分布得到的预防性维修方案更加合理,从而达到提高生产效率并降低预防性维修成本的目的,对于实际生产具有一定的指导意义。

带交货期的工件族生产与配送的排序问题

本文考虑了多个客户订购不同种类的工件,工件生产完后需要运输到客户的单机供应链排序问题。由于工件属于不同的种类,在加工不同种类工件前要有一个准备时间。每个客户分布在不同位置,客户的每个工件都有一个交货期,工件是分批配送的,每一批配送需要花费一定的时间及费用。考虑了两个与交货期有关的目标函数,分别给出了它们的最优算法。

调整时间与搬运时间可分离的多目标流水车间成组调度

为解决调整时间与搬运时间可分离的流水车间成组调度问题,建立了以生产周期为主要目标、以停机次数和总搬运次数为次要目标的基于理想点法的多目标决策模型。针对成组零件生产周期求解和作业计划制定问题构建了三类时间模型。为有效对成组零件进行调度,设计了调整时间与搬运时间可分离的遗传算法。通过两个小规模仿真实验验证了该算法的有效性。为进一步评估该算法对较大规模算例的求解效果,将该算法与基本遗传算法进行了对比。研究结果表明:本研究可确定成组零件的最优排序方案,并能为工艺工序的加工、设备的调整以及运输工序的搬运制定精确的作业计划;同时,新设计的遗传算法在可接受的计算时间内能获得理想解。

带有顺序相关调整时间的多目标流水车间调度问题

针对带有顺序相关调整时间的多目标流水车间调度问题,将传统的迭代局域搜索算法扩展到多目标领域,提出一种基于Pareto最优的多目标迭代局域搜索算法。在局域搜索中设计了一个基于动态邻域的变深度搜索方法,其搜索深度能够在算法的运行中动态变化,从而保证搜索深度和广度的平衡,提高算法的搜索性能。通过对标准测试问题和实际问题的测试,以及与其他进化算法的比较,验证了所提算法的有效性。

改进遗传算法在含调整时间调度中的应用

在求解含调整时间的工件调度最小化最大完工时间时,由于其内在的复杂性,很难用经典方法求出最优解,只能通过简化手段来求取次优解,因而精度不高。针对这一缺陷,将调度问题转化为经典的旅行商问题,并采用基于优先级的比例选择、实数两点交叉及模式变异算子的改进遗传算法对其求解。仿真实验表明,此方法在满足最小化最大完工时间前提下,既能求解规模更大的调度,又能进一步提高调度完工时间的精度。

一类资源约束的单机成组调度问题

本文讨论具有连续资源的单机成组调度问题.在这一模型中,工件组的安装时间是所消耗资源的非负严格减少连续函数,工件的加工时间是开工时间的严格增加函数.考虑两个问题,第1个问题是在满足资源消耗总量限制条件下,极小化最大完工时间.第2个问题的目标函数是在满足最大完工时间限制条件下,极小化资源消耗总量.分别对两个问题讨论了最优调度的某些特征,分别给出了求解最优资源分配的方法,并通过数值例子进行说明.

GA/LP算法求解带组换装时间的单机调度问题

以包头某钢铁线材企业实际调度问题为背景,针对带组换装时间的单机提前/拖期调度问题,建立了混合整数线性规划模型。根据模型的特点,将该问题的求解分为最优排序变量的确定和最优开工时间的确定两个层次。由于该问题是NP难的,提出了一种基于遗传算法和线性规划相结合的GA/LP算法。在算法中,利用GA在外层搜索遍历二元变量空间来优化工件排序;在内层则利用LP来确定满足约束条件的最优连续解。为了提高算法寻优性能,降低算法运行时间,提出了一种基于问题特征的种群初始化方法。最后,针对三种交叉算子在随机问题上进行了测试,实验结果表明,该算法能够有效求解问题。

具有安装时间的置换流水车间组合干扰管理研究

针对安装时间与次序相关的置换流水车间环境,研究随机机器故障、加工时间改变、安装时间改变、工件优先级提高、新工件到达、工件取消加工六类常见干扰事件部分或者全部组合发生情况下,考虑初始目标最大完工时间和扰动目标次序变动总量的干扰管理问题。经分析,该问题为NP难问题。通过改进初始种群构建策略以及全局搜索和局部搜索间权衡策略,提出改进文化基因算法对该问题进行求解。最后设计随机干扰算例,分别在初始种群改进前后同经典的NSGA-II算法进行对比,结果验证了本文所提初始种群构建策略和改进文化基因算法在应对不同组合干扰事件和不同问题规模下的有效性。

考虑需求时序关联性的MTO企业订单选择和调度综合决策

综合考虑计划期内订单之间存在的序列相关的转换时间和转换成本以及客户当期订单需求与未来需求之间存在的时间序列关联,构建了包括当前计划期收益及未来期望引致收益的长期收益目标函数,建立了产能有限的MTO企业面向长期收益最优化的订单选择与调度综合决策的模型。为了求解此复杂问题,在模型中引入一个虚拟订单,并对所建的整数规划模型实施了转化和松弛;随后针对模型设计了相应算法,并通过数值仿真对该算法进行了分析和验证。仿真结果表明:所建模型可以得出近似最优的订单选择与调度综合策略;考虑订单需求之间的时序关联性影响进行订单选择与调度决策比不考虑该因素更优;所设计算法对不同转换时间和转换成本、不同任务规模的订单决策问题求解同样有效。

一种求解单机成组作业优化调度的启发算法

优化目标为总流程时间的单机成组作业优化调度问题 ,明显是NP -hard的。该文在利用优化性质的基础上 ,提出了一种构造性的启发算法。该算法计算量小 ,可应用于大规模优化调度问题。仿真结果表明该算法能够找到次优解 。