为了实现以完工时间最短为目标的工艺规划与车间调度集成优化,提出了基于新编码遗传算法(Genetic Algorithm,GA)的集成优化方法。对工艺规划与车间调度集成优化(Integrated Process Planning and Scheduling optimization,IPPS)问题进...为了实现以完工时间最短为目标的工艺规划与车间调度集成优化,提出了基于新编码遗传算法(Genetic Algorithm,GA)的集成优化方法。对工艺规划与车间调度集成优化(Integrated Process Planning and Scheduling optimization,IPPS)问题进行了描述,并建立了完工时间最短的集成优化模型;设计一种具有最大柔性空间的染色体编码方法,从编码角度保证了集成优化问题的最大柔性度;根据IPPS问题特定约束改进了交叉变异方法,保证遗传操作前后均为可行解,使算法迭代均为有效迭代;进而制定了基于新编码遗传算法的IPPS问题求解流程。经Kim算例验证可知,与现有先进算法两阶段混合算法(Two-stage Hybrid Algorithm,THA)、改进蚁群算法(Enhanced Ant Colony Algorithm,EACA)和混合遗传算法(Hybrid Genetic Algorithm,HGA)相比,新编码GA在小规模、大规模生产情况下集成优化方案的完工时间均最小(分别为343、344、372、320、427及432 min),实验结果验证了新编码GA在IPPS问题求解中的可行性和先进性。展开更多
文摘为了实现以完工时间最短为目标的工艺规划与车间调度集成优化,提出了基于新编码遗传算法(Genetic Algorithm,GA)的集成优化方法。对工艺规划与车间调度集成优化(Integrated Process Planning and Scheduling optimization,IPPS)问题进行了描述,并建立了完工时间最短的集成优化模型;设计一种具有最大柔性空间的染色体编码方法,从编码角度保证了集成优化问题的最大柔性度;根据IPPS问题特定约束改进了交叉变异方法,保证遗传操作前后均为可行解,使算法迭代均为有效迭代;进而制定了基于新编码遗传算法的IPPS问题求解流程。经Kim算例验证可知,与现有先进算法两阶段混合算法(Two-stage Hybrid Algorithm,THA)、改进蚁群算法(Enhanced Ant Colony Algorithm,EACA)和混合遗传算法(Hybrid Genetic Algorithm,HGA)相比,新编码GA在小规模、大规模生产情况下集成优化方案的完工时间均最小(分别为343、344、372、320、427及432 min),实验结果验证了新编码GA在IPPS问题求解中的可行性和先进性。
