基于免疫和模拟退火原理的柔性Job-Shop调度研究

为了研究柔性Job-Shop调度的不同解法,采用免疫和模拟退化原理求解柔性Job-Shop调度问题。研究了柔性处理问题,提出两种调度策略;分析了算法混合的思想,提出了免疫模拟退火算法。分别采用不同调度策略,使用不同调度算法对多种国际标准算例进行了仿真,仿真结果表明,该模型、策略和算法能够解决柔性Job-Shop调度问题。

求解柔性Job-shop调度问题的混合粒子群算法

针对柔性Job-shop调度问题,提出了一种混合粒子群算法,该算法对设备分配和工序调度采用不同的编码方法和更新方式,提出了基于设备的初始化算法和基于工件序列的初始化算法来提高PSO初始种群的质量,同时提出了4种不同的邻域结构,分别实现了基于此四种邻域结构的模拟退火搜索算法,将它与粒子群算法进行有效混合来提高粒子群算法的局部搜索能力,实验表明HPSO的有效性.

改进遗传算法求解柔性job-shop调度问题

本文提出了一种改进遗传算法用于求解柔性作业调度问题 (FJSP) .针对工序在不同的机器上加工的差异性 ,我们提出了用能力系数来表征机器的加工能力 ,不仅可以简化处理而且也较为符合实际情况 .该改进算法通过轮换的方法 ,将加工任务分配到不同的并行机器上去执行 ,有利于机器的负载平衡 .同时 ,在方法的实现过程中 ,利用面向对象的思想 ,将问题进行抽象 ,用不同的类封装车间 ,机器和工序信息 ,这不仅符合现代编程风格 ,简化编程 ,也有利于系统的扩展和重构 .仿真结果表明 ,不仅整个加工过程的执行时间得到了优化 ,而且各类机器完成的操作数相同 ,使用的时间也较为平均 ,达到了设计目标 .同时该方法的计算速度也较快 。

基于混合粒子群算法的多目标柔性Job-Shop调度方法

针对经典Job-Shop调度问题的局限性,提出了以时间、成本、质量三者综合为优化目标,具有柔性Job-Shop车间调度的优化模型。给出了优化目标的计算方法,并设计了混合粒子群算法,给出了使用此算法求解模型的具体实现过程。模型采用工序能力指数对质量目标进行量化,并采用综合评判线性加权模型解决柔性Job-Shop算法的权重选择问题,使决策者能够根据实际情况选择优化目标的偏好解。通过一个车间调度问题的实例验证了此调度模型和算法的有效性。

基于免疫算法的多目标柔性job-shop调度研究

建立了多目标柔性job-shop调度模型;然后提出了带有保优机制免疫算法,利用免疫记忆、接种疫苗等机制,在算法中保留并充分利用每代最优抗体和局部最优基因,使算法加快收敛;针对这类调度的柔性,提出基于工序设备双层抗体编码方案和基于设备能力空间的解码方案;采用多目标分级评价方法同时对时间、设备和成本等多目标进行评价和优化.最后,用Benchm ark标准问题的仿真和西安航空发动机(集团)有限公司的调度实例验证了算法、策略和调度模型的有效性和优越性.

基于混合微粒群优化的多目标柔性Job-shop调度

应用传统方法求解多目标柔性Job-shop调度问题是十分困难的,微粒群优化采用基于种群的搜索方式,融合了局部搜索和全局搜索,具有很高的搜索效率.模拟退火算法使用概率来避免陷入局部最优,整个搜索过程可由冷却表来控制.通过对这两种算法的合理组合,建立了一种快速且易于实现的新的混合优化算法.实例计算以及与其他算法的比较说明,该算法是求解多目标柔性Job-shop调度问题的可行且高效的方法.

免疫遗传算法在柔性Job-shop调度问题中的应用

借鉴生物免疫机理提出了一种求解柔性Job shop车间调度问题的免疫遗传算法.仿真结果表明,该算法有效地避免了传统遗传算法中因选择压力过大造成早熟现象的发生,显著地提高了遗传算法(GA)对全局最优解的搜索能力和收敛速度,这将使遗传算法在众多实际的优化问题上具有更广泛的应用前景.

