基于MOMA的可重入混合流水车间调度问题研究

针对可重入制造系统多具有多品种、大规模、混流生产等特点,构建带批处理机的可重入混合流水车间调度问题(reentrant hybrid flow shop scheduling problem with batch processors,BPRHFSP)模型,提出一种改进的多目标蜉蝣算法(multi-objective mayfly algorithm,MOMA)进行求解。提出了单件加工阶段和批处理阶段的解码规则;设计了基于Logistic混沌映射的反向学习初始化策略、改进的蜉蝣交配和变异策略,提高了算法初始解的质量和局部搜索能力;根据编码规则设计了基于变邻域下降搜索的蜉蝣运动策略,优化了种群方向。通过对不同规模大量测试算例的仿真实验,验证了MOMA相比传统算法求解BP-RHFSP更具有效性和优越性。所提出的模型能够反映生产的基础特征,达到减少最大完工时间、机器负载和碳排放的目的。

基于数字孪生仿真的半导体可重入混合流水车间联合调度优化研究

在新一代信息技术与高端制造产业加速融合渗透的背景下,文中针对半导体车间订单动态到达、车间生产信息透明度低的问题,提出了一种基于数字孪生仿真的半导体可重入混合流水车间联合调度方法。首先,设计了一种基于AnyLogic的数字孪生仿真架构,并在此基础上构建了高保真数字孪生仿真模型,对多源异构数据虚实交互、多维多尺度孪生模型运行机理进行了深入探讨;其次,综合考虑最大完工时间、碳排放量和AGV利用率建立联合调度模型,提出了一种结合数字孪生的ENSGA-Ⅱ算法进行求解,并将其嵌入AnyLogic孪生模型实现实时调度;最后,基于差异化场景和半导体车间任务实例,验证了所提方法的有效性。

考虑多时间因素的绿色可重入混合流水车间调度问题

针对同时考虑顺序相关调整时间和运输时间等多时间因素的绿色可重入混合流水车间调度问题(GRHFSP-MTF),以最小化最大完工时间和总能耗为目标建立双目标优化模型。针对GRHFSP-MTF的特点,提出一种混合文化基因算法(HMA)。首先,提出了基于工序、机器和转速的三层编码策略;然后,设计了基于贪婪机器选择和完全随机的种群初始化方法、交叉和变异算子以及5种邻域搜索算子;最后,在不改变机器分配和工件排列的前提下,基于降低机器转速手段设计了节能算子。大量仿真实验表明,HMA可以有效地求解考虑多时间因素的绿色可重入混合流水车间调度问题,并具有较强的优越性。

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.

双目标可重入混合流水车间调度问题的离散灰狼优化算法

可重入混合流水车间调度问题普遍存在于许多高科技制造产业中,如半导体晶圆制造和TFT-LCD面板生产过程等,但目前关于可重入调度问题的相关研究还比较少。本文设计了一种改进多目标灰狼优化算法(IMOGWO)解决最小化最大完工时间和总拖期时间最小的可重入混合流水车间调度问题,针对该问题特点对基本灰狼优化算法进行了一系列改进操作。通过对小规模测试问题基准算例的数值实验,验证了所设计的IMOGWO算法求解该调度问题的有效性。实验结果表明IMOGWO算法在非劣解的收敛性和支配性方面显著优于已有的NSGA-II和MOGWO算法,在解的分布性指标方面IMOGWO稍微优于其他两种算法。

