一种求解柔性工作车间调度问题的混合遗传算法

针对柔性工作车间调度问题(Flexible job-shop scheduling problem,FJSP),提出了一种基于混合遗传算法的求解方案,在初始种群中引入基于启发式规则生成的优良个体,并使用有效的交叉、变异算子避免不可行个体的产生,同时利用混沌序列的随机性和遍历性特点,在遗传进化的过程中增加基于混沌序列的邻域搜索功能,以提高遗传算法的执行效率.通过仿真实验验证了该算法的可行性和有效性.

基于遗传算法的多目标柔性工作车间调度问题求解

本文针对柔性工作车间调度问题给出了一个有意义的综合目标??尽可能缩短制造周期的同时尽可能的减少机器负荷。由于传统遗传算法在多目标柔性工作车间调度问题上的局限性,我们提出了一种改进遗传算法:首先,我们给出了针对综合目标的工序调度算法获得初始集合;接着,针对柔性工作车间调度问题的特点,我们在常用的基于工序顺序的编码方法上融入了基于机器分配的编码方法,并据此设计了相应的交叉变异操作;最后借鉴了物种进化现象中的环境迁移思想设计了解决多目标优化问题的迁移操作。实验结果表明,改进的遗传算法在多目标柔性工作车间调度问题的解决上要优于传统遗传算法。

考虑模糊质检时间的柔性作业车间动态调度问题

为解决更符合现实情形的模糊质检时间柔性作业车间动态调度问题,以最小化完工时间为目标,立足紧急插单、机器在空载运行时发生故障和机器在加工工件时发生故障的三种故障情形,建立了带模糊质检时间的机器故障、紧急插单重调度模型。设计了基于元胞自动机邻域搜索和随机重启爬坡算法的改进遗传算法求解模型,即针对车间调度问题中存在的订单排序和机器选择双决策问题特征,设计包含工序码和机器码的双层编码方案,并基于遗传算法思想对工序码和机器码设计相应的交叉、变异等遗传操作。同时,将遗传操作应用于基于元胞自动机的邻域搜索算法框架中以增强算法全局搜索能力,整合基于关键工序的随机重启爬坡算法以提高算法局部开发能力。实验选取10个柔性车间调度算例验证了所提算法的有效性,同时,测试1个模糊质检时间柔性车间调度算例验证了模型的有效性。另外,实验也测试了不同故障场景,得出该动态调度方法优于实际场景中常使用的“工件后移”调度策略。

基于改进樽海鞘群算法的多目标柔性作业车间调度问题研究

针对多目标柔性作业车间调度问题,构建了以最小化总能耗、最小化生产成本及最小化惩罚值为优化目标的数学模型,并设计改进的多目标樽海鞘群算法(IMSSA)进行求解。改进算法主要由樽海鞘领导者和樽海鞘追随者两部分构成,其中,领导者位置更新结合正余弦算法来实现,追随者位置更新基于线性微分递减的惯性权重方法来完成。此外,引入食物源存储库用于保留非支配解。最后通过对比实验证明了所提策略及改进算法的有效性。

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。

基于改进的NSGA-II纺织生产车间柔性作业车间调度问题算法的研究

在纺织生产线调度领域,传统的人工调度方式已难以满足当前对高效利用机器和提升生产效率的迫切需求。鉴于此,本文建立了以最小化最大完工时间和机器总负载为优化目标的多目标柔性作业车间调度问题(flexible job shop scheduling problem,FJSP)数学模型,并提出了一种改进的NSGA-II算法(INSGA-II)用于求解。本文的主要特点是:(1)该算法采用基于工序和机器的两层编码方法;(2)采用混合种群初始化策略,目的是提高种群的初始质量;(3)设计了一种基于迭代次数的变领域搜索策略,在减少无效搜索的同时提高了局部搜索能力。本文在MK01-MK09和abz05-abz09的测试集上,将所提出的算法与其他算法(MOEA/D、MOEA/DD和NSGA-II)进行对比,并通过对14个标准算例的分析,证明了改进个NSGA-II算法在求解FJSP问题中的有效性。

协同智能体强化学习算法的柔性作业车间调度方法研究

为提高柔性作业车间调度效率,构建一种具有柔性作业车间调度问题约束条件的马尔可夫决策过程,针对工件与机器的同时选择问题,提出一种协同智能体强化学习方法进行求解。在构建马尔可夫决策过程中,引入析取图表述状态特征,采用两种智能体执行工件与机器的选取,预测不同时刻最小化最大完工时间的差值来映射整个调度过程的奖励参数;求解时,嵌入GIN(graph isomorphic network)图神经网络提取状态,为工件与机器智能体分别设置编码器-解码器构件输出两种动作策略,以PPO(proximal policy optimization)算法与D3QN算法训练工件与机器智能体的决策网络参数。通过正交试验法选取算法超参数,以标准实例与其他文献进行对比,实验结果表明,所提方法在求解FJSP方面明显优于其他算法,进一步验证所提方法的可行性与有效性。

