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.

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。

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。

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。

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。

采用改进两点交叉算子的改进自适应遗传算法求解不相关并行机混合流水车间调度问题

针对不相关并行机的混合流水车间调度问题,提出了改进两点交叉算子(ITPX)的自适应遗传算法。首先,利用精确取点方式提高两点交叉算子的求解性能;其次,论证了基于激素调节的自适应选择概率引导种群的收敛趋势;然后,建立优质染色体池和记忆因子来记录种群迭代的优质解,并实现两种不同区域的交叉。实验结果表明,ITPX可节省优化时间,提高求解性能;自适应概率可增强收敛性;改进两点交叉算子的改进自适应遗传算法(ITPX-IAGA)可缩短40%以上的求解时间,并提高求解性能。

加工时间为区间数的两阶段流水生产鲁棒调度

离散制造业中加工时间不确定的现象普遍存在,使得生产过程往往难以按照既定的调度方案来执行,而且难以实现满意的生产效果。研究在加工时间为区间数的环境下,以总完工时间为调度目标的两台机器流水生产鲁棒调度问题,旨在求解Min-Max准则的鲁棒调度方案。在详细描述该流水生产鲁棒调度问题的基础上,建立了问题的半无限数学规划模型。为降低求解复杂性,证明了问题的简化性质和占优性质,并设计了用于求解该问题的分支定界-遗传混合算法。仿真实验表明,提出的方法对该鲁棒调度问题具有很好的适用性。

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。

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。

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。

加工装配式流水车间节能调度建模与优化

为解决具有加工装配一体化的流水车间节能调度问题,以加工机器最小能耗为优化目标,建立加工装配式流水车间节能调度模型。该模型将装配线视为具有特殊约束的加工生产线,再结合考虑车间工件工序、装配工序、装配子件加工等约束条件。分别针对简单和复杂装配约束的问题,采用混合差分进化算法求解最小能耗下工件调度方案,并与自适应差分算法对比。实验结果证明了混合差分进化算法求解该问题的有效性。

混合三维分布估计算法求解分布式加工装配和车辆配送集成调度问题

本文针对一类广泛存在的分布式加工装配和车辆配送集成调度问题(Integrated Scheduling Problem of Distributed Production Assembly and Vehicle Delivery,ISP_DPAVD),以最小化运输和延迟惩罚总成本为优化目标,提出一种混合三维分布估计算法(Hybrid three-Dimensional Estimation of Distribution Algorithm,H3DEDA)进行求解.ISP_DPAVD包含两个耦合的子问题,即加工装配阶段子问题(子问题1)和车辆配送阶段子问题(子问题2).由于每个子问题1的解(部分解1)均会确定1个具体的子问题2,故ISP_DPAVD的解空间非常庞大.根据这一特点,在H3DEDA中,先设计结合邻域变换的启发式规则来快速获取子问题2的优良解,以实现子问题间的部分解耦并明显缩减搜索空间,再设计三维EDA引导的全局搜索和变邻域驱动的局部搜索来获取ISP_DPAVD的高质量解.通过在不同规模测试问题上的仿真实验和算法比较,验证了H3DEDA求解ISP_DPAVD的有效性.

求解多目标柔性作业车间调度问题的两阶段混合Pareto蚁群算法

针对多目标柔性作业车间调度问题(FJSP)分解得到的作业分派、排序子问题仍是多目标优化问题的情况,提出了一种求解该问题的分层Pareto优化框架,并采用该框架构建了两阶段混合Pareto蚁群算法的求解算法,其中两个Pareto蚁群系统分别求解多目标作业分派、排序问题。结合GT算法、排产规则评估和过滤第一阶段的分派方案,将具有较好评估全局解的分派方案作为分派阶段的精英档案,并输入给排序蚁群系统获取其非支配调度解,进而获取问题全局非支配解。子问题算法混合了各目标相关的邻域搜索策略,与Pareto蚁群算法结合,以期提高解的质量。通过求解带有平均工件加权延迟时间指标的多个FJSP基准算例,验证了算法的有效性。计算结果表明,该分层Pareto优化框架对原问题进行分层分解,有利于降低原问题的复杂性,相比多数文献,算法能够获得各基准算例Pareto非支配解,从而为分解求解复杂多目标调度优化问题提供了一种途径。