可重入混合流水车间负荷平衡排产优化问题研究

为了解决可重入混合流水车间(RHFS)负荷平衡调度问题,建立了RHFS负荷平衡优化问题数学规划模型,将工位加工时间负荷平衡代价和总工位等待时间加权求和后作为负荷平衡综合评价指标;设计了基于工件加工流程的编码方法并结合时间窗约束与最大剩余时间规则进行解码,采用动态自适应差分进化(I)SADE)算法进行全局优化。DSADE算法根据个体间汉明距离判断个体相似度,动态更新具有高相似性的个体,以增加种群多样性,并引入随停止代数自适应调整进化参数的策略,以增强跃出局部极值,持续进化的能力。基于客车制造中涂装车间多遍彩条工序段的实例数据将DSADE算法与已有遗传算法(GA)、差分进化(DE)算法、自适应差分进化(SADE)算法进行仿真比较,比较结果表明,DSADE算法的负荷平衡评价指标平均降低幅度超过20%。

可重入混合流水车间调度的改进遗传算法

研究了可重入多阶段混合流水车间调度问题,其中至少有一个加工阶段有多台同构并行机。考虑工件在相邻两阶段间的运输时间和工件动态到达等实际生产特征,以最小化最大完工时间为目标建立数学模型。在传统遗传算法的基础上,结合NEH启发式算法产生工件初始加工顺序,令遗传参数随进化代数和个体适应函数值2个方面进行自适应调节,以避免算法陷入早熟,提出改进遗传算法用以求解该NP-hard问题。分别利用所提出的改进遗传算法与传统遗传算法、NEH启发式算法对不同规模的问题进行仿真测试,结果表明,改进遗传算法在较短的计算时间内能够获得较好的近优解。

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。

考虑可再生能源的可重入混合流水车间调度问题

为了打造绿色制造模式,实现企业的节能减排,针对考虑可再生能源的可重入混合流水车间调度问题,构建了两阶段可重入混合流水车间调度优化模型(TSRHFS-RE),同时考虑实际生产中的制造阶段和检测修复阶段。提出了基于樽海鞘群和NSGA-Ⅱ的混合算法(IHSN),其中设计了工件的逐层编码方案,考虑能源分配的两阶段解码策略,子种群协同进化策略,樽海鞘追随者位置更新策略,改进的NSGA-Ⅱ交叉策略和外部档案重复个体变异策略。通过对不同规模测试算例的仿真实验,验证了所提算法对求解TSRHFS-RE问题的有效性以及在生产调度中应用可再生能源实现低碳制造的可行性。

基于改进人工蜂群算法的绿色可重入混合流水车间调度研究

针对绿色可重入混合流程车间调度问题(GRHFSP),建立了以最小化最大完工时间、最小化综合资源环境影响为目标的优化模型,提出了改进的人工蜂群算法。首先设计了一种基于重入层数、工位和机器的编码方案,并根据所考虑的同类不等效并行机的情况设计了一种混合种群初始化策略;然后设计了两种不同的更新策略对机器的编码方式进行更新;最后采用所提算法的种群进化策略提高了算法的局部搜索能力和解的质量。通过基于不同数据集的仿真实验,验证了所提算法的有效性,对比结果表明,所提算法比其他算法对求解GRHFSP问题更有效。

改进迭代贪婪算法求解可重入流水车间调度问题

可重入混合流水车间是在混合流水车间的基础上增加了可重入特性,具有更高的调度复杂性。为了求解可重入混合流水车间调度问题,首先建立了调度优化模型,优化目标为最小化最大完工时间,然后提出一种带精英调整的学习型迭代贪婪算法(LIG-EA)。LIG-EA算法采用基于工件的编码方式,对重组后的染色体进行解码。种群分为精英个体和普通个体两部分,对精英个体进行精英破坏重建和基于关键工件的染色体调整,对普通个体进行学习机制的构建和普通个体的破坏重建。为提高初始种群质量,采用NEH启发式算法进行种群初始化,并针对可重入混合流水车间的重入特性,在重建操作中增加了插入有效性判断,提高了算法的运行速度。通过大量实验表明LIG-EA算法能够有效求解可重入混合流水车间调度问题。

