基于改进双档案多目标进化算法的柔性作业车间批量流混排调度

针对柔性作业车间批量流调度问题,基于快速换模技术,考虑可变子批划分柔性、子批混排加工柔性、自动换模柔性和物料运输柔性,建立以最小化完工时间和加工子批总数为目标的混排调度优化模型,并提出一种改进双档案多目标进化算法以优化目标函数。基于进化算法框架,设计了基于超体积指标和基于改进帕累托支配的双档案筛选机制,以平衡种群的收敛性和多样性;针对批量流混排调度问题特征,在解码阶段提出正/逆解码和子批拆分左移策略,在邻域探索和全局搜索阶段分别设计子批划分和混排调度的自适应进化算子,以提高算法的全局搜索与局部搜索能力。基于不同规模算例,测试了提出算法与经典多目标算法的性能。实验结果表明,该算法在收敛性与多样性上具有明显优势。

求解流水车间批量流集成调度的离散入侵杂草优化算法

提出一种离散入侵杂草优化算法,用来解决最大完工时间目标的流水车间批量流集成调度问题.该调度问题包含两个紧密耦合的子问题:批次分割问题和考虑启动时间的批次调度问题.设计了两段字符串编码,用来表示两个子问题.与基本入侵杂草优化算法不同,所提算法基于适应度和年龄确定杂草种子数量,基于正切函数和连续邻域操作产生种子.8种邻域算子的混合应用与局部搜索增强了算法的求解能力.仿真实验表明了所提算法的有效性.

一类流水车间批量流与混排序的集成优化

讨论了一类多产品多机流水车间等规模子批量流与混排序的集成优化问题,以最小完工时间为目标函数建立了非线性混合整数规划模型,利用遗传算法+仿真的策略求解。算法采用上下两层遗传算法共同进化,上层遗传算法优化每种产品子批量的数量,同时确定各子批量的规模,下层遗传算法优化不同产品子批量的混排序,仿真程序采用多代理技术模拟生产过程得到完工时间。数值仿真实验的优化结果证明了算法有效性,同时分析了缓冲区空间和机器准备时间对模型的影响。

面向制造物联环境下带有批量流的柔性流水车间调度问题研究

如何通过新一代信息技术进一步提升制造企业的生产效率是需要迫切解决的问题。结合当前物联网技术在制造业的发展趋势,以电容器制造车间为研究对象,首先搭建面向制造物联环境下的柔性流水车间调度系统多层次体系架构;在此架构下,建立多源制造信息驱动制造执行过程的基于批量流策略的调度优化模型;其次,设计了一种改进的分布估计算法,通过平衡局部搜索和全局搜索,实现对问题的优化求解;最后,通过实验验证了所提方法的可行性和有效性。

求解作业车间批量流问题的变邻域搜索算法

对具有等子批和空闲约束的作业车间批量流问题进行了研究,提出一种有效变邻域搜索(VNS)算法以最小化延迟和提前惩罚总和,该算法利用双串表示法描述问题的解.为了适应问题的特点,几个初始解独立进化以改善VNS的探索能力,对批调度采用一个变邻域结构,而对批量流条件则根据一个较小的概率进行调整.将VNS应用于一些实例,计算结果验证了VNS的优异性能.

基于候鸟算法的批量流混合装配流水车间调度

针对模具数量限制下装配车间生产计划的优化问题,在考虑不等量可变的批量划分策略情况下,研究批量流混合装配流水车间调度问题,并提出一种有效候鸟优化算法.在算法中,针对多种产品各生产阶段装配约束设计批量划分与排列顺序的2段编码机制;根据编码特征设计多种邻域结构,包含一种同时优化批量划分与排列顺序的邻域结构,并提出邻域结构自适应调节策略来提升领域结构搜索性能;设计竞争机制来提升算法优化效率.开展不同规模算例的仿真实验,结果验证不等量可变分批策略更有效,优于等量策略5%~6%.与其他多种算法进行比较,不等量策略可为车间提供更合理的生产计划,验证有效候鸟优化算法的有效性和鲁棒性.

