考虑双资源约束的柔性机械加工车间逆调度问题研究

为提高机械加工车间在动态生产环境下的效率和稳定性,建立了考虑机器与工人约束的柔性机械加工车间逆调度问题模型。该模型以最小化完工时间、机器能耗和逆偏差指数为目标,通过调整工件排产、工人作业以及机加工工艺参数对原始调度方案进行优化。针对问题特征,提出了一种差分进化算法。在算法中,设计了混合双层编码方式以降低搜索难度;提出了两种基于调度规则的初始化方式以提高种群质量;为加强和平衡全局与局部搜索,设计了自适应遗传操作以及基于精英选择的局部搜索策略;改进了哈明距离,并提出了一种拥挤度算子以反映种群真实多样性。在实验中构建了33组测试算例,并将所提算法与其他7种算法进行对比,验证了所提算法性能。最后,分析了某液压缸生产车间在两种不同动态环境下的真实逆调度案例,结果表明,所提算法能够在较小程度改变原始调度的情况下缩短4.2%的完工时间、降低20.2%的机器能耗。

改进文化基因算法求解双资源约束柔性作业车间调度问题

针对具有机器和工人的双资源约束柔性作业车间调度问题,以最小化最大完工时间为目标构建调度模型,并设计一种改进文化基因算法对其进行求解。由于该调度问题需要同时考虑工序排序、机器选择及工人选择3个子问题,故采用三层序列编码。考虑传统解码方式存在收敛速度慢、收敛不完全的弊端,设计一种扩展型插入式主动解码方式,以提高算法的收敛速度;针对进化算法易陷入局部最优的缺陷,设计一种基于负载平衡的机器和工人再分配算子,增强算法的全局搜索能力,对种群中的优秀个体采用改进变邻域搜索以提高算法的局部寻优能力。最后,利用仿真算例及航空设备生产实例进行实验,验证所提算法求解双资源约束调度问题的有效性。

基于改进Jaya算法的双资源约束柔性作业车间调度

考虑工人操作熟练度对双资源约束柔性作业车间调度的影响,提出改进的Jaya算法对其进行求解。与经典柔性作业车间不同的是,双资源约束柔性作业车间调度问题(DRCFJSP)需要同时处理工件排序、设备分配和工人指派3个子问题。通过改进标准Jaya算法以使其适用于求解具有最小完工时间准则的DRCFJSP,具体改进包括设计三维向量编码方案,结合设备、工人和工件的集成特征进行种群初始化,围绕车间调度离散化特点扩展算法更新迭代机制,并设计了基于关键路径的局部邻域搜索策略和接受准则。对扩展后的柔性作业车间测试算例进行求解,并与现有算法进行比较,结果表明:本文算法具有一定的有效性和优越性,表明本文优化调度方法能在有限的资源下实现人员合理配置和工件快速排序。

考虑交货期的双资源柔性作业车间节能调度

为解决含有机器和工人双资源约束的柔性作业车间节能调度问题,在考虑交货期的基础上,建立了以总提前和拖期惩罚值及总能耗最小为目标的双资源柔性作业车间节能调度模型。提出了一种改进的非支配排序遗传算法(improved non-dominated sorting genetic algorithmⅡ,INSGA-Ⅱ)进行求解。针对所优化的目标,设计了一种三阶段解码方法以获得高质量的可行解;利用动态自适应交叉和变异算子以获得更多优良个体;改进拥挤距离以获得收敛性和分布性更优的种群。将INSGA-Ⅱ与多种多目标优化算法进行对比分析,实验结果表明所提算法可行且有效。

考虑工人疲劳的双资源柔性作业车间调度优化

针对生产制造过程中的工人疲劳问题,在人机双资源约束柔性作业车间调度问题的基础上,以最小化完工时间为目标,构建混合整数规划模型,保证工人疲劳不超过限定水平.提出改进的自适应大规模邻域搜索算法,以解决工件排序、机器分配、工人指派和工人疲劳等高度复杂的子问题.所提算法使用8种启发式规则生成初始解,引入6类破坏算子和6类修复算子实现对解空间的高效搜索.通过不同规模的算例对比,验证所提算法的有效性.相较于Gurobi求解器、遗传算法、Jaya算法和标准ALNS算法,所提算法具有良好的寻优性能,能够有效解决作业车间调度过程中的工人疲劳问题.

