含不相关机的动态可重入柔性流水车间问题的混合DABC-GA算法

为了改善生产线的物流平衡和加强阶段间的时间衔接,扩展一般可重入柔性流水车间调度理论,以最小化总加权完工时间为目标,研究了每阶段含不相关并行机的动态可重入柔性流水车间问题,工件在各阶段的加工时间取决于加工它的机器。鉴于所研究问题为NP-hard问题,首先,建立整数规划模型;其次,设计元胞矩阵编码方案,提出融合离散人工蜂群算法和遗传算法的一种混合算法以获得问题的近优解;最后,为了评估混合算法的性能,将所提出算法和一些元启发式算法进行了不同规模问题的对比测试,实验结果说明了所提算法的有效性。

带运输考虑的多阶段动态可重入混合流水车间调度

可重入混合流水车间调度允许一个工件多次进入某些加工阶段,它广泛出现在许多工业制造过程中,如半导体制造、印刷电路板制造等.本文研究了带运输时间的多阶段动态可重入混合流水车间问题,目标是最小化总加权完成时间.针对该问题,建立了整数规划模型,进而基于工件解耦方式提出了两种改进的拉格朗日松弛(LR)算法.在这些算法中,设计了动态规划的改进策略以加速工件级子问题的求解,提出了异步次梯度法以得到有效的乘子更新方向.测试结果说明了所提出的两种改进算法在解的质量和运行时间方面均优于常规LR算法,两种算法都能在可接受的计算时间内得到较好的近优解.

可重入流水车间类型模具热处理生产动态批调度

为有效控制流水车间类型模具热处理生产,总结了一类两阶段平行机批调度问题。任务属于不相容多工件族,具有动态到达和重入加工的特点。构建了加权拖期惩罚指数和能耗指数两个优化目标,以满足企业推行准时与节能生产的现实需要;建立了事件驱动与滚动排产的混合调度机制,对淬火炉完工或任务到达进行实时响应,同时对回火任务进行滚动排产;构建了启发式算法进行求解,总体采用"先分后合"的方式解耦工件族间的相互干扰,即先针对单工件族建立双层折衷规划模型来确定最佳淬火批次及其对应的回火排产方案,后综合评价确定全局最佳淬火批次及其对应的回火排产方案。仿真研究表明,与两种常用调度规则相比,所提方法具有明显的优越性。

可重入工序柔性流水车间有限缓冲区排产研究

为解决具有可重入工序的有限缓冲区柔性流水车间排产(Re-entrant Flexible Flow-shop with Limited Buffer Scheduling,RFFLBS)问题,提出一种采用局部缓冲区容量动态预留方法与改进狼群算法相结合的求解方法。针对在RFFLBS过程中出现的死锁现象,提出一种局部缓冲区容量动态预留方法,以保证排产过程顺利进行。在标准的狼群算法的基础上,引入变邻域搜索的游猎行为和反向学习的种群初始化策略,增强在解空间的搜索性能,提高初始解质量。通过设计仿真实验,对改进狼群算法优化效果进行综合分析,并将局部缓冲区容量动态预留方法与改进狼群算法相结合,应用于RFFLBS问题求解,最后通过实例验证了该方法的有效性。

可重入混合流水车间调度的拉格朗日松弛算法

为了有效提升多重入车间的生产效率,考虑了实际生产中检查和修复过程对于逐层制造的可重入生产系统的重要性,提出了基于拉格朗日松弛算法的可重入混合流水车间的调度方法.首先进行了问题域的描述,并在此基础上以最小化加权完成时间为调度目标,建立数学规划模型.针对该调度问题提出了基于松弛机器能力约束的拉格朗日松弛算法,使松弛问题分解成工件级子问题,并使用动态规划方法建立递归公式,求解工件级子问题.随后,使用次梯度算法求解拉格朗日对偶问题.最后,对各种不同问题规模进行了仿真实验,结果表明,所提出的调度算法能够在合理的时间内获得满意的近优解.

分时电价下多目标绿色可重入混合流水车间调度

针对多目标绿色可重入混合流水车间调度问题(RHFSP)的特点,在机器分配和工序排序的基础上引入分时电价机制,构建了以最小化最大完工时间、总能耗成本和碳排放为目标的绿色调度优化模型,提出了一种改进的多目标文化基因算法(MOMA)来求解该问题,通过数值实验验证了所设计的MOMA算法的可行性。实验结果表明MOMA算法在非劣解的收敛性、多样性和支配性指标方面都显著优于多目标蚁狮优化算法(MOALO)、多目标粒子群优化算法(MOPSO)和带精英策略的非支配排序遗传算法(NSGA-Ⅱ),四种算法的分布性指标无显著差异。所提出的模型能够使企业有效避开高电价时段作业,合理转移用电负荷,达到降低总用电成本和碳排放的目的。

基于变邻域搜索的可重入流水车间调度

与传统的流水车间调度问题中工件在每个机器上只能加工一次不同,考虑了机械制造中工件需要在一个机器上进行多次重复加工的实际情况,研究了工件可重入的流水车间调度问题。针对该问题,基于对邻域搜索性能的分析和学习,提出了一个自适应变邻域搜索算法,并在算法中嵌入了一个精英解集合,以增强算法的跳出局部最优的能力。基于随机测试问题的实验结果表明,所提出的自适应策略能够明显增强变邻域搜索算法的搜索效率,使得算法能够快速获得高质量的近优解,并且其性能要优于CPLEX优化软件。

基于改进Q学习的可重入混合流水车间绿色动态调度

节能减排对于实现可持续发展具有重要意义。考虑了动态扰动事件对生产的影响,研究了可重入混合流水车间绿色动态调度问题,提出了改进的Q学习算法。在可重入混合流水车间中,将各个加工阶段抽象为智能体,搭建了多智能体强化学习模型。选用均值漂移算法对历史状态进行聚类。为实现全局优化,设计了经验共享策略实现各个智能体之间的经验交互,并设计了自适应贪婪策略选取动作。最后进行了数值实验,实验结果表明,在求解可重入混合流水车间绿色动态调度问题时,改进的Q学习算法优于单一的调度规则,可以在提高生产效率的同时保证较低的能耗,并且能够对实际生产环境中的动态扰动因素快速做出反应,能够有效地解决实际问题。

带不相关机的可重入柔性流水车间问题的改进灾变遗传算法

针对实际工业生产中存在的带不相关并行机的可重入柔性流水车间问题,以工件的最大完工时间最小化为目标,建立了整数规划模型,并提出了改进灾变遗传算法以求解该模型。在算法中采用了与加工时间相关的机器选择机制以获得初始种群;运用自适应交叉和变异算子改善解的质量;引入灾变算子提高种群的多样性。通过仿真实验说明了改进灾变遗传算法能够在较短的计算时间内获得较高质量的近优解。