考虑预防性维护的分布式柔性作业车间调度问题研究

随着全球制造业的快速发展,物流企业竞争加剧,生产制造缺乏有效协同,企业急需更加高效的生产运作模式。分布式制造可以将位于不同地点的原材料、机器设备、操作人员等资源进行有效地整合协同并充分利用。此外,设备维护是企业运营管理的核心内容,直接关系到企业的生产成本、质量与交货期。基于以上背景,文章提出了考虑机器预防性维护的分布式柔性作业车间调度问题,建立了目标为最小化最大完工时间的数学模型,提出了协同进化算法对问题进行求解。通过与两种经典的元启发式算法进行对比实验,结果表明所提出的算法能较好地求解所研究的问题。

混合麻雀算法求解带准备时间的分布式柔性作业车间调度问题

分布式制造模式因多工厂/车间协同生产而使其制造环境存在多样性和多变性。研究了考虑零件加工前的动态准备时间的分布式柔性作业车间调度问题(Distributed Flexible Job Shop Scheduling Problem, DFJSP)。针对缸体零件加工阶段存在多工位零件装夹定位、拆卸和换刀等动态准备时间的实际生产情况,建立了以完工时间、碳排放和订单拖期为目标的DFJSP模型;提出了一种混合麻雀算法(Hybrid Sparrow Search Algorithm, HSSA)对上述模型进行求解。HSSA算法根据模型特点,采用了三层编码方式和多种群初始化策略,设计了一种三层变邻域搜索结构,引入了POX、PMX交叉算子和高斯变异算子来完成交叉、变异操作,同时设计了一种基于支配关系的精英选择策略。通过仿真及与其他算法的对比分析,验证了HSSA算法的优越性和可靠性。

合作型协同进化遗传算法求解分布式柔性作业车间调度问题

针对以最小化最大完工时间为优化目标的分布式柔性作业车间调度问题,提出一种合作型协同进化遗传算法。采用工厂分配和工序排序解耦编码,基于机器负荷解码并基于工厂负荷初始化种群,使算法在较优的解空间内迭代搜索。利用分而治之的思想,将问题分解为多个子问题,通过随机协同机制促进子种群协同进化并提高全局搜索能力。使用基于关键工厂的多重局部扰动策略,提高算法的局部开发能力。在基准实例上进行实验,并与其他算法进行对比,验证了所提算法的有效性。

考虑运输时间的分布式柔性作业车间绿色调度

针对考虑运输时间的分布式柔性作业车间绿色调度问题,建立了最小化完工时间和总能耗的混合整数规划模型,并提出了一种改进的非支配排序遗传算法。采用基于工序和机器的双层编码方式设计了考虑运输时间的贪婪插入解码方法。为提高种群的质量,设计了同时考虑加工时间和能耗的初始化方法,应用多父代交叉和新的变异操作更新种群,并嵌入一种变邻域搜索策略以提高Pareto前沿的质量。多组实验验证了该方法的有效性。

差分进化算法求解分布式柔性作业车间调度问题

经济全球化使制造业从单工厂模式转变为多工厂协同生产模式,制造资源异地化、客户需求多样化使得多工厂的分布式调度难度急剧增加,为此研究了分布式柔性作业车间调度问题。首先建立了该问题的双目标优化模型,同时优化总成本和提前/延期惩罚。然后提出改进的差分进化算法,设计了两种变异机制以及两种交叉方式,结合模拟退火的鲁棒性进行局部搜索,并结合贪婪和带精英策略的快速非支配排序遗传算法的选择思想设计选择操作,产生下一代继续进行迭代进化。最后,通过综合实验证明了所提模型和算法能够很好地求解此类问题。

基于ATC的智能工厂分布式柔性作业车间动态调度

针对传统多车间生产调度方法不能满足智能生产系统调度优化的问题,结合智能工厂需求,以分布式柔性作业车间为研究对象,提出基于“生产计划-车间调度-物流仓储”的ATC层次模型,该模型是以时间、成本组成的一个多目标优化模型;提出两级效能偏差判别机制,在物联环境下动态识别扰动并根据扰动影响作出实时决策。最后,以3个车间调度问题为例,基于遗传禁忌搜索算法,验证了该模型的有效性。