改进NSGA-Ⅱ算法求解考虑运输约束的柔性作业车间节能调度问题

传统柔性作业车间调度通常忽略工件在机器间的运输时间和能耗,针对该问题建立了考虑运输约束与节能的柔性作业车间调度模型,并提出了改进的NSGA-Ⅱ算法求解该模型。首先,在柔性作业车间调度数学模型中设立最大完工时间、总延期、设备总负载、车间总能耗4个目标,并根据运输约束实现了调度模型矩阵编码、解码、交叉与变异,基于子代向最优解学习机制改进NSGA-Ⅱ算法迭代过程中易陷入局部最优解问题。最后,在考虑车间机器之间运输约束的前提下结合Kacem、Brandimarte算例对调度模型进行可行性分析,结果表明该模型与算法求解效率高,能有效解决车间运输约束导致的调度方案与实际加工偏差问题。

基于改进化学反应算法的双柔性作业车间调度问题求解

针对柔性作业车间调度问题,考虑设备及生产工人的柔性,确立了最大完工时间最短、提前交付罚金与超期交付罚金之和最低以及加工总能耗最低的3个优化目标,每个工件都引入了交货期时间窗。在化学反应算法的基础上,基于理想虚拟分子理论对目标函数进行改进,通过模拟退火算法的局部寻优能力提高算法的求解精度,最后根据实际柔性车间生产情况设计调度算例,验证该算法在求解双柔性作业车间调度问题的可用性。

双档案粒子群算法求解柔性作业车间调度问题

针对最小化完工时间的柔性作业车间调度问题(FJSP),提出了双档案粒子群算法(DAPSO)。构建精英档案和进步档案分别存储具有较好适应值的精英粒子的个体历史最优位置(Pbest)和进步较快粒子的位置。利用精英档案中的粒子计算解可信度,并根据解可信度来判断当前群体所处的进化状态,粒子根据进化状态调整向两个档案中学习的力度以达到收敛性与多样性的平衡。在Kacem的5个测试问题和MK系列10个测试问题开展了广泛实验,通过与其他算法按照最小完工时间、平均完工时间进行了比较,证明了DAPSO在求解FJSP问题时的有效性。

求解扩展双资源约束作业车间调度的分支种群遗传算法

根据扩展双资源约束作业车间调度问题的特点,构造了一种混合遗传算法进行求解:以分支种群为载体继承遗传进化经验,利用精英进化算子、基于扇形分割的轮盘赌选择算子及邻域搜索等机制,进一步优化了算法性能。通过分析策略对比仿真、算法性能对比仿真等实验,结果表明上述各种优化机制可行,且对于算法运算效率与寻优性能的优化效果均有良好表现。

双资源批量生产柔性作业车间多目标调度方法

针对双资源批量生产柔性作业车间调度问题,提出了一种多目标精细化调度方法。针对双资源批量生产柔性作业车间多目标调度问题特点,建立了一类以制造成本最低和完工时间最短为优化目标的双资源等量分批柔性作业车间调度多目标优化模型;提出了5种双资源批量生产柔性作业车间精细化调度技术;针对模型提出并设计了一种改进的NSGA II算法。通过案例分析验证了该方法的有效性。