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。

基于总加权完成时间的可重入混合流水车间调度问题

研究以最小化总加权完成时间为目标的可重入混合流水车间调度问题(RHFS-TWC),并构建问题的整数规划模型.根据模型的特点,设计基于二维矩阵组的调度解编码方案,结合NEH启发式算法确定工件初始加工顺序,生成高质量初始调度解群.为避免算法陷入早熟及扩大解的搜索空间,给出IGA的遗传参数自适应调整策略,最终形成NEH-IGA融合求解策略.针对不同规模问题分别用传统GA、基于遗传参数自适应调整的IGA、NEH启发式、NEH-IGA算法进行仿真测试,仿真结果表明NEH启发式和遗传参数自适应动态调整策略的引入有效改善了原有GA的求解能力, NEH-IGA算法在求解RHFS-TWC问题方面优势明显.

区间数可重入混合流水车间调度与预维护协同优化

针对加工时间不确定的可重入混合流水车间调度与预维护协同优化问题,构建以区间最大完工时间、区间总碳排放和区间总预维护费用为优化目标的集成调度模型.针对问题特性,通过设计改进的可能度计算方法,定义区间意义下解的Pareto占优关系.提出一种改进的离散鲸鱼群算法,通过同步调度与维护策略,实现制造与维护的联合优化;设计个体间距离计算策略,寻找“最近较优个体”;设计个体位置移动策略以及多邻域搜索策略,有效地平衡全局搜索和局部搜索,提高收敛精度.通过大量的仿真实验和结果对比分析,表明了所提出的算法对于求解区间数可重入混合流水车间调度和预维护协同优化问题的有效性和可行性.

面向半导体车间多目标可重入调度研究

针对半导体制造车间产品重入机台时存在机台状态不一致,使得传统可重入调度方法难以适用的问题,根据半导体车间生产特性,提出了半导体车间多目标可重入混合流水车间调度问题,以最小化最大完工时间为基础,考虑以降低产品不合格率、减少机台工序切换次数为目标,建立此问题的多目标数学模型.提出基于实质不确定因子的最优觅食算法,采用灰色关联分析与MYCIN不确定因子的勾股模糊集的多目标处理策略,将帕累托(Pareto)解的实质不确定因子作为最优觅食算法的适应度值.编码采用基于工件号编码方案,解码通过三段式方法生成可行的调度解.通过仿真实验和半导体车间案例与其他三种算法对比,验证了所提出的模型,算法性能分析结果表明所提出的模型合理,算法具有明显优势.

基于改进的多元宇宙算法的晶圆生产调度算法

针对以最小化最大完工时间为目标的晶圆生产制造系统的调度问题,提出了改进的多元宇宙算法。根据晶圆生产制造系统的特征,构建了一个整数规划模型。针对原始多元宇宙算法的局限性,分别从使用启发式规则生成初始种群、重新定义向最优宇宙移动策略和宇宙更新策略三个方面对算法进行改进。将原始多元宇宙算法、遗传算法、NEH启发式算法、迭代贪婪算法以及通过不同策略改进的多元宇宙算法进行对比实验,结果表明,所提方法可以高效地解决晶圆制造过程中的复杂现象。

考虑节能的改进多目标樽海鞘群算法TFT-LCD面板阵列制程调度问题

TFT-LCD面板生产的阵列制程是可重入混合流水车间调度问题,采用一种改进多目标樽海鞘群算法对其进行优化求解。构建以最大完工时间、总拖期时间和总耗能为优化目标的数学规划模型;针对该问题结构特点,对基本多目标樽海鞘群算法进行了一系列改进操作,包括基于升序排列的随机键编码、PS方法解码、基于Lévy飞行的领导者个体位置更新方式,以及外部档案中非支配个体的变邻域搜索操作,并采用田口方法进行算法参数设置;最后通过对基准算例的数值实验,将改进多目标樽海鞘群算法与基本多目标樽海鞘群算法、多目标粒子群优化算法、快速非支配排序遗传算法进行对比,实验结果表明了改进多目标樽海鞘群算法的有效性。