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。

求解能耗成本平衡的分布式阻塞流水线调度群体迭代贪婪算法

在经典分布式流水车间调度问题基础上,本文构建了具有序列相关准备时间的分布式阻塞流水线调度问题(DBFSP SDST)的混合线性整数规划模型(MILP),以均衡各工厂能耗成本为优化目标,提出了基于群体优化的迭代贪婪算法(PEIG).该算法针对零缓冲区和多工厂生产模式,设计了问题特性的启发式方法;针对迭代贪婪算法(IGA)的优势和不足,提出了基于群体的局部搜索策略、多邻域搜索结构和增强的跨工厂破坏重构方法,以进一步平衡所提算法的全局探索和局部搜索能力.通过270个测试算例的数值仿真,以及与最新4种代表算法的统计比较,本文验证了所提PEIG算法的优越性,能为中大规模的DBFSP SDST提供更优的调度方案.

多目标协同正弦优化算法求解分布式流水车间调度问题

针对最小化最大完工时间(makespan)、总拖期以及平均空闲时间的多目标序列相关准备时间分布式流水车间调度问题,本文提出一种多目标协同正弦优化算法(MCSOA).算法主要包括4个核心阶段:在多邻域搜索阶段,提出了基于关键工厂的搜索策略,并通过正弦优化算法控制搜索范围;在破坏重构阶段,设计了一种迭代搜索策略引导个体的进化方向,同时使用正弦优化算法平衡全局开发与局部搜索;在选择阶段,使用非支配排序与参考点的方法筛选优质解,外部档案集用于存储所有非支配解;在协同阶段,设计种群间共享与竞争机制,平衡3个目标的优化.本文通过多目标优化的均匀性、反世代距离和覆盖率3项性能指标验证算法的有效性,并使用非参数检验证明所提出的算法具有显著性优势.

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.

学习驱动的分布式异构混合流水车间批量流能效调度优化

本文研究了分布式异构混合流水车间批量流能效调度问题,其中每个工厂的加工效率不同,工件可以分割成若干子批进入加工系统.以最大完成时间和总能耗为优化目标,建立了混合整数规划模型.本文提出了一种学习驱动的多目标进化算法,包括学习驱动的全局搜索和局部搜索.引入Q学习作为学习引擎,以种群和非支配解集的评价作为环境反馈信号,通过不断的学习来动态指导搜索操作的选择;基于问题特征,设计了算法的状态集、动作集和奖励机制.Q学习的引入能够及时感知当前搜索的状态,减少搜索操作的盲目性,提高搜索的效率.通过对仿真数据集的测试,表明所提出算法能够有效地求解分布式异构混合流水车间批量流能效调度问题.

面向智能生产的分布式流水车间调度研究

为了使传统流水车间的调度模型更灵活和更智能化以适应不同生产环境,课题组提出了基于深度学习的分布式流水车间调度方法。通过学习和分析分布式车间系统中的大量数据,利用策略梯度方法在多次迭代优化后使目标得到近似最优解,获取了更智能、适应性更强的生产计划和调度策略;并通过实验和仿真进行验证。结果表明该方法能提高生产效率和资源利用率,并具有成本控制方面的潜力。该研究为制造业的分布式生产环境提供了一种先进的调度策略,为车间管理者提供更准确、更智能的决策参考。

分布式装配阻塞流水车间调度算法研究

针对以装配完成时间为优化目标的分布式装配阻塞流水车间调度问题(DABFSP),提出一种协同帝王蝶优化(CMBO)算法.在算法的初始化阶段,CMBO有效利用分布式装配阻塞流水车间调度问题的特征,采用构造式的方法产生可行调度序列,并作为算法的初始解;在迭代过程中,CMBO利用两种协同的离散化算子更新种群;在局部搜索阶段,CMBO利用最优解的邻域信息进一步提升解的精度与质量.在以不同工件数、机器数、工厂数和产品数为组合的900个问题实例中,测试和比较了CMBO算法及其他先进对比算法的性能.实验结果及统计学分析表明:CMBO算法在求解分布式装配阻塞流水车间调度问题时优于其他两种对比算法.

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.

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。

超启发式人工蜂群算法求解多场景鲁棒分布式置换流水车间调度问题

本文考虑现实中广泛存在的加工时间不确定的分布式置换流水车间调度问题(DPFSP),研究如何建立问题模型和设计求解算法,方可确保算法最终获得的解在多个典型DPFSP场景下,均具有能满足客户期望的较小优化目标值(即makespan值).在问题建模方面,首先,采用场景法构建多个不同典型场景以组成场景集(每个场景对应1个具有不同加工时间的DPFSP),并设定合适的makespan值作为场景阈值,用于在评价问题解时从场景集中动态筛选出“坏”场景子集;其次,在常规优化目标makespan的基础上,结合“坏”场景子集概念提出可实现鲁棒调度的新型优化目标,用于引导算法每代加强对当前“坏”场景子集中每个DPFSP场景对应解空间的搜索;然后,结合所提的新型优化目标,建立基于多场景的鲁棒DPFSP(MSRDPFSP).在算法设计方面,提出一种超启发式人工蜂群算法(HHABC)对MSRDPFSP进行求解.HHABC分为高、低两层结构,其中低层设计6种启发式操作(HO),高层采用人工蜂群算法控制和选择低层HOs来不断生成新的混合启发式算法,从而实现在不同场景对应解空间中的较深入搜索.在不同规模测试问题上的仿真实验与算法对比,验证了HHABC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。

