启发式算法求解等待时间受限的两阶段流水车间调度问题

等待时间受限的两阶段流水车间调度问题具有强NP难的复杂性,有必要探索问题特征来开发近似求解算法。本文分析了此问题与一般两阶段流水车间调度和无等待两阶段流水车间调度的关系,给出了两类特殊问题的多项式求解方法,探讨了最优调度的工件序列特征。在此基础上,设计了基于排列排序的启发式算法,算法应用Gilmore-Gomory启发式生成初始序列,构造调度解的可替换集合实现迭代寻优,并利用工件序列特征调整工件顺序以优化当前调度。通过对算法的求解性能进行理论分析和实验验证,进一步表明了该算法的有效性。

等待时间受限的两阶段流水车间调度问题性质研究

对等待时间受限的两阶段流水车间调度问题的基本性质进行了研究。在问题的复杂性方面,证明了任何基于排列排序的调度规则都不能保证具有最优性,而且问题是强NP难的。在原问题和排列排序问题之间的关系方面,证明了满足排列排序要求的任一工件加工序列均可构成相应的可行调度;当满足一定条件时,排列排序的最优解也是原问题的最优解。这些性质为设计求解算法提供了理论基础。

求解分布式两阶段混合流水车间调度的反馈人工蜂群算法

针对考虑工厂适用性和附加资源的分布式两阶段混合流水车间调度问题(DTHFSP),本文提出了一种反馈人工蜂群算法(FABC),以最小化最大完成时间和总延迟时间,该算法利用一种新型反馈机制动态调整搜索策略集.为此,本文共设计了5种特点各异的搜索策略,将其用于初始策略集和备选策略集,同时,建立并调整雇佣蜂群和跟随蜂群的共享策略集,雇佣蜂阶段和跟随蜂阶段在种群划分的基础上采用随机选择和自适应选择方式确定搜索策略,在侦查蜂阶段完成后,对搜索策略集进行动态调整.文章进行了大量的计算实验,计算结果表明,FABC策略合理有效,且它对所求解的DTHFSP具有较强的搜索优势.

等待时间受限的两阶段柔性流水车间调度

研究了相邻两加工阶段间等待时间受限的两阶段柔性流水车间调度问题,目标是使工件的总加权完工时间最小化。针对该NP难题,引入了惩罚函数法将约束问题转化为无约束问题,并利用一种改进的遗传算法求解该问题。通过仿真软件Matlab开发调度程序,仿真结果表明,该算法不仅具有较强的全局收敛性,且具有更快的寻优速度,是求解柔性流水车间调度的有效算法。

两阶段混合流水车间批调度问题的前瞻组批算法

考虑背景行业对拖期量、机器效能和组批质量的复合需求,为实现两个加工阶段的组批优化与返工干扰下的快速响应,构建了一类面向不确定性环境的前瞻组批算法。事件驱动的前瞻组批决策确定前阶段当前空闲机器的下一个最佳开工批次,同时联动触发后阶段的组批排产决策,并基于返工干扰的影响范围调整原排产方案。所提算法的核心是基于双层折衷规划模型对批次拖期指数和批次优劣指数两个优化目标进行深度协调。仿真结果表明,与5个类似方法相比,所提算法具有优越性。

考虑准备时间的分布式两阶段混合流水车间调度

针对准备时间依赖于顺序的分布式两阶段混合流水车间调度问题(DTHFSP),提出一种双变邻域搜索(DVNS)算法以同时最小化总延迟时间和最大完成时间。由于该问题子问题较多,将工厂分配和第一阶段的机器分配合并以减少子问题的数量。DVNS包含两个相互协作的变邻域结构,每个变邻域结构都加入全局搜索算子,并应用了邻域搜索和全局搜索协调、邻域结构的合理配置以及当前解的周期性更新等策略。通过大量实例的对比实验表明,DVNS在求解DTHFSP方面具有较强的优势。

基于混合遗传算法的液压元件装配流水车间调度

文章以BY公司为背景,研究液压元件装配流水车间调度问题(hydraulic components assembly flowshop scheduling problem,HCAFSP)。通过分析两阶段装配流水车间调度(the two-stage assembly flowshop scheduling problem,TSAFSP)、液压元件生产工艺与车间设施,提出一种新的机器配置和在制品库存计算方法。考虑到该问题的NP难性与BY公司数字化车间升级带来的产能提升,设计一种遗传算法孤岛模型(genetic algorithm island model,IsLandGA)与粒子群优化(particle swarm optimization,PSO)的混合算法(IsLandGA-PSO)。该算法采用圆锥拓扑,圆锥底为IsLandGA,提供全局快速搜索能力;顶点为每个子群的最优个体组成的PSO,提供精准局部搜索能力;利用优势互补和迁移优秀个体完成协同进化。通过多组实例仿真与算法对比,表明该算法求解较大规模HCAFSP问题的有效性和先进性。

分布式两阶段混合流水车间调度

针对分布式两阶段混合流水车间调度问题(DTHFSP),提出一种教学优化算法(TLBO)求解工厂分配问题并设计一种启发式算法解决机器分配问题,以最小化最大完工时间.首先,采用均衡工厂负载的方法生成初始班级;然后,引入淘汰机制以加强对优势解的局部搜索效率,并在自学阶段增加反思过程强化教学结果;最后,通过大量实例实验验证了教学优化算法在求解分布式两阶段混合流水车间调度问题时的搜索优势.结果分析表明教学优化算法在求解分布式两阶段混合流水车间调度方面具有更好的稳定性和求解质量.

两阶段装配流水车间加工与配送协同调度研究

针对以两阶段装配作业方式的制造型企业,将加工与配送调度相结合,研究生产配送协同调度问题。由于问题的强NP难性,提出了一种基于遗传算法和反向变邻域搜索的混合智能优化算法。该混合算法融合反向学习思想,构造反向邻域结构,增大搜索范围,提高遗传变邻域搜索算法的局部搜索能力,使生产和配送之间的时间衔接更精确,实现整体最优。通过多组实例仿真将该算法与其他算法进行比较,验证算法的有效性。