基于图卷积网络求解开放车间调度问题的方法

传统的元启发式算法难以有效求解大规模开放车间调度问题(OSSP),为此提出了一种基于图卷积网络GCN求解OSSP的方法。首先,设计了基于GCN的开放车间调度模型,将OSSP的工序节点特征嵌入图中并对其进行多层卷积操作,有效获取了工序节点之间复杂的依赖关系。然后,为了提高求解大规模OSSP的效率和质量,提出了一种基于GCN的开放车间调度算法。实验结果表明,该方法能有效求解不同规模的OSSP实例,与元启发式算法相比,在求解大规模OSSP实例时该方法表现出更优秀的求解质量和效率。

并行多机开放车间调度问题的模型与算法

发光二极管制造过程中,晶粒分类拣选工序的调度问题是典型的并行多机开放车间调度问题,属于NP-hard问题。研究了该调度问题以最小化总加权完工时间为目标的求解模型与算法。根据问题特性构建了可获得最优解的混合整数规划模型,并设计了同时考虑质量与求解效率的启发式算法和改进粒子群优化算法。仿真结果显示,启发式算法和改进粒子群优化算法都能在合理的时间内迅速有效地获得较佳的调度解。

考虑设备预防性维护的开放车间调度问题

依据实际生产车间的运行情况,建立了带设备预防性维护的开放车间调度模型,并设计一种混合遗传禁忌搜索算法来求解该问题。根据问题的特点,设计了混合算法的遗传编码、解码、改进交叉和变异等操作,以及禁忌搜索算法的邻域结构,使算法在集中搜索与分散搜索中达到平衡。所提算法在开放车间调度Taillard基准实例和带预防性维护的开放车间调度案例中的应用验证了其高效性和有效性。

基于多目标蜉蝣算法的求解云制造环境下柔性开放车间调度问题研究

针对云制造环境下柔性开放车间调度特点,综合考虑企业内云任务和自有任务协同调度、能源消耗和剩余制造资源利用情况,建立以最小化总加权完工时间、最小化总加工能耗成本、最大化机器利用率为优化目标的生产调度模型。基于多目标蜉蝣算法(muti-objectivemayfly algomithm,MMA)设计工序和机器的双层编码方案、种群进化策略,通过仿真实验,验证上述模型和MMA的有效性。

基于文化基因算法的开放车间调度问题研究

针对开放车间调度问题,运用了文化基因算法进行优化求解。在文化基因算法的框架中,既有种群中的全局搜索,又包含针对问题自身特点的局部搜索,为解决开放车间调度问题提供了一种新的算法。按照文化基因算法的思想和特点,将爬山法作为局部搜索策略加入到全局搜索策略所用到的遗传算法中,通过对开放车间调度问题的邻域结构进行研究,加入爬山搜索法进行优化求解。基于40个标准算例,通过与下界值的比较,验证了所提算法在解决具有较大搜索空间的调度问题时,其拥有更出色的算法性能。

多目标混合进化算法求解加工时间可控的开放车间调度问题

开放车间调度问题属于典型的NP-hard问题。目前的相关研究大多假设工序在机器上具有固定的加工时间。然而,在大多数现实生产场景中,机床的加工时间可以通过调节加工功率加以控制。同时优化完工时间和总能耗两个冲突目标对高效、节能的开放车间生产具有重要意义。为此,研究了可控加工时间的多目标开放车间调度问题(MOOSPCPT),以最小化完工时间和总额外能耗为目标构建了混合整数规划模型,并提出一种多目标混合进化算法(MOHEA)用于求解MOOSPCPT。在MOHEA中提出多个策略:(1)改进生物地理学优化算法中的迁移策略和变异策略用于全局搜索,有效地提高了种群的多样性;(2)基于关键路径设计一种自调整变邻域搜索策略,增强了算法的局部搜索能力;(3)设计了一种加工时间重置算子,从而显著提升了算法的搜索效率。仿真实验结果表明:所提出的策略有效地提升了算法性能;相较于NSGA-Ⅱ(Non-dominated Sorting Genetic AlgorithmⅡ)、NSGA-Ⅲ(Non-dominated Sorting Genetic Algorithm Ⅲ)和SPEA2(Strength Pareto Evolutionary Algorithm 2),MOHEA能够更有效地解决MOOSPCPT。

