一种解决有限缓冲区流水车间调度问题的复合启发式算法

针对以最大完工时间为目标的有限缓冲区流水车间调度问题,提出了一种新的复合启发式算法.算法设计中首先使用PF-NEH算法进行解空间的搜索,并采用基于插入邻域和交换邻域的可变邻域搜索算法来增强局部搜索.仿真实验表明,该算法具有高效性和优越性.

基于Memetic算法的有限缓冲区流水车间调度问题

针对有限缓冲区流水线调度问题,提出一种基于变邻域搜索策略的Memetic算法。在基本遗传算法中,采用NEH算法和改进IG算法产生部分初始种群,使用部分交叉算子和插入变异算子,在交叉和变异之后设计一种改进变邻域搜索方法来进行局部搜索。在该改进变邻域搜索中,将模拟退火算法作为变邻域搜索中的局部搜索方法,大大增强了算法的寻优能力,使得Memetic算法在集中搜索和分散搜索之间达到更合理的平衡。运用提出算法求解经典基准算例,并与当前先进算法比较,验证了所提算法的有效性。

有限缓冲区柔性流水车间调度优化问题求解

针对柔性流水车间生产调度问题,在考虑缓冲区容量约束的情况下,建立了最小化完工时间和最大化设备利用率的混合整数规划模型,并提出了一种改进的离散粒子群算法进行求解。根据问题模型的特点,设计了基于工件顺序和加工机器的矩阵编码方式,并采用了改进的NEH方法生成高质量的初始种群。为了克服离散粒子群算法易陷入局部极值的缺点,设计了结合Levy飞行特点的粒子更新机制。当种群优化停滞时,通过该机制将部分粒子更新至新的未探索区域,进而避免陷入局部极值。通过与3种主流优化算法,在不同规模的测试算例下进行对比分析,验证了所提出算法的有效性。在某火腿肠高温车间的实际应用,表明了所提出的算法能够有效解决考虑缓冲区容量的柔性流水车间生产调度问题。

具有紧时、高能耗特征的混合流水车间多目标调度优化问题

针对具有紧时、高能耗工序特征的混合流水车间调度问题,以优化产品暴露时间、最大完工时间和能源消耗为目标,建立混合流水车间调度模型,并提出一种改进的多目标粒子群算法进行有效求解。首先构建了基于ISDE指标的档案维护策略及局部邻域搜索策略,辅助算法跃出局部极值及减少生产阻塞。之后,提出一种基于模糊理论的决策分析方法选取最优调度方案。最后,通过仿真实验验证提出的多目标调度模型与算法的可行性和优越性。

一类缓冲区有限的两阶段混合流水车间调度问题及算法

针对炼钢-连铸生产调度问题中温装模式(CC-HCR),提炼出一类有缓冲区约束的两阶段混合流水车间调度问题,并利用静态和离散时间的整数规划模型对其进行描述。从一种新的角度对问题特征进行分析,将原问题转化为无等待的三阶段混合流水车间调度问题。在此基础上,提出了启发式算法JB与JBN,算法JB以启发式规则形成工件加工序列,采用递归回溯消除相邻阶段间缓冲区有限冲突,算法JBN在此基础上结合NEH插入搜索,并以最小化第一阶段机器空闲时间为目标函数进行优化,对工件序列进行调整,进一步提高解的质量。通过对实验结果的分析,分别得出了2种启发式算法的优化效果,表明算法的可行性和有效性。

缓冲区有限的流水车间调度问题的启发式算法

针对缓冲区有限的流水车间调度问题,分析了目标函数的特征,及目标函数与工件空闲时间之间的关系,设计开发了启发式算法。算法将以Makespan为目标函数转化成以最小化机器空闲时间为目标函数,并以此为基础构造初始加工序列,再通过贪婪排序与插入寻优消除缓冲区受限约束并寻找问题的近优解。仿真实验结果表明,算法在求解质量和计算时间方面明显优于其他几种排序规则,并体现了目标函数表达式结构的特性及对解的适应性。

缓冲区有限的两阶段置换流水车间调度问题性质分析

本文针对缓冲区有限的两阶段置换流水车间调度问题的基本性质进行了分析,指出了缓冲区的大小对于问题最优解的影响并证明了该问题的复杂性。通过对原问题及其特例在目标函数之间关系方面的研究,为算法获得较好的初始解提供了依据。这些性质为设计求解算法提供了理论依据。

