求解柔性分批调度问题的双层搜索框架入侵杂草算法

针对柔性作业车间分批调度问题,提出一种双层搜索框架下的改进入侵杂草算法,以获得理想的分批调度方案。首先提出融合批次批量、工序排列和加工机器信息的3层基因编码;其次设计一种双层搜索优化框架,先通过分批搜索层进行柔性批量划分,再采用排序搜索层迭代优化获取分批调度方案。在分批搜索层中,基于工序平均工时缩小分批的解空间,提出随机数字分割法用以生成分批方案;在排序搜索层中,采用入侵杂草算法实现迭代优化,同时设计了分层初始化方法、混合机器选择策略和3种局部搜索算子,以提升算法搜索能力,并避免陷入局部最优。最后以最大完工时间为评价指标,从性能实验分析、框架实验验证和实例实验验证3个维度验证了所提算法的优越性和可行性。

考虑柔性分批的IPPS问题研究

工艺规划与调度是制造系统的两个重要组成环节,二者的集成是制造系统发展的关键技术之一。针对工艺规划与调度集成问题在批量方面考虑的不足,考虑将批量划分问题集成到工艺规划与调度集成问题中。为避免等批分批可能导致调度过程中生产能力与负载不均衡,采用柔性分批策略。同时考虑准备时间和加工时间,以最大完工时间最小为目标,对该问题进行建模。针对该问题,提出一种粒子群算法进行求解。最后,以实例验证了该数学模型的正确性及算法的有效性。

基于遗传算法的柔性作业车间柔性分批调度问题研究

针对柔性作业车间柔性分批调度问题的复杂性,采用遗传算法进行求解,在引入柔性分批方法后,并提出了染色体的两级编码方法,设计了2种交叉和变异操作方法,以防止操作中非法解的产生,提高求解效率.该算法不仅解决批量分批,而且也解决子批排序和选择加工路线的问题.对比整批调度和柔性分批调度的Makespan后,仿真结果表明,柔性分批调度可缩短生产周期,验证了采用新算法的可行性和有效性.

基于改进灰狼优化算法的柔性作业车间分批调度问题研究

针对以最小化最大完工时间为目标的柔性作业车间分批调度问题(Flexible Job shop Batch Scheduling Problem,FJBSP),提出了一种改进灰狼优化(Improved Grey Wolf Optimization,IGWO)算法,优化对象为工件的分批方案。首次将流体模型应用于FJBSP的求解,提出了一种基于流体模型的解码方法,用于获得更好的子批调度方案;然后改进了狼群的等级制度,避免了算法过早收敛;其次设计了一种全新的适应可变长编码的交叉方法,深入交流2个个体之间的分批信息,增强了算法的搜索能力和稳定性;再次,提出了能够动态更新个体游走率的自适应灰狼游走策略,兼顾了算法的搜索质量和收敛速度;此外,对领头狼使用自适应邻域搜索动态调整每种工件选择各邻域的概率,提高算法的局部搜索能力;最后,设计了9个算例和3组实验,验证了所提出的IGWO算法的有效性和优越性。

基于NSGA-Ⅱ的流水车间多品种柔性分批调度

针对流水车间分批调度问题,构建了一个流水车间柔性分批调度模型,该模型以最小完工时间和最小加工成本为目标,并采用NSGA-Ⅱ进行求解。对每种产品进行随机分批,并在求解过程中子批量不断变化,采用了集中优化的思想,使得各产品的分批方案和子批调度可以同时求出。实例仿真表明,该算法可有效提高车间的生产效率,降低生产成本,具备可行性。

考虑工件分批的柔性作业车间调度及求解算法

针对柔性作业车间分批调度问题,建立了考虑工件分批的柔性作业车间调度模型,并提出混合遗传算法用于模型求解。首先,采用改进试探法确定划分的具体批次、柔性批量划分方法确定各个批次的实际批量;其次,采用双层编码机制对工序排序及机器选择同时进行优化,利用GLR机器选择法生成初始解;最后,混合遗传算法利用GA鲁棒性强与ABC算法对初始解依赖性不高、适应性强的特点在解空间内充分搜索较优解,并结合SA出色的局部搜索能力快速收敛到全局最优解。分析表明,改进试探法批次划分与柔性批量划分方法可明显缩短生产周期,同时也证明了所提算法的有效性和可行性。