基于改进离散蜉蝣算法的双资源柔性车间可持续调度方法

在目前对柔性车间调度问题所进行的研究中,大多忽略了工件运输时间这一因素,并且也很少对可持续发展的经济、环境和社会3个要素进行综合优化。针对这些问题,提出了一种考虑运输时间的双资源柔性车间调度问题(DRCFJSPT)模型。首先,以完工时间、生产成本、能耗和人体工程学风险为优化目标,构建了柔性车间调度数学模型,并结合多目标模型的特点,设计了一种改进离散蜉蝣算法(IDMA),并对模型进行了求解;然后,采用熵值法评价了帕累托解集,基于三层编码并考虑了运输时间的插入式解码方式,设计了混合初始化方法,离散改进了蜉蝣更新方式;最后,为了验证IDMA求解DRCFJSPT的性能,采用MATLAB,对某机床零件加工企业生产数据进行了实验,并将其结果与采用非支配排序遗传算法(NSGA)-Ⅱ得到的结果进行了对比分析。研究结果表明:改进算法的解集质量和收敛性能均显著优于参考算法,通过改进算法求得最优解的最大完工时间为35.94 h,加工成本为6 003.95元,能耗为2 054.54 kW·h,人体工程学风险值为138.16;该结果可为实际复杂的柔性车间调度环境提供清晰准确的调度方案。

GA-COA求解柔性作业车间多资源调度问题

针对传统柔性作业车间调度在仓储、运输方面考虑的不足,将工件的存储位置以及工件在仓库、机床之间的运输考虑到传统柔性作业车间调度问题(FJSP)中。提出一种考虑仓储、运输及加工的柔性作业车间多资源调度问题(MRFJSP),以最小完工时间为目标函数进行数学建模。考虑到遗传算法(GA)在求解车间调度问题中收敛速度慢、易陷入局部最优的问题,将郊狼优化算法(COA)的组内郊狼成长、生与死进行改进并与GA结合,提出一种带随机动态分组的遗传-郊狼混合算法。最后,通过算例验证了模型的正确性,并将混合算法与原算法进行对比,验证其优越性。

柔性车间双资源集成调度的小生境遗传算法优化

针对柔性作业车间生产和物流双资源集成调度问题,提出了基于小生境自适应遗传算法的集成调度方法。首先,明确了柔性车间AGV物流流程、路径冲突消除方法和分配策略。其次,描述了车间生产和物流双资源集成调度问题,并建立了以完工时间最短为目标的优化模型。然后,将小生境技术和自适应策略引入到遗传算法中,使遗传策略随小生境特点自适应变化,提出了一种新的小生境自适应遗传(NAGA)算法。最后,制定了基于小生境自适应遗传算法的双资源集成调度流程。经实验验证,小生境自适应遗传算法调度的完工时间短于遗传(GA)算法和文献[1]改进分布估计(IEDA)算法,说明NAGA算法的集成调度性能好于GA算法和IEDA算法。经AGV数量影响分析,车间完工时间随AGV数量增加整体呈下降趋势,且当AGV数量饱和时完工时间不再下降。

改进布谷鸟算法求解双资源约束柔性车间调度问题

针对双资源约束的柔性车间调度问题(DRCFJSP),以优化最大完工时间为目标,设计出一种具有改进解码方案的布谷鸟算法对其进行求解。由于DRCFJSP除了需要考虑机器的分配,还需要兼顾工人的加工情况,所以改进了传统解码方式以避免机器和工人在加工时间上的冲突,同时在解码时尽可能利用机器和工人的空闲时间。在布谷鸟算法核心框架下,将布谷鸟种群随机划分为三个子群,每个子群采用不同Lévy飞行方式独立进行寻优,并通过差分算子实现子群间信息交流,不仅增强了算法的全局搜索能力,也平衡了算法的局部搜索能力。最后通过基准测试算例进行实验仿真分析并与其他算法进行对比,验证了改进布谷鸟算法和改进解码方法的有效性和优越性。

基于改进鲸鱼群算法的低碳柔性车间调度研究

针对柔性制造车间单独考虑完工时间或设备利用率等问题,本文建立以最大完工时间、碳排放量为目标的双目标优化问题的调度模型。对于传统鲸鱼群算法收敛速度较慢,易陷入局部最优的问题,本文提出了一种基于惯性权重和混沌扰动的收敛因子二者相结合的搜索方式,设计了一种改进的鲸鱼群算法。该算法根据车间调度特点,采用两段等长式编码,加快机器选择与个体位置之间的转换速度;采用混合式初始化种群,提高种群多样性;加入惯性权重以及混沌扰动的收敛因子,平衡算法搜索能力;引入多项式变异策略,帮助算法及时跳出局部最优。在测试函数下,与遗传算法和传统鲸鱼群算法进行了对比,验证了该算法的搜索能力更优。同时,通过实例验证,进一步表明了改进的鲸鱼群算法的有效性。