有模具约束的并行机批量流调度问题研究

大多数调度问题均假设产品以单个或整批的方式进行生产,而实际生产过程中,会把产品分批后再进行生产。但当考虑模具约束时,对如何解决产品分批以及制定合理调度方案的问题,本文以最小化最大完工时间为优化目标,建立了考虑模具约束的并行机批量流调度模型,并提出了一种基于遗传算法和差分算法结合的混合差分遗传算法(DEGA),实现分批与调度两个问题并行优化。最后通过对算例测试,DEGA算法得到更优的解,证明了该算法的优越性和稳定性。结合实际案例,验证了模型和算法的可行性。

离散水波优化算法求解带批处理的混合流水车间批量流调度问题

针对实际生产系统中生产方式复杂多样的特点,研究了带批处理的混合流水车间批量流调度问题。综合考虑批处理机容量和不相关离散机加工能力,提出了一种可变分批方法,以最小化完工时间为目标建立了调度模型,并提出了一种动态连续加工策略来优化目标函数。同时提出了一种离散水波优化(DWWO)算法求解模型。结合分批特点与优化目标,设计了4种解码方式对机器选择及工件的加工顺序进行优化;利用块最优插入、交叉操作和多邻域搜索对操作算子进行改进,增强了局部搜索能力;提出了一种替换差解的操作来提高算法的收敛能力。最后,采用实验设计的方法对算法的参数进行了标定;并设计了不同规模的算例,对算法的性能进行评估。实验结果表明DWWO算法能够有效解决带批处理的混合流水车间批量流调度问题。

考虑复杂随机来料的批量流作业调度

多种类、可分批的工件生产调度问题是目前车间制造的关键问题之一,需同时考虑分批和调度两方面的优化决策。进一步地,在实际生产环境下还存在子批切换和工件的来料时间不确定的问题,大大增加了生产调度的困难,目前对此类问题的研究也尚未开始。鉴于此,以最小化最大完成时间为优化目标,基于场景采用样本均值近似(SAA)方法建立了考虑换模时间与随机来料的批量流调度模型,对问题分别设计了基于Benders分解的精确求解方法,以及结合Benders分解和禁忌搜索的启发式算法,实现了分批与调度两个问题的优化,通过数值实验验证了方法的有效性。

基于改进候鸟迁徙优化的多目标批量流混合流水车间调度

针对2+1+1型混合流水车间,研究了多目标不相等批量流混合流水车间调度问题,提出一种基于变邻域搜索的自适应候鸟迁徙优化(AMBO)算法,实现了最小化完工时间与最小平均在制品数量的多目标优化.相比原始候鸟迁徙算法,AMBO算法引入变邻域搜索策略,实现每个算子的权重随迭代次数自适应调整,并提出了时间窗算子,以提升交换算子搜索性能和收敛速度.对随机生成不同规模的订单进行算例研究,结果表明AMBO算法比候鸟迁徙优化算法、遗传算法具有更高的求解质量和收敛性能,从而验证了AMBO算法的有效性.

多阶段流水生产系统的批量流调度问题

调度问题要求在空间和时间上合理安排任务和资源，在满足技术和资源约束限定下，使预定目标达到最优。

基于改进遗传算法的混合流水车间批量调度问题求解

针对多品种小批量混流生产模式中生产计划调度复杂的特点,提出解决批量问题的等量分批策略,实现工件在不同工序上同时加工,缩减机器等待时间;以最大完工时间为优化目标,建立混合流水车间批量调度问题数学模型;设计求解模型的改进遗传算法,使用NEH启发式算法和随机生成结合的方式生成优质初始解,采用二元锦标赛进行选择操作,采用二元交叉法进行交叉操作,采用插入变异生成新个体,并使用贪婪插入的领域搜索算法进行局部搜索,解码时采用“子批优先+先空闲先加工”策略。发动机连杆生产案例应用结果表明,混合流水车间批量调度问题模型与改进的遗传算法正确有效。