考虑低碳的分布式柔性作业车间调度优化

针对绿色低碳分布式车间调度问题,建立以最小化最大完工时间和最小化总碳排放量为调度指标的低碳分布式柔性作业车间调度双目标优化模型,并设计了基于帕雷托优化方法的人工蜂群算法求解该模型。算法采用两阶段编码方式降低编码的复杂性,通过外部存档记录搜寻的帕雷托最优解,用多种交叉策略提高采蜜蜂和观察蜂的邻域搜索性能,提出单点变换提高全局寻优能力。最后,通过收敛性实验分析算法的性能,并设计了两组实验来分析不同类型的调度特征,并且对比了其他算法的优化结果,实验结果表明,文中所提的算法能够有效求解考虑碳排放的低碳分布式柔性作业车间双目标优化问题。

基于海鸥优化算法的分布式柔性车间调度研究

基于分布式柔性作业车间问题特点,构建了以最小化最大完工时间、工厂总能耗和设备总负载为目标函数的数学模型,并对3个目标函数采用线性加权和法进行归一化。在传统的海鸥优化算法基础上,改进了自适应附加变量更新策略,提高算法后期的局部寻优能力和收敛精度。融合麻雀算法中的飞行机制,扩大个体局部寻优范围,进一步提高寻优精度。引入针对关键工厂的变邻域搜索算法,拓展了邻域搜索范围,增强了算法的局部搜索能力。通过标准算例和工厂实际算例的验证,证明了改进海鸥优化算法(Improve Seagull Optimization Algorithm,ISOA)在求解多目标分布式柔性作业车间问题上的有效性和可行性。

改进鲸鱼算法求解分布式装配柔性作业车间生产与配送联合调度问题

针对一类先加工后装配的离散生产模式,研究分布式制造环境下的装配柔性作业车间生产与配送两阶段联合调度问题。结合实际的生产情况,考虑供应链下生产与配送过程所产生的库存成本,以最小化生产和配送的总成本为联合调度优化目标,提出一种改进鲸鱼算法。针对联合调度的多阶段调度过程,设计了一种基于工序、产品、工厂、机器和车辆的五层编码策略;根据各阶段的特点提出了相应的混合种群初始化策略,以提高解的质量;以加强种群中领头鲸鱼个体与普通鲸鱼个体的联系为导向,改进了鲸鱼觅食的搜索操作并提出四种邻域结构,以增强算法的全局探索和局部搜索能力。最后,通过仿真实验,对比相关研究领域的多种算法来验证所提算法在收敛速度和求解质量等方面的优势,并且将联合调度与分阶段调度进行实验对比,验证了联合调度的优越性。

分布式多柔性装配作业车间调度问题研究

针对分布式柔性装配作业车间环境,综合考虑了调度过程中的机器选择柔性、工人安排柔性和工序顺序柔性,构建了以最小化最大完工时间和最小化总能耗为优化目标的分布式多柔性装配作业车间调度问题(DMFAJSP)的数学模型。为求解DMFAJSP模型,提出了一种以分布估计算法为全局搜索组件、以邻域搜索算子为局部搜索组件的多维模因算法(MDMA)。最后,将所提出的算法与其他算法进行了对比试验,结果表明MDMA算法在求解DMFAJSP模型方面具有显著优势。

改进人工蜂群算法求解分布式柔性作业车间调度问题

针对分布式柔性作业车间调度问题的特点,提出一种改进人工蜂群算法.首先,建立以最小化最大完工时间为优化目标的分布式柔性作业车间调度优化模型;然后,改进基本人工蜂群算法以使其适用于求解分布式柔性作业车间调度问题,具体的改进包括设计一种包含三维向量的编码方案,结合问题特点针对性地设计多种策略用于种群初始化,在雇佣蜂改良搜索操作中设计多种有效的进化操作算子,并在跟随蜂搜索操作中引入基于关键路径的局部搜索算子以提升算法的局部搜索能力;最后,利用扩展柔性作业车间通用测试集得到的测试数据设计实验验证算法性能,使用正交试验法优化算法参数设置.仿真实验结果表明,改进后的人工蜂群算法能有效求解分布式柔性作业车间调度问题.