机器具有不可用时间间隔的两机流水车间调度问题求解性质

在实际制造环境中,机器由于随机故障或进行预防性维护等,在某些时间段内处于不可用状态,为此,该文研究了任意一台机器具有不可用时间间隔的两机流水车间调度问题,给出了使用Johnson算法得到问题最优解的条件,分析了将Johnson算法作为问题启发式算法的最坏性能比范围。该文研究结果为探索机器具有不可用时间间隔的两机流水车间调度问题的最优算法提供了理论依据。

自适应混合EDA求解一类三阶段装配流水线调度问题

针对生产过程中广泛存在的一类三阶段装配流水线调度问题,即带序相关设置时间的三阶段装配流水线调度问题,提出一种自适应混合分布估计算法,用于最小化平均完成时间和最大延迟时间的加权和。提出初始种群和初始概率分布模型生成机制,使概率分布模型能适当地积累较多优质解的信息,以提高AHEDA在进化初期的搜索能力。设计了基于信息熵的概率分布模型自适应更新机制和保留优良模式的新种群采样生成方法,增强了算法的全局搜索能力。引入基于Insert的邻域搜索来增强算法的局部搜索能力。最后通过仿真实验和算法比较验证了AHEDA的有效性。

求解一类柔性装配流水车间调度问题的混合分布估计算法

针对生产装配车间广泛存在的一类带不同工序的柔性装配流水车间调度问题(Flexible Assembly Flow Shop Scheduling Problem with Different Process,FAFSSP_DP),提出了一种混合分布估计算法(Hybrid Estimation of Distribution Algorithm,HEDA),用于优化最大完工时间(makespan)。首先,以2维概率矩阵作为概率模型,进而构造一种基于变量相关性的概率模型更新机制,用于学习优良解对应变量间的相关关系信息和序关系信息,并以此对概率模型进行更新,使得算法的全局搜索具有较好的引导性;其次,引入带首次改进跳出策略的Insert邻域搜索来加强算法的局部搜索能力,从而有助于算法在全局和局部搜索之间达到合理平衡。仿真实验和算法的比较验证了HEDA的有效性。

运输能力有限的分段两阶段多车间调度问题

为有效解决船舶分段生产过程中存在的返工、运输能力限制以及堆场面积约束等问题,分析两阶段多车间调度的特点,构建了运输能力有限的分段两阶段多车间调度模型。模型综合考虑了分段批次内重调度、批次间的分割合并、分段返工以及缓冲面积和运输能力约束,目标是最小化分段的最大完工时间,建立分段在加工车间、装配车间以及堆场中的调度数学模型。利用基于路径选择的分段两阶段多车间调度启发式算法进行求解,并通过数值实验以及对比分析验证了模型的合理性和算法的有效性。

基于改进生物地理学优化算法的分布式装配置换流水车间调度问题

提出了一种改进的生物地理学优化(MBBO)算法,以最小化最大完工时间为目标,求解分布式装配置换流水车间调度问题。MBBO算法在初始化阶段利用加工时间最短(SPT)规则和NR2规则对生成的可行解进行初步优化;然后在变异阶段采用基于工厂完工时间的工件插入启发式方法调整工件的工厂分配及加工顺序;最后结合模拟退火算法,跳出局部最优解,增强算法的全局搜索能力。对900个小型实例和540个大型实例进行仿真计算,并与现有的12种启发式与元启发式算法以及基本生物地理学优化(BBO)算法进行比较,证明了MBBO算法的优越性,同时更新了70个实例的最新已知最优方案。

运输能力有限混合流水车间调度的改进拉格朗日松弛算法

为改善在制品库存和能耗问题,研究了从钢铁实际生产环境提炼出的运输能力有限的动态混合流水车间调度问题。将运输机视为虚拟机器,可将原问题转换成与其等价的不考虑运输能力但在偶数阶段机器有不可用时间段的动态混合流水车间调度问题,其中机器不可用时间段取决于其运送的工件。对转换后的问题建立数学模型,提出基于阶段分解的拉格朗日松弛算法进行求解,该算法将优先级约束松弛到目标函数中,将拉格朗日松弛问题分解为多个阶段级子问题,进而设计了动态规划求解这些带任意权重和机器不可用时间段的并行同构机调度子问题。对不同问题规模的测试结果表明,所提算法能够在较短的运行时间内获得满意的近优解。