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。

基于混合迭代贪婪算法的分布式车间调度研究

分布式协同生产已逐渐成为经济全球化和生产国际化背景下的主要生产方式。以总装配时间为优化目标,提出一种混合迭代贪婪(HIG)算法,求解分布式装配阻塞流水车间调度问题(DABFSP)。在HIG算法的初始化阶段,采用问题驱动的构造启发式方法生成初始解。在HIG算法的破坏-重构阶段,采用基于邻域信息的扰动策略更新可行调度序列。在HIG算法的局部搜索阶段,使用基于邻域结构的插入操作进一步更新可行解。以一定概率接收较差调度序列进入下一代,从而避免算法早熟收敛。在试验阶段,选取了以不同工件数、机器数、工厂数和产品数为组合的共计900个问题实例,测试、比较了HIG算法和其他8种先进对比算法的性能。通过统计学分析得出结论:在求解DABFSP时,所提出的HIG算法具有显著的优势。

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.

混合交叉熵算法求解模糊分布式装配流水线低碳调度问题

本文针对实际生产过程中普遍存在的不确定性,采用模糊数表示工件的加工时间与产品的装配时间,以同时最小化模糊最大完工时间和模糊总能耗为优化目标,建立模糊分布式装配流水线低碳调度问题(FDAPFLSP)的模型,进而提出一种混合交叉熵算法(HCEA)进行求解.首先,通过分析现有三角模糊数排序准则特点,并考虑生产调度问题的基本约束,设计一种实用的三角模糊数排序修正准则.其次,为增强算法性能,设计一种自适应变邻域局部搜索以实现对解空间不同区域的有效搜索.最后,仿真实验与算法对比验证HCEA可有效求解FDAPFLSP.

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。

考虑运输时间的分布式置换流水车间调度灰狼优化算法

针对分布式置换流水车间调度问题,考虑加工完成后的工件交付运输时间影响,以最小化最大工件交付时间为目标,建立整个工件加工与运输调度的数学模型,分析问题特点并设计了改进的灰狼优化算法。采用基于工件加工位置的随机键编码机制,在优化过程中加入局部搜索算子,平衡算法的全局探索与局部开发最优解的能力。大量算例的求解结果表明,文中改进灰狼算法与传统的遗传算法相比具有明显的优越性。

基于离散教与学算法的分布式预制流水车间调度研究

分布式工厂生产形式对提高预制构件生产效率、保证订单按时交付、降低企业拖期交货惩罚费用具有重要的意义;因此针对分布式预制构件流水车间调度问题,以最小化订单总拖期惩罚为目标建立了数学优化模型,并基于双层整数编码方式提出了一种离散教与学算法(DTLBO);在算法初始化阶段,采用启发式规则和随机生成融合策略改善初始解的质量,进而增加算法的寻优效率;在教学阶段,结合问题模型特点,设计了顶层替换、底层替换两种邻域构造,促进教师解对学生解的引导优化;在学习阶段,通过变异算子和交叉算子让学生解之间相互学习更新,进一步提升算法的局部开发和全局探索能力;试验结果表明,与遗传算法和变邻域搜索算法对比,提出的DTLBO算法具有更好的求解性能和鲁棒性;最后与实际生产过程常用的经验启发式调度方法相比,提出算法在目标值上表现出不低于10%的平均改进率,有望显著增加预制构件制造企业净利润并提高客户满意度,能够为企业管理者提供更佳、更合理的生产调度方案。

分布式置换流水车间调度问题研究概述

研究一个新的置换流水车间调度(PFSP)问题,被称为分布式置换流水车间调度(DPFSP)问题。一般情况下,假设有F个完全相同的工厂,每个工厂有M个机器。N个作业分配到这F个工厂加工处理,处理顺序由每个作业分配到每个工厂时决定。最优化准则是最小化最大完成时间,现描述DPFSP的特征和模型,以便进行相应算法的求解。

增强型混合离散差分进化算法求解阻塞流水车间调度问题

针对以最小化制造期为优化目标的阻塞流水车间调度问题,提出一种基于动态自适应的增强型混合离散差分进化算法。增强型混合离散差分进化算法采用基于工件排列的形式进行编码,首次利用带机器权重的PF规则与NEH启发规则联合构造初始种群,PF-NEH联合规则提升了初始解的质量和多样性;在差分进化的变异阶段,采用一种全新的分类变异策略,更有针对性地控制不同适应度个体的变异需求和方向;在交叉阶段,采用基于位置的交叉策略,保证得到一组合法完整的实验调度序列,并利用贪婪选择的方式确定目标个体;在局部搜索阶段,加入禁忌搜索算子,并融入一种新颖的兼顾集中性与多样性的自适应局部搜索机制,以动态平衡算法的全局粗搜索和局部细搜索。此外,为避免算法的早熟及后期易陷入局部最优,增加了多样性保持机制。最后,在典型算例上进行各种性能实验,验证了所提出的增强型混合离散差分进化算法的有效性和优越性。