考虑工人学习效应的双资源约束柔性车间调度

针对工人受学习效应影响的双资源约束柔性车间调度问题,提出考虑工人技能柔性度的学习曲线,以最小化完工时间、生产成本和环境指标为目标构建优化模型。同时,提出一种将MOPSO与NSGA-Ⅱ相结合的NSHGA-Ⅱ算法,全局搜索上集成了二者的信息指导功能和多点并行搜索特性,提高算法效率和准确性;局部搜索上为避免算法早熟,构造四种邻域搜索算子以保证种群多样性;随后采用熵值法评价Pareto解集选出最优解。最后通过实例仿真,并与MOPSO和NSGA-Ⅱ结果进行对比,验证了改进的NSHGA-Ⅱ算法可以很好的解决上述调度问题。

基于效率函数的双资源约束作业车间调度算法

目前对制造业领域作业车间调度问题研究中,仅考虑单一设备资源的传统作业车间调度问题已不能反应出实际作业车间的作业环境。根据实际作业车间多资源环境,建立了分别最小化生产完工期和超期时数为目标函数的设备和模具双资源约束作业车间调度模型,并采用基于效率函数的逆序调度算法对问题进行求解。最后,通过实例对算法进行验证并给出对比结果。

考虑关键件加工质量的双资源约束车间调度算法

在工人异质性和机床类型多样的资源约束型车间中,针对资源抢占使加工质量向非关键件倾斜从而导致关键件加工质量无法保障的情况,建立了以完工时间为主要优化目标,以关键件加工质量、整体加工质量为辅助优化目标的双资源(工人/机床)约束柔性作业车间调度问题模型,并提出一种两级嵌套蚁群算法。首先采用工件候选集、资源候选集生成满足关键件加工要求的可行调度解;然后为工序寻找更合适的开工时间,针对机床类型、人机时窗差异设计了基于时窗的活动调度策略以提高算法的局部寻优能力;进而提出了一种保质策略,使关键件和总体工件加工质量水平持续提高;最后,通过算例测试验证了保质策略和两级嵌套蚁群算法的有效性。

考虑工人数量配置优化的柔性作业车间调度问题研究

在工人资源紧缺且工人成本增加的背景下,以合理的工人数量配置方案完成制造任务变得至关重要。以往考虑工人约束的柔性作业车间调度研究假设工人的数量是给定的。为实现不同技术水平工人的数量配置及柔性作业车间调度集成优化,考虑工件拖期惩罚成本、工人基础及绩效成本,建立了最小化总成本的混合整数规划模型,并提出了一种改进教学优化算法进行求解。在算法中,采用基于工人数量配置、工序排序、机器选择的三层编码并设计了活动调度解码方法,采用混合启发式初始化方法进行初始化,针对问题特征设计了有效的邻域结构。通过多组算例测试验证了所提算法能确定不同技术水平工人的实际数量并获得优异的调度方案,且在性能上优于对比算法。

蚁群遗传算法求解能力约束的柔性作业车间调度问题

提出一种主、从递阶结构的蚁群遗传求解算法。算法中,主级为蚁群算法,完成工件组合和加工路径选择;从级为遗传算法,完成主级约束下的设备排产。分别以工件延迟时间和设备可用能力为启发式信息,设计蚂蚁工件间和设备间的转移概率;以设备空闲时间最小为目标,设计从级染色体选择、多点交叉和多点变异3类遗传操作。从级染色体适应值取其代表调度方案中工件流通时间的倒数,从蚂蚁游历值取其对应从级染色体种群的最优适应值。最后,通过仿真和比较实验,验证了该算法的有效性。