基于双层编码的柔性作业车间分批调度研究

针对柔性作业车间分批调度问题,提出一种基于双层编码的柔性分批调度算法。算法采用批量分割和工序调度相结合的双层编码方式,可同时对工件的批量分割和工序调度进行优化;并针对等量分批规则缺乏柔性的问题,提出一种FR柔性分批方法,使工件的批量分割可得到柔性调节。此外,该算法也考虑了生产车间的上期遗留任务问题。通过实例仿真分析,验证了该分批方法可有效减小子批数量,并明显缩短生产周期,同时也证明了该算法的有效性和可行性。

多目标柔性车间作业调度分批方法研究

针对柔性分批有可能导致不规则的分批方案,提出了基于批量规则的有序分批方法,并按照最大批量规则,分析了影响确定最佳额定批量的主要因素,设计了一种基于工件工序时间分布的差异批量的分批方案。通过实例仿真,结果表明该方案的调度周期等主要指标均优于相同批量的分批方案,对实际生产调度具有指导作用。

柔性作业车间分批调度的多样性可控粒子群优化算法

针对多目标柔性作业车间分批调度模型复杂的子批量工序排列,设计了基于工件、工序及批量的矩阵编码和解码方法,进而提出种群多样性可控的粒子群分批调度算法.该算法采用伪二叉树法构造非支配解集,以种群熵量化群体多样性,并根据其变化范围采用局部自适应的元胞自动机对粒子邻域进行调整、平衡算法精度和速度.最后,通过对比相关算例验证了文中算法的有效性.

基于改进候鸟算法的柔性作业车间分批调度问题

为了将可变批次的调度策略应用于生产,以提高大规模柔性作业车间的生产效率和设备利用率,针对柔性作业车间可变子批问题的特点,建立了以最小化完成时间和最小化批次数目为优化目标的多目标柔性作业车间调度模型和析取图模型,提出一种改进的候鸟算法求解该问题。算法设计了精英分批和可行邻域结构两种策略用于提高算法的搜索效率。通过对比实验验证了可变批次划分策略的优势和所提算法的有效性。

考虑准备时间和工件分批的柔性作业车间调度

针对柔性作业车间调度受生产准备时间和工件批量影响的问题,构建了考虑准备时间和工件分批的柔性作业车间调度模型。根据工件批量加工中等量分批方法柔性不足的特点,采用柔性分批方法对工件进行批量划分。提出一种改进的遗传算法,以最小化最大完工时间为优化目标,采用双层编码的方式对模型求解,确定各工件的分批方案和子批工序调度排序方案。通过分析柔性调度案例,验证了该算法的有效性,能够更好地满足实际车间生产要求。

PCBA柔性作业车间等量分批调度问题研究

为解决企业在不同生产类型下柔性作业车间分批调度的实际问题,对带有重入生产特性的印刷电路板组装(PCBA)调度进行研究。首先,构建以完工时间最小为目标的PCBA等量分批柔性作业车间调度优化模型。其次,提出并设计了一种遗传模拟退火算法来对分批调度模型进行求解,将整个求解过程分为订单批量分批、子批排程这两个阶段,并引入了Metropolis接受准则,以保证算法迭代初期种群的多样性。最后,以某企业PCBA车间的实例展开,运用MATLAB编程求解,验证了遗传模拟退火算法和等量分批的可行性和有效性,同时确定了各个批量生产类型的最优分批数。

基于Pareto最优的多目标集成柔性协作计划与分批调度

针对工件在实际批量生产模式下数量过多时其柔性协作计划、柔性批量分割和调度排序的集成优化难以进行同步决策的问题,构建了一种以平均交货期满意度、模糊总生产成本、模糊完工时间、平均拖期可信度等为目标的集成柔性协作计划与模糊柔性分批调度模型,设计了一种基于Pareto最优的多目标求解算法,并根据求解过程中的特殊性,提出了包括协作染色体、批量分割染色体和调度排序染色体的集成编码方案以及Pareto综合寻优方案,最后通过仿真结果验证了该方法的有效性.

基于最早完工时间疫苗的免疫遗传算法求解FJSLP

在生产过程中,车间作业调度的主要任务是确定工件在各台设备上的加工顺序,合理的调度方案能提高设备的利用率和企业的效益。针对柔性车间分批调度问题,采用免疫遗传算法进行求解。在疫苗技术方面,依据工件工序的加工信息,选择工件工序所能最早完工的机器作为疫苗,对相应工件个体机器码进行接种。通过对案例的测试,结果表明所采取的方法能求得更好的调度方案,减少作业总流程时间。