超启发式交叉熵算法求解分布式装配柔性作业车间调度问题

本文针对一类新型两阶段分布式装配柔性作业车间调度问题(DAFJSP),建立问题模型,以最小化最大完工时间为优化目标并提出一种超启发式交叉熵算法(HHCEA)进行求解.首先,设计基于工序序列、工厂分配和产品序列的三维向量编码规则和结合贪婪策略的解码规则,同时提出4种启发式方法以提高初始解的质量.然后,设计高低分层结构的HHCEA,高层为提高对搜索方向的引导性,采用交叉熵算法(CEA)学习和积累优质排列的信息,其中各排列由结合问题特点设计的11种启发式操作(即11种有效的邻域操作)构成;低层为增加在解空间中的搜索深度,将高层确定的每个排列中的启发式操作依次重复执行指定次数并在执行过程中加入基于模拟退火的扰动机制,以此作为一种新的启发式方法执行搜索.最后,通过仿真实验与算法对比验证HHCEA可有效求解DAFJSP.

分布式双资源柔性作业车间节能调度

针对同时考虑工人和机器双资源约束的分布式柔性作业车间调度问题,建立了以最大化客户满意度和最小化车间调度总能耗为目标的优化模型,并提出了一种变邻域模因算法.在该算法中,设计了一种基于工厂序列、工序序列、机器序列和工人序列的四段式编码方法及考虑工人约束的间隙挤压解码方法;采用多种策略相结合的初始化方法提高初始解的质量;设计了一种自适应交叉方法和基于血缘关系的变异方法以获得高质量新种群;引入基于关键工厂的变邻域搜索算子提高算法的搜索能力.最后通过田口实验确定算法参数,将提出的变邻域模因算法与多种多目标优化算法对比分析,结果表明该算法能够有效求解文章所提出的问题.

基于改进斑点鬣狗算法的作业车间协同调度

针对分布式柔性作业车间调度问题,构建以最小化最大完工时间和最小化能耗双目标车间模型,提出一种离散型斑点鬣狗算法。首先,采用一种随机型离散编码方法对斑点鬣狗特征信息进行编码,生成斑点鬣狗的初始位置,根据作业负载规则得出初始解,以加快算法初期的收敛速度;其次,采用贪婪启发式算法对初始解进行作业冗余置换,跳出局部最优解,生成新的作业顺序,再次进行迭代,得到最优作业方案;最后,通过仿真实例检验算法的性能,结果表明改进的斑点鬣狗算法在相对百分比偏差、最佳实验方案和算法稳定性方面优于其他智能算法。

知识驱动的模因算法求解分布式绿色柔性调度

为求解以最小化最大完工时间和总能量消耗为目标的多目标分布式柔性作业车间调度问题,提出了混合多目标模因算法.设计了集成工序优先交叉、通用交叉和双点交换交叉的全局搜索算子,提出了基于析取图和临界块的变邻域搜索算子以加强收敛能力,针对总能量消耗的目标,提出了从半主动解码到主动解码再到全主动解码的节能策略.为了验证提出算法的有效性,设计了大量实验(包括田口正交实验、分离实验和对比实验),并对比了其他研究者最近提出的算法,实验结果表明提出的算法在分布式绿色柔性作业车间调度问题上效果优于对比算法.

基于改进模因算法的多企业协同生产调度

分布式柔性作业车间调度问题是产业链协同制造模式下多企业生产计划协同中的关键问题,其包括企业选择、车间选择和任务排序三个子问题。考虑多企业间的转移时间,建立了以最小化最大完工时间为优化目标的数学模型,提出一种改进的模因算法对该模型进行求解。该算法设计了分段式的编码规则、插入式的解码规则、基于种群分级协同进化的全局搜索策略以及基于关键企业、关键车间和关键任务的局部搜索算子。最后在Brandimarte所提数据集上进行扩充形成实验算例,对算法进行了验证。实验结果表明本文所提算法具有较佳的全局收敛性和局部探索性,对解决多企业协同的分布式生产调度问题具有一定的工程应用价值。

改进麻雀搜索算法求解DFJSP问题

针对分布式柔性作业车间调度最小化最大完工时间问题的特性,提出一种改进麻雀搜索算法(ISSA)。该算法中,编码采用基于工序序列的编码方案,利用随机生成和反向学习混合的策略初始化种群以增加种群的多样性。针对麻雀搜索算法(SSA)易陷入局部最优,结合莱维飞行、学习更新策略、正态云模型优化SSA,同时通过交叉和变异算子提升算法的全局和局部搜索能力。进一步地,通过扩展的18个标准算例分别对2家工厂、3家工厂生产调度进行仿真实验,将ISSA与现有算法进行对比,验证了所提算法求解DFJSP的有效性。