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。

基于改进生物迁徙算法的双资源柔性作业车间节能调度问题

节能调度是面向绿色制造的车间调度问题,已成为制造领域的研究热点。针对具有机器和工人双资源约束的柔性作业车间,综合考虑工人学习效应和工件运输时间的影响,以最小化车间能耗为目标,提出一种改进的生物迁徙算法(MBMA)。该算法采用基于工件-机器-工人的三段式编码方法表示调度解,并设计了一种种群初始化方法,以改善初始调度解的质量。考虑到基本生物迁徙算法无法直接应用于离散车间调度问题,提出一种基于交叉操作的离散迁徙算子,使算法能够直接在离散调度空间内进行搜索。此外,在迁徙算子中引入转换概率动态调整策略,以平衡算法探索与开发能力,另外增加了一种记忆池机制,避免算法过早收敛。对于个体更新算子,设计了一种局部搜索算法嵌入其中,以增强算法局部搜索能力。大量实验结果表明,MBMA算法的计算结果优于其他算法。

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。

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.

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。

双资源约束下的船舶管件柔性生产车间调度优化

针对船舶管件柔性车间的复杂制造环境,建立以完工时间为主要优化目标、以设备资源和辅助资源为约束条件的双资源约束柔性生产车间调度问题模型,设计一种改进布谷鸟算法对其进行求解。针对问题特征及复杂性,在布谷鸟算法核心框架不变的基础上,提出一种莱维飞行自适应步长因子;同时,设计基于2种局部搜索的巢寄生策略,并引入模拟退火算法,以解决工序维、设备维和资源维的调度优化问题。将该算法应用于企业实际生产模型,结果表明:改进算法能有效避免设备资源冲突,具备较好的综合调度特性。

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。

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。

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。

具有总能耗约束的柔性作业车间调度问题研究

针对具有总能耗约束的柔性作业车间调度问题(Flexible job shop scheduling problem, FJSP),提出一种基于帝国竞争算法(Imperialist competitive algorithm, ICA)和变邻域搜索(Variable neighborhood search, VNS)的双阶段算法,该算法在总能耗不超过给定阈值的条件下最小化Makespan和总延迟时间.由于能耗约束不是总能满足且阈值往往难以事先给定,为此,第一阶段,首先,将原问题转化为具有Makespan、总延迟时间和总能耗的三目标FJSP,然后,利用初始帝国构建和帝国竞争的新策略设计一种ICA对问题求解,并根据ICA的结果确定总能耗阈值;第二阶段,应用解的比较新策略、非劣解集更新方法和当前解周期性更新,构建VNS对原问题求解.计算实验和结果分析表明,两阶段算法对于所研究的问题搜索能力强.

求解多目标双资源柔性车间调度问题的改进NSGA-Ⅱ算法

针对操作工人之间存在效率差异的多目标双资源柔性车间调度的问题,构建了以生产时间最小化、生产成本最小化和绿色制造评价系数最小化为目标的柔性车间调度优化模型,并设计了一种改进的NSGA-Ⅱ算法对其求解。首先,采用量子编码对工序进行编码,随后利用小生境技术初始化种群、重复个体控制策略和熵权法选择策略来提升算法效率,避免算法早熟收敛,并选出最优解。最后通过算例和改进前的NSGA-Ⅱ进行对比测试,验证了改进后的NSGA-Ⅱ可以很好的解决上述的柔性车间调度问题。

两阶段重调度策略求解柔性作业车间动态调度问题

区别于传统作业车间调度问题,研究一种工件之间具有优先约束的柔性作业车间问题。首先建立多目标静态调度模型,利用JAYA方法进行求解,通过实验得到变异因子的最佳值。其次,提出一种新的两阶段的动态调度策略,在静态调度结果上进行调整,同时对短期和长期恢复的扰动问题重调度。实验证明,提出的动态调度方法能同时有效减少完工时间和机器偏移情况。

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。

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。

求解柔性作业车间调度问题的免疫遗传算法

通过对柔性作业车间调度问题(FJSP)进行分析,借鉴生物免疫机理提出一种求解柔性作业车间调度问题的免疫遗传算法(IGA).该算法在保留基本遗传算法(SGA)随机全局搜索能力的基础上,通过抽取疫苗和接种疫苗等免疫机制,有效改善基本遗传算法的未成熟收敛和局部搜索能力差的不足,显著提高了基本遗传算法对全局最优解的搜索能力和收敛速度.仿真实例表明,免疫遗传算法能有效解决柔性作业车间调度问题.

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。

含机器人的作业车间双资源智能优化调度

用遗传算法研究了含机器人的作业车间双资源调度优化问题 ,提出了一种将遗传算法和分派规则相结合的调度算法 ,将加工机床和机器人合理地分配给加工任务 ,使评价指标获得最优 .最后给出了此调度算法的仿真结果 ,证明该算法是可行的 ,并获得良好的结果 .