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。

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。

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%。

混合流水车间插单重调度的超启发式遗传算法

针对带有紧急订单的混合流水车间插单重调度问题,提出了一种双层编码的超启发式遗传算法。针对混合流水车间具有的订单排序和机器选择的双决策特征,在算法低层设计双层编码方案,在个体中表示订单排序和机器选择两类信息,对应一个唯一调度解,进而提出了12种排序和选择启发式对个体进行迭代优化;在算法高层采用自适应遗传算法,用来确定订单排序启发式和机器选择启发式的操作组合以及各组合执行的次序,并设计了自适应变异算子来优化算法的有效性。大规模数据实验的结果表明,该算法具有很好的求解质量和求解效率。

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.

带连续式批处理机的可重入混合流水车间调度

为了解决冷拔无缝钢管生产周期长、能源消耗高的问题,实现生产调度的智能化、绿色化,研究了带连续式批处理机的可重入混合流水车间调度问题。首先考虑批处理机缓冲区的影响,构建了调度优化模型;然后设计了改进的基于分解的多目标进化算法用于该问题,提出了基于工序的编码方案和均衡考虑完工时间与能耗的解码方案,根据多样性指标的高低设计了局部搜索和多样性增强策略,并通过对最优解局部搜索来提高解的多样性;最后,通过对不同算例的实验,验证了所提算法可以高效地求解带连续式批处理机的可重入混合流水车间调度问题。

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。

新型教学优化算法可重入混合流水车间调度

针对可重入混合流水车间调度问题(Reentrant Hybrid Flow Shop Scheduling Problem,RHFSP),提出一种基于新型优化机理的教学优化(Teaching-Learning-Based Optimization,TLBO)算法以最小化最大完成时间,该算法将学生分成好学生和差学生,主要步骤为教师阶段和学生阶段,其中,教师阶段包括教师的自学和交互学习,学生阶段包括学生接受教师的教学、好学生相互学习和差学生的强化学习。运用多邻域搜索实现教师的自学,其他阶段都通过全局搜索来实现。取消差学生的相互学习以避免低效率搜索。大量的实验结果表明,新型TLBO是解决RHFSP的一种有效方法。

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。

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。

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。

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。

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。

求解混合流水车间调度问题的改进型PSO算法

针对粒子群优化算法易陷入局部最优以及求解生产调度问题时容易重复搜索的情况,结合混合车间调度问题的优化模型,提出一种改进的粒子群优化算法。在算法设计中,引入基于位置相似度的禁忌策略,避免对刚刚搜索过的区域重复搜索和过早陷入局部最优;同时采用线性微分递减方式更新惯性权重,既保证了算法前期有较高的全局搜索能力,又能保证后期有较高的开发能力。最后通过仿真实验,验证算法的有效性。