混合麻雀算法求解带准备时间的分布式柔性作业车间调度问题

分布式制造模式因多工厂/车间协同生产而使其制造环境存在多样性和多变性。研究了考虑零件加工前的动态准备时间的分布式柔性作业车间调度问题(Distributed Flexible Job Shop Scheduling Problem, DFJSP)。针对缸体零件加工阶段存在多工位零件装夹定位、拆卸和换刀等动态准备时间的实际生产情况,建立了以完工时间、碳排放和订单拖期为目标的DFJSP模型;提出了一种混合麻雀算法(Hybrid Sparrow Search Algorithm, HSSA)对上述模型进行求解。HSSA算法根据模型特点,采用了三层编码方式和多种群初始化策略,设计了一种三层变邻域搜索结构,引入了POX、PMX交叉算子和高斯变异算子来完成交叉、变异操作,同时设计了一种基于支配关系的精英选择策略。通过仿真及与其他算法的对比分析,验证了HSSA算法的优越性和可靠性。

改进萤火虫算法求解多目标柔性作业车间调度

针对多目标柔性作业车间调度问题,以最小化最大完工时间、最小化机器总负荷、最小化机器最大负荷为目标,提出一种改进邻域结构的离散萤火虫算法。首先,采用多种策略相结合的方式初始化种群,提高算法初始解质量以及种群多样性;其次,通过改进关键路径的邻域结构并设计离散萤火虫算法的位置更新公式,以增强算法全局搜索和局部搜索能力;最后,将该算法应用于标准数据集,并将求解结果与其他算法进行对比,验证了所提算法的有效性。

考虑工件运输时间的分布式柔性作业车间调度

为求解考虑工件在机器间运输时间的分布式柔性作业车间调度问题(DFJSPTW),提出了一种基于延迟接受爬山算法(LAHC)的改进算法,并建立起以最大完工时间为优化目标的数学模型。针对DFJSPTW的几个耦合性子问题,工序排序和机器选择、工厂分配采用了基于工序、机器、工厂的三层染色体编码方式去解决,而小车分配则提出了一种考虑负载均衡化的调度规则;为提高生成解的质量,初始化染色体时工厂和机器序列分别考虑了负载平衡;局部搜索过程中,算法设计了4种邻域搜索算子并提出了一种符合DFJSPTW的变邻域搜索策略,在变换邻域搜索算子时还引入了化学反应算法中的单分子反应搜索机制,用于加强算法的综合搜索能力。通过数值实验验证了变邻域搜索策略和引入单分子反应搜索机制的有效性,同时通过改进算法与GA_OP、GA_JS算法的对比实验,进一步验证了所提算法求解DFJSPTW问题的优越性。

基于改进MOEA/D的模糊柔性作业车间调度算法

针对实际生产车间中加工时间的不确定性,将加工时间以模糊数的形式表示,建立以最小化模糊最大完工时间和模糊总材料消耗为优化目标的多目标模糊柔性作业车间调度问题数学模型,提出一种改进基于分解的多目标进化算法(IMOEA/D)进行求解。该算法基于机器和工序两层编码并采用混合的初始化策略提高初始种群的质量,利用插入式贪婪解码策略对机器的选择进行解码,缩短总加工时间;采用基于邻域和外部存档的选择操作结合改进的交叉变异算子进行种群更新,提高搜索效率;设置邻域搜索的启动条件,并基于4种邻域动作进行变邻域搜索,提高局部搜索能力;通过田口实验设计方法研究关键参数对算法性能的影响,同时得到算法的最优性能参数。在Xu 1~Xu 2、Lei 1~Lei 4和Remanu 1~Remanu 4测试集上将所提算法与其他算法进行对比,结果表明,IMOEA/D算法的解集数量和目标函数值均较优,在Lei 2算例获得的解集个数为对比算法的2倍以上。

改进混合多目标蚁群算法求解带运输时间和调整时间的柔性作业车间调度问题

柔性作业车间调度问题是一类重要的组合优化问题,实际生产过程中,产品搬运、机床换模、更换刀具等间接加工活动中存在运输时间和调整时间,会对生产周期产生影响。研究了同时考虑运输时间和调整时间的柔性作业车间调度问题,建立以最小化最大完工时间、机器总负载、机器关键负载和工件的交货期惩罚值为目标的数学模型,并提出一种改进的混合多目标蚁群算法。结合问题特征和算法特点设计了一种分布式编码方式,采用改进蚁群算法分别搜索各优化目标的最优调度方案,针对调度方案集进行非支配排序选择,为了提高算法的搜索精度,提出了突变和靠拢操作。最后通过基准实例和生产实例进行仿真实验,并与改进遗传算法、MOGATS算法进行对比,实验结果表明提出的改进混合多目标蚁群算法是有效和可行的。