带AGV开放车间调度的析取图模型与求解

随着AGV小车在制造系统的广泛应用,其路线规划与生产调度集成可大大提高生产效率,降低运输能耗。这里以开放车间为研究对象,考虑AGV的物料搬运特性,提出了一种考虑最大完工时间和AGV能耗的双目标析取图模型,剖析问题特征,提取问题的关键弧特性;其次,设计了基于关键弧的多种邻域结构,融合遗传算法的全局搜索能力和变邻域结构的局部探索能力实现问题的寻优。最后,标杆案例测试结果表明,所提出算法可有效解决带AGV开放车间调度问题,多种邻域结构设计显著地提升了算法求解性能。

基于多样性增强的自适应遗传算法的开放式车间调度优化

针对开放式车间调度问题,提出了基于多样性增强的自适应遗传算法进行优化求解。设计了多样性判定增强算子、自适应交叉变异算子、多元竞争选择算子等五个算子,以提高遗传算法的进化效率和进化质量;通过分析算法各算子的时间复杂度,发现所提算子并未增加算法复杂度;采用正交试验确定了各算子的最优参数;设计了三组实验,分析了所提算子对算法的影响,结果表明多样性增强算子提高了求解质量,自适应交叉变异算子加快了收敛速度;基于60个标准算例,通过与已有5种算法比较,验证了所提算法的有效性和稳定性。采用100个算例,分析了算例规模对调度性能的影响规律。

基于粒子群优化的开放式车间调度

开放式车间调度(OSP)是重要的调度问题,它在制造领域中的应用非常广泛。优化调度算法是调度理论的重要研究内容。基于人工智能的元启发式算法是解决该问题的常用方法。分析了一种新的元启发式算法——粒子群优化(PSO)在信息共享机制上的缺陷,提出新的基于群体智能的信息共享机制。在该信息共享机制的基础上, 设计新的基于PSO的元启发式调度算法——PSO-OSP。该算法利用问题的邻域知识指导局部搜索,可克服元启发式算法随机性引起的盲目搜索。该算法应用于开放式车间调度问题的标准测试实例。仿真结果显示,PSO-OSP算法在加快收敛速度的同时提高了开放式车间调度解的质量。

无人计量实验室中的车间调度问题优化与仿真

针对北京东方计量测试研究所无人计量实验室中的开放式车间调度问题,提出了一种基于适应度和距离评估标准的离散灰狼优化算法。提出的算法使用适应度和距离评估标准,来选取不同种群的最优领导个体,从而来保持种群的多样性、降低种群早熟风险、提高发现最优解的概率。仿真结果表明,离散灰狼优化算法在求解开放式车间调度问题时有较好的有效性和稳定性。另外,离散灰狼优化算法可以满足无人计量实验室的日常实际计量检测需求。

基于改进遗传算法的民航客机地勤调度问题

开放车间调度是众多车间调度中的一类问题,在工业与服务业中有着广泛的应用。民航客机地勤保障调度问题是典型的开放车间调度问题。以最大完工时间最小化为目标,根据问题特性,将元启发式算法中的遗传算法应用于开放车间调度问题中,构建可获得最优解的混合整数规划模型,设计算法操作流程并分析优化方案。实验结果证实,设计方案各个工序的实际加工时间均符合实例的相应数据,说明该调度方案是合理的。

基于混合麻雀搜索算法的燃气表检测线调度优化研究

燃气表检测线的调度问题是典型的柔性开放车间调度问题。针对该问题,以最小化最大完工时间为目标提出了一种混合麻雀搜索算法(HSSA)。首先,根据问题特性设计有效的编码方式,建立了连续空间与离散空间的映射关系;然后,通过混合拟反向学习等多种策略改进原麻雀算法的种群生成方式和寻优机制,增强了算法的勘探能力和开发能力;最后,基于Taillard标准实例和燃气表检测线应用实例进行实验,并与其他算法对比。结果表明,HSSA在求解燃气表检测线调度问题时具有更高的寻优精度,并验证了该算法的有效性和稳定性。

基于改进遗传算法的充电桩检测调度优化

充电桩作为电动汽车的主要充电设备引起广泛关注。充电桩的安全性和可靠性是促进电动汽车发展的重要因素。在充电桩出厂前对其进行检测非常关键。充电桩检测的项目多,耗时较长。为了提高充电桩检测效率,文章将充电桩检测完成时间最小化设为目标函数,建立一种充电桩检测调度优化模型,同时,为了克服经典遗传算法的局限性,设计了一种基于工序和设备变异的双变异算子,最大限度使种群多样化,进而提出了一种添加初始化因子和精英策略的改进遗传算法。实验结果表明,采用改进遗传算法求解充电桩检测调度优化问题,总检测时间较人工检测降低了33.26%,较经典遗传算法降低了14.84%,提升了充电桩检测效率。