有限缓冲区流水车间调度的混合人工蜂群算法

针对以最大完工时间为目标的有限缓冲区流水车间调度问题,提出有效的混合人工蜂群算法。采用WPFE启发式算法进行种群的初始化,以提高初始种群的质量。将遗传算法应用到离散人工蜂群算法的引领蜂阶段,设计了基于嵌入结构、串行结构、协同结构、并行结构、概率选择结构和双种群结构的六种混合调度算法。基于插入和交换邻域的邻域搜索算法进一步增强了混合算法的局部开挖能力。通过仿真实验证明了所提算法的高效性和优越性。

具有缓冲区约束的流水车间调度问题综述

首先介绍了具有缓冲区约束的流水车间调度问题的一般框架、算法及其分类,主要针对启发式算法进行分析和总结,并进一步介绍了如何合理设置缓冲区以及存储时间有限的情况,最后,探讨了在此研究领域中的未来发展趋势。

求解有限缓冲区流水线调度问题的混合蝙蝠算法

针对最小化最大完成时间的有限缓冲区流水线调度问题(LBPFSP),提出一种混合蝙蝠算法(HBA)。在算法设计中,采用基于SPV的编码规则以实现连续的实数向离散的作业序列的转变,在种群初始化时引入NEH启发式算法,为提高算法的搜索效率,以一定的概率执行基于Pairwise的邻域搜索。对标准测试问题在不同缓冲区下的最优值进行仿真并与其他算法进行对比,并对基于Pairwise的邻域搜索的执行概率值对算法性能的影响进行讨论,其结果验证了HBA求解LBPFSP的有效性。

超启发式人工蜂群算法求解多场景鲁棒分布式置换流水车间调度问题

本文考虑现实中广泛存在的加工时间不确定的分布式置换流水车间调度问题(DPFSP),研究如何建立问题模型和设计求解算法,方可确保算法最终获得的解在多个典型DPFSP场景下,均具有能满足客户期望的较小优化目标值(即makespan值).在问题建模方面,首先,采用场景法构建多个不同典型场景以组成场景集(每个场景对应1个具有不同加工时间的DPFSP),并设定合适的makespan值作为场景阈值,用于在评价问题解时从场景集中动态筛选出“坏”场景子集;其次,在常规优化目标makespan的基础上,结合“坏”场景子集概念提出可实现鲁棒调度的新型优化目标,用于引导算法每代加强对当前“坏”场景子集中每个DPFSP场景对应解空间的搜索;然后,结合所提的新型优化目标,建立基于多场景的鲁棒DPFSP(MSRDPFSP).在算法设计方面,提出一种超启发式人工蜂群算法(HHABC)对MSRDPFSP进行求解.HHABC分为高、低两层结构,其中低层设计6种启发式操作(HO),高层采用人工蜂群算法控制和选择低层HOs来不断生成新的混合启发式算法,从而实现在不同场景对应解空间中的较深入搜索.在不同规模测试问题上的仿真实验与算法对比,验证了HHABC的有效性.

基于探路者算法的绿色有限缓冲区流水线调度

针对带能耗阈值约束和有限缓冲区的绿色流水车间调度问题(Green Flow Shop Scheduling Problemwith Limited Buffers and Energy Thresholds,GFSSPLBET),提出一种混合探路者算法(Hybrid Pathfinder Algorithm,HPFA)进行求解,优化目标为总能量消耗和最大完工时间。为增强算法的全局搜索能力,设计基于距离的选择机制确定每个探路者对应的跟随者,以确保各探路者的附近区域均能得到一定的搜索;设计融合多种邻域操作的自学习搜索策略,用于对更新后的探路者进行多邻域搜索,从而提升算法的局部开采能力。通过仿真实验表明所提改进措施能有效增强算法性能,也验证了HPFA求解GFSSPLBET的有效性和鲁棒性。

有限缓冲区流水线调度的多搜索模式遗传算法

针对有限缓冲区流水线调度问题,提出了一种多搜索模式遗传算法,算法使用多个交叉和变异操作进行解空间的探索和改良,并采用基于有向图的邻域结构来增强局部搜索。同时,局部搜索和变异操作受决策概率控制。基于典型算例的仿真和比较研究验证了所提算法的有效性。