基于批量流的多阶段生产系统的优化问题研究

考虑一个多阶段生产系统,在每个阶段上生产批量被分成若干个子批量进行加工,子批量可以相等也可以不相等,同时每个阶段上在相邻子批量之间可以有空闲。每个阶段上子批量的数目可以不相等。文中首先以系统总变动成本为目标函数对这样一个系统建立对应的模型,提出了求解这一问题的启发式方法,通过数值算例验证了这一方法的有效性。此外,还讨论了重启成本、空闲成本和对应于子批量的调整成本对系统总变动成本、生产批量以及子批量数目的影响。

考虑批量流与换模时间的柔性生产线调度方法研究

随着制造环境复杂化,生产过程对任务调度的要求也日益提高。如何对多种类、可分批的生产任务加以调度是关键问题之一。生产中通常应用批量流调度方法,即将待加工工件按一定方法分为若干子批,并可进行针对每个子批单独的调度以提高生产效率。同时随着柔性生产线的应用,生产换模时间也越来越多地被作为考虑因素进行研究。本文以生产多种类、分批生产并考虑换模时间的流水生产线为研究对象,对其作业调度问题进行研究,建立了该问题的混合整数规划模型,并设计了遗传算法进行问题求解,数值实验证明了方法有效性。

面向空间分布式小批量物流供需的多任务集成调度

针对供需呈空间分布的多个小批量物流服务需求,研究了面向多起始地—多目的地的多任务集成调度问题。基于分布式物流任务多路径与多集并的特点,设计了多任务物流服务网络图,综合考虑集并产生的费用折扣、等待成本与等待时间,从系统角度权衡任务个体与多任务整体利益,构建了以物流成本与延迟惩罚成本之和最小为目标的数学模型。针对模型求解过程中存在的变长度路径选择、多级集并、资源能力冲突等特点,设计了基于优先权的遗传算法对模型进行求解,并构造自适应变长度交叉与双变异机制增强求解效率。结合算例验证了模型和算法的有效性。

人工蜂群算法求解带有启动时间的批量混合流水车间调度问题

针对目前制造业中广泛存在的带有启动时间的混合流水车间批量调度问题,设计了一种基于离散人工蜂群算法的调度方法。鉴于该问题的离散组合优化特性,提出一种批次分割与调度相结合的整数序列编码方式。采用扩展的NEH算法产生初始蜂群,同时改进雇佣蜂阶段邻域搜索方式和侦查蜂阶段产生新解的方式,在提高搜索效率的同时避免算法陷入局部最优。最后以实际生产数据作为算例,验证了算法对解决该类问题的有效性,对生产实践起到指导作用。

考虑质量衰退的批量调度与预防性维护的联合优化

针对生产调度过程中由于设备退化引起产品质量劣化的问题,构建了考虑质量与设备状态之间的耦合关系以及生产批次可分的批量流调度与预防性维护的联合优化模型。假设设备存在“受控”和“失控”两种状态,利用设备“失控”状态下产生的不合格品作为媒介描述上游设备与下游设备之间的随机依赖性,以最小化期望完工时间以及总成本为优化目标建立了数学模型;设计改进的差分进化算法对模型进行求解;通过数值实验验证了算法的收敛性,并通过对比实验对模型性能进行分析,结果显示了该联合优化模型的有效性。

一种流水车间批量调度的高效计算三阶段优化方法（英文）

在工件含批量生产任务情况下如何进行最佳生产调度是一个重要的生产计划问题。通常将批量工件划分为子批处理(称为分批优化)。若子批数较大,则会大大增加工件完成时间的计算复杂性。现有研究未能考虑此类计算时间问题。本文考虑可变子批、准备时间以及子批批量约束(传输子批批量受传输设备容量限制),提出一种求解n个工件、m台机器流水车间分批优化调度方法。所提方法包含3个阶段:初始批量划分、基于生产周期/总流程时间指标快速评价法的工件排序优化、分批传输方案调整。为验证3阶段优化方法的有效性,采用5个标准数据集进行测试。实验结果表明,所提方法能节省大量计算时间,尤其对大规模问题能提供更优解。