改进粒子群算法求解分布式柔性车间调度问题

文中提出一种改进粒子群算法来求解复杂的分布式柔性车间调度问题。针对该问题的特点,提出了一种2层粒子的编码与解码方式,使粒子群算法能够有效地解决该离散型优化问题。此外,采用改进的拥挤距离策略从众多非支配解中筛选出高质量的候选解。在迭代过程中,采用任务分配策略来平衡粒子的勘探与开采。最终在2工厂和3工厂生产模式下,通过总计20组分布式柔性车间测试算例验证了所提算法的性能。实验结果表明,该方法能够有效地解决分布式柔性车间调度问题,并可在其中的11组算例中得到较好的调度方案。

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。

考虑双资源约束的分布式柔性作业车间调度

随着全球制造业的发展,分布式柔性作业车间调度问题(distributed flexible job shop scheduling problem, DFJSP)引起了学者们的关注.DFJSP的研究中常常忽略工人资源,作为生产的关键因素,有效利用工人资源可以提高生产率.研究了考虑双资源约束的分布式柔性作业车间调度问题(distributed flexible job shop scheduling problem with dual resource constraints, DFJSP-DRC),建立以最小化最大完工时间和总能耗为目标的数学模型,并提出一种改进的非支配排序遗传算法(improved non-dominated sorting genetic algorithm, INSGA-Ⅱ)去求解.在INSGA-Ⅱ中,通过混合初始化策略生成高质量的初始解,并设计了一种基于加工机器和工人公共空闲时间的主动解码策略来获得调度方案.为增强INSGA-Ⅱ的全局搜索能力,提出了改进的交叉变异策略和自适应交叉变异率.通过在45个算例与三种算法的比较,验证了INSGA-Ⅱ解决DFJSP-DRC的有效性.

带有动态到达工件的分布式柔性作业车间调度问题研究

分布式柔性作业车间调度是生产调度的1个重要分支,工件的动态到达作为实际生产中的1种常见扰动情况,进一步增加了作业车间调度问题的复杂性和不确定性。针对带有工件动态到达的分布式柔性作业车间调度问题(DA-DFJSP),提出1种分批调度策略,将原本的动态调度问题转化成一系列连续调度区间上的静态调度问题,构建以最大完工时间为优化目标的混合整数规划模型;在此基础上,结合问题特征采用批次、工厂、工序、机器的4层染色体编码及快速贪婪搜索插入的解码方式改进遗传算法,同时引入多种交叉、变异算子来增强染色体的多样性;最后,基于FJSP标准算例构建DA-DFJSP测试算例进行仿真对比实验,验证所提策略和改进算法的求解优势。结果表明:相较于传统的重调度策略和改进前的遗传算法,采用分批调度策略和改进的遗传算法(IGA)所求调度方案具有更短的完工周期、更均匀的工厂加工负荷及更高的设备工作效率,IGA与分批调度策略之间有高度的契合性,能够有效提升生产效率。

改进松鼠搜索算法求解分布式节能柔性调度

为了优化同时考虑最大完工时间和机器能耗的双目标分布式柔性作业车间调度问题,提出了一种改进的多目标松鼠搜索算法。引入了基于升序排列规则的转换机制,实现了松鼠位置向量与调度解之间的转换,并针对机器空闲时间设计了从半主动到主动的解码策略。针对不同优化目标设计了三种种群初始化策略。同时提出了动态捕食者策略来更好地协调算法的全局探索和局部开发能力。设计了四种领域搜索策略用于增加种群多样。20个实例上的实验结果验证了改进后的算法求得解的质量和多样性更好,从而证明了其可有效求解分布式节能柔性调度问题。

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。

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。

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。

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.

混合分布估计算法求解模糊分布式装配柔性车间调度问题

针对分布式环境下作业时间的不确定性,本文以三角模糊数描述工件加工时间及产品装配时间,建立了以生产成本、拖期时间为目标的分布式装配柔性模糊车间调度模型(distributed assembly flexible job shop scheduling problem with fuzzy processing time,DAFJSPF),并提出了一种混合差分搜索及变邻域搜索的分布估计算法(HEDA-DEV)进行求解.首先,根据问题的特点,设计了一种新的多维编码方案;其次,提出基于概率模型的相似系数和两种变异算子,实现变异策略的动态选择;为提高算法的寻优能力,设计了5种变邻域结构,并按特定的搜索策略协同处理.最后,通过不同规模、不同柔性的实例仿真对比实验,验证了该算法在求解DAFJSPF具有较强的优势.

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。

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.

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。