带有缓冲约束的板式家具混合流水车间调度求解方法

探讨板式家具生产在缓冲约束下的混合流水车间调度问题,建立缓冲约束,并研究求解方法,为解决由于当前家具生产调度方法缺乏考虑缓冲约束使得现代调度技术难以实际应用的问题提供科学依据。以板件数量作为缓冲约束中容量的表征,根据混合流水车间调度问题的特征,建立工序间有限缓冲约束,并将其编码进遗传算法的适应度函数中;设计满足调度问题特征的交叉操作、变异操作、个体评估与选择操作。其中,交叉操作采用部分映射法,变异操作采用单点插入法,个体评估采用已建立的适应度函数,选择操作则采用精英保留策略和轮盘赌方法。最后利用MATLAB对遗传算法各模块进行编程,通过文献中的案例进行算法的可行性验证。通过对已有文献的调度规则和方法(先进先出原则、NEH算法、模拟退火算法、粒子群算法、蚁群优化算法和改进布谷鸟搜索算法)进行对比试验,结果显示本研究提出的遗传算法在以完工时间为优化目标的前提下均优于其他方法。同样在考虑缓冲约束的案例场景中,本研究提出的方法也具有有效性。基于遗传算法的工序间有限缓冲约束下板式家具多产线混合流水车间调度问题的结果具有一定的可行性,可以为板式家具生产调度技术提供新的解决思路,但仍需综合考虑更多的生产动态因素来提高其实际应用能力。

采用改进两点交叉算子的改进自适应遗传算法求解不相关并行机混合流水车间调度问题

针对不相关并行机的混合流水车间调度问题,提出了改进两点交叉算子(ITPX)的自适应遗传算法。首先,利用精确取点方式提高两点交叉算子的求解性能;其次,论证了基于激素调节的自适应选择概率引导种群的收敛趋势;然后,建立优质染色体池和记忆因子来记录种群迭代的优质解,并实现两种不同区域的交叉。实验结果表明,ITPX可节省优化时间,提高求解性能;自适应概率可增强收敛性;改进两点交叉算子的改进自适应遗传算法(ITPX-IAGA)可缩短40%以上的求解时间,并提高求解性能。

基于交叉选择的变邻域蜂群算法求解置换流水车间调度问题

针对置换流水车间调度问题的特性,设计了一种基于交叉选择的变邻域蜂群算法。首先,算法在初始化种群阶段加入了NEH启发式算法,进而提高初始解的质量。在算法迭代的初期引入了差分进化算子进行交叉与选择,从而提高解的多样性。在算法的局部搜索阶段对50%最优个体加入了交换与逆序两种变邻域操作,增强了算法的搜索能力。通过正交实验选择合适的参数,在Car、Rec以及Taillard标准测试集上进行仿真实验,结果表明所提算法优于与之对比的其他群智能算法。最后,以最小化最大完工时间为寻优目标对某公司轮胎产品生产线上的作业排产问题进行求解,求解结果优于对比的算法,进一步验证所提算法在求解PFSP上的有效性。

柔性流水车间有限缓冲区排产问题综述

针对柔性流水车间有限缓冲区排产问题提出了三种优化算法,进行比较指出各算法的优缺点,给出数学模型并提出以最大完工时间为目标,总结了近年来在该领域的研究现状,并对今后研究方向进行展望。

基于混合进化算法的有限缓冲区流水线调度

建立有限缓冲区流水线问题数学模型,利用文化算法和免疫算法相结合的混合进化算法(Memetic algorithm,MA)对其进行求解。算法设计中,将免疫算法纳入文化算法的框架,组成基于免疫算法的群体空间和信念空间,两空间具有各自群体并独立并行演化。下层群体空间定期贡献精英个体给上层信念空间,上层信念空间经演化后,定期贡献精英个体给下层群体空间,形成"双演化双促进"机制,从而实现增加抗体多样性的目的。比较结果显示该算法性能的优点以及对求解有限缓冲区流水线问题的有效性。

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。

缓冲区间有限条件下的作业车间调度方法

针对缓冲区间有限条件下的作业车间调度问题,以最小化make-span为目标建立了非线性混合整数规划模型,提出了基于邻域搜索的两阶段算法对问题进行求解.算法的第一阶段为迅速找到可行解,第二阶段为基于非连通图,通过邻域搜索对得到的可行解进行优化.针对benchmark算例进行测试并与已有的算法进行对比,验证了算法的有效性.对比分析发现,如果工件的加工时间符合均匀分布,当缓冲区间容量与工件数量的比例达到20%,缓冲区间大小对调度结果的影响将会迅速变小.