单件车间生产作业计划的模糊化启发式算法

本文给出了编制单件车间生产作业计划的一种实用算法。针对工件之间存在的加工顺序关系 ,引入“组装树”的概念。在传统调度法则基础上 ,对影响排序的两个重要参数———工序的“准备就绪时间”和“余下加工时间”在量化上进行模糊处理 ,引入模糊算子α、β ,构造了模糊化启发式算法 ,使MWKR(MostWorkRemaining)和SPT(ShortestProcessingTime)调度法则在工序的准备就绪时间或余下加工时间基本相近时有效地发挥作用 ,兼顾了组装件中长周期工件优先安排。此算法运行速度和运行结果均明显优于经典的启发式算法。

单件订货型生产车间作业计划中资源选择的模糊决策研究

车间作业计划中的资源选择直接影响到产品的质量、交货期和生产成本。通过分析影响资源选择的资源的相关特性,提出车间作业计划中资源选择的模糊决策方法,建立相应的决策模型,并进一步讨论具体实施过程中的几个问题。

单件车间作业及预防维修联合调度

以单件车间作业为研究对象,求出最佳预防维修时间间隔使预防维修及小修的成本最小化,同时使工件最大完工时间最小化。将有限长度的生产计划期分成若干个等时间长度的时段。基于时间延迟理论,建立数学规划模型,确定设备进行预防性维修的最优时间间隔;运用指派法求解工件加工最大完工时间最小值,使得工件加工得以合理调度。算例验证了模型的有效性,同时也验证了工件加工调度的合理性。

基于启发式分支定界的单间作业车间优化算法

单件小批量生产形式下的作业车间调度是生产调度中具有广泛的应用.针对已有的求解车间调度问题的算法,引入动态规划思想,将车间调度按照机器分层化,引入了基于平衡生产和压缩空闲时间的启发函数,引导搜索方向,从而得到最佳调度方案.在C#环境下实现算法,并对其进行测试.结果证明,算法具有较高的收敛速度和精度.

一种求解Job-shop调度问题的遗传局部搜索算法

利用遗传局部搜索算法求解了作业车间调度问题,遗传算法中的染色体编码采用基于工序的编码,并用插入式贪婪解码机制将染色体解码至主动调度。为了克服传统遗传算法易于早熟收敛的缺点,设计了一种改进的优先操作交叉IPOX操作和子代产生模式的遗传算法。对于遗传算法每个染色体个体,使用基于N6邻域结构的局部搜索进一步使它们得到改善。利用所提出的混合遗传算法求解基准问题,验证了算法的有效性。

基于关键路径疫苗的免疫遗传算法求解JSP问题

车间作业调度是决定工件加工顺序以及分配相应设备的过程,合理的调度方案能提高设备利用率。针对单件车间调度问题,采用免疫遗传算法进行调度方案求解。基于关键路径的思想,提出一种新的疫苗提取和接种方法。疫苗提取时,取种群中最优个体的关键路径信息作为疫苗,接种时,依据该疫苗信息修改待接种个体各机器上的工件安排顺序,从而继承最优个体关键路径上的信息,提高个体适应度,加速算法寻优过程。通过对标准测试案例的求解,以及与其他算法的比较,结果表明关键路径疫苗技术是有效的。