分布式多柔性装配作业车间调度问题研究

针对分布式柔性装配作业车间环境,综合考虑了调度过程中的机器选择柔性、工人安排柔性和工序顺序柔性,构建了以最小化最大完工时间和最小化总能耗为优化目标的分布式多柔性装配作业车间调度问题(DMFAJSP)的数学模型。为求解DMFAJSP模型,提出了一种以分布估计算法为全局搜索组件、以邻域搜索算子为局部搜索组件的多维模因算法(MDMA)。最后,将所提出的算法与其他算法进行了对比试验,结果表明MDMA算法在求解DMFAJSP模型方面具有显著优势。

基于改进遗传算法的柔性作业车间调度问题研究

为了应对当下愈加复杂的实际生产情况,针对柔性作业车间调度问题(FJSP),以最大完工时间最小为目标,提出一种更加简洁有效的优化算法用以求解该问题。针对遗传算法(GA)局部搜索能力较差等问题,结合教与学算法(TLBO)优异的局部搜索能力,在交叉阶段引入教与学交叉以提高算法局部搜索能力;考虑到进化时期不同对于交叉等操作的需求不同,引入自适应策略提高算法的全局搜索能力。先将改进后的TGA算法与传统GA算法对比以验证算法的有效性,再与改进的蝙蝠算法(HGBA)对比验证算法的简洁性,通过结果图的对比得出本文改进算法对于求解FJSP问题的简洁有效性。

动态环境下的柔性作业车间调度问题研究

针对动态环境下的柔性作业车间调度问题,提出了一种基于改进离散粒子算法的动态调度方法。动态调度方法采用在动态车间调度中应用最为广泛的滚动窗口与改进离散粒子算法相结合的再调度策略,最后通过对两类突发动态事件的仿真测试,验证了本文所提方法能够解决各类突发动态事件,及时有效地对初始方案进行调整,并与原方案有效衔接。

两阶段重调度策略求解柔性作业车间动态调度问题

区别于传统作业车间调度问题,研究一种工件之间具有优先约束的柔性作业车间问题。首先建立多目标静态调度模型,利用JAYA方法进行求解,通过实验得到变异因子的最佳值。其次,提出一种新的两阶段的动态调度策略,在静态调度结果上进行调整,同时对短期和长期恢复的扰动问题重调度。实验证明,提出的动态调度方法能同时有效减少完工时间和机器偏移情况。

改进教学优化算法在柔性作业车间调度问题中的应用

在智能制造领域中,柔性作业车间调度问题是一类典型的调度问题,如何能有效地对其进行求解对于生产效率的提高有着十分重要的意义。本文以优化最大完工时间为目标,在经典教学优化算法的基础上进行改进优化,来求解柔性作业车间调度问题。对柔性作业车间调度算例进行测试,对比改进前后的输出结果,说明改进的教学优化算法可以在较少的迭代次数内寻找到最小的加工时间,能对车间调度问题的求解进行优化。

混合粒子群算法求解多目标柔性作业车间调调度度问题

柔性作业车间调度问题是生产管理领域和组合优化领域的重要分支.本文提出一种基于Pareto支配的混合粒子群优化算法求解多目标柔性作业车间调度问题.首先采用基于工序排序和机器分配的粒子表达方式,并直接在离散域进行位置更新.其次,提出基于Baldwinian学习策略和模拟退火技术相结合的多目标局部搜索策略,以平衡算法的全局探索能力和局部开发能力.然后引入Pareto支配的概念来比较粒子的优劣性,并采用外部档案保存进化过程中的非支配解.最后用于求解该类问题的经典算例,并与已有算法进行比较,所提算法在收敛性和分布均匀性方面均具有明显优势.

自适应多目标遗传算法在柔性工作车间调度中的应用

针对柔性工作车间调度问题的特点,提出了一种新的自适应多目标遗传算法,其特点包括:同时运用了基于工序顺序和基于机器分配两种交叉变异方法以弥补经典工作车间调度问题中交叉变异操作的局限性;根据遗传算法搜索的历史自适应的调整两种交叉变异方法的概率以提高算法的搜索效率和稳定性;引入多目标遗传算法中的小生境技术以保持种群的多样性;采用精英保留策略保护进化过程中的优秀个体。实验结果证明该算法在多目标柔性工作车间调度问题的应用上,可以产生分布性较好的高质量的解。

改进细菌觅食算法求解柔性作业车间调度问题

针对柔性作业车间调度问题的NP难特性,提出一种改进的细菌觅食优化算法。采用集成法策略同时求解柔性作业车间调度问题的机器分配和工序调度子问题。将细菌个体表示为工序串,建立问题和算法的映射关系;分别针对普通细菌个体和当前最优个体设计了多重趋化操作,以增强算法的局部搜索能力;复制操作设置繁殖阈和死亡阈,以提高对历史经验的继承程度;迁移/驱散操作中,结合改进的LPT启发式规则,提出带倾向性的迁移/驱散操作方式。采用正交试验对算法的重要参数进行了优化配置,通过搜索算子优化效果对比实验证明了正交试验的结论;进行了收敛性能对比实验,证明算法具有优秀的全局开发能力和局部探索能力;典型算例实验结果表明,该算法能够有效求解柔性作业车间调度问题。