基于适应度分析的AGA求解柔性Job-shop调度问题

针对柔性作业车间调度问题(FJSP)求解过程中具有的阶段性特点和遗传算法(GA)自身的演进特性,结合目前求解FJSP的GA所存在的问题,文中提出一种基于适应度值及其分布进行调整的自适应遗传算法(AGA)。在分析传统GA求解FJSP过程中各典型阶段的适应度分布特点基础上,提取适应度分布范围W和最优值所占比例F作为识别、区分各阶段的表征性参数。并结合各阶段特点提出合理的参数设置。实例证明该算法求解加速了收敛过程,提高了搜索效率,在避免陷入局部最优的同时提高了求解精度。

遗传算法在多目标柔性Job-Shop调度中应用

针对Job-Shop调度问题,提出了一种双染色体的遗传算法编码新方法,采用对染色体的分离交叉重组操作生成更多的优秀个体,设计了多种群、遗传参数自适应调整来提高种群的多样性。使用优势档案群保存当代最优Pareto解。最后给出仿真结果,与经典的遗传算法求得的结果比较,证明了该算法的有效性和先进性。

考虑柔性电/热负荷的综合能源系统分布鲁棒优化调度

综合能源系统(integrated energy system,IES)的效益分析不仅取决于能源供给侧的调度方案,也受到需求侧用能方式的影响。基于此,在IES的需求侧引入柔性负荷响应,以平滑负荷曲线,进一步提升IES的风电消纳能力和经济效益;同时为尽量减小供能侧风电出力不确定性的影响、实现调度方案鲁棒性与经济性的均衡,构建了考虑柔性电负荷和柔性热负荷的IES两阶段分布鲁棒优化调度模型:预调度阶段以IES的日前综合调度成本最低为目标;再调度阶段以风电历史数据为基础,寻找最恶劣风电出力概率分布下的最优机组调节方案,并使用列约束生成算法进行求解。最后,采用算例验证了该模型的有效性。

考虑柔性设备加工能力的综合调度算法

现有柔性综合调度研究中,没有考虑设备系统的协同加工能力,从而降低了设备系统高密加工和快速加工能力。针对此问题,文章将柔性设备可进行加工的工序数作为优化对象、以竞争资源较为紧张的设备资源为优化要素,提出了考虑柔性设备加工能力的综合调度算法(ISA-CPCFE):首先,采用优先调度层级较高与加工时长较短的工序的策略,提高了工序并行调度的力度;其次,提出一种最小化调度标尺与动态调整柔性设备优先级的策略,进一步提高了设备紧凑调度的力度。最后,将ISA-CPCFE算法与基于剪枝分层、基于设备驱动、基于实际路径、基于逆序层优先的算法进行对比实验。结果表明:ISA-CPCFE算法实现了复杂产品加工时间更短、柔性设备系统整体利用率更高的优化目标,调度效果更优。

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。

基于改进生物迁徙算法的双资源柔性作业车间节能调度问题

节能调度是面向绿色制造的车间调度问题,已成为制造领域的研究热点。针对具有机器和工人双资源约束的柔性作业车间,综合考虑工人学习效应和工件运输时间的影响,以最小化车间能耗为目标,提出一种改进的生物迁徙算法(MBMA)。该算法采用基于工件-机器-工人的三段式编码方法表示调度解,并设计了一种种群初始化方法,以改善初始调度解的质量。考虑到基本生物迁徙算法无法直接应用于离散车间调度问题,提出一种基于交叉操作的离散迁徙算子,使算法能够直接在离散调度空间内进行搜索。此外,在迁徙算子中引入转换概率动态调整策略,以平衡算法探索与开发能力,另外增加了一种记忆池机制,避免算法过早收敛。对于个体更新算子,设计了一种局部搜索算法嵌入其中,以增强算法局部搜索能力。大量实验结果表明,MBMA算法的计算结果优于其他算法。

基于改进鲸鱼优化算法的AGV柔性作业车间多目标优化调度

针对柔性作业车间的自动引导车辆(Automated Guided Vehicle,AGV)调度问题,基于可持续视角,考虑车间能耗问题,在机器和AVG数量均存在数量约束的条件下,以最小化最大完工时间、车间能耗和AGV使用数量为优化目标构建可持续柔性车间调度模型。首先,设计一种改进鲸鱼优化算法(Improved Whale Optimization Algorithm,IWOA),在标准的鲸鱼优化算法的基础上引入非线性收敛因子和自适应惯性权重以提升算法的搜索能力和收敛速度;其次,使用模糊隶属度理论构建了损失函数,以获得多目标模型的最优折衷解;最后,基于算例实验验证算法性能。实验结果表明改进鲸鱼优化算法在求解2个算例时均表现出良好的效果,为求解采用AGV运输的可持续柔性作业车间多目标优化调度提供了一种有效的实践途径。

动态上下料路径下柔性产品族生产调度研究

针对汽车零部件柔性产品族制造单元考虑工序间动态上下料路径与时间的生产调度求解问题,文中提出一种用于动态上下料路径柔性作业调度问题优化的自适应离散差分进化算法。通过自适应缩放参数实现收敛速度提升,构建基于矩阵映射的离散编码规则实现变异操作离散化及基于机器人实际运动路径的动态调度解码。通过对某平台化车型架构的转向器壳体加工单元实例分析并验证了算法有效性及优越性。

改进文化基因算法求解双资源约束柔性作业车间调度问题

针对具有机器和工人的双资源约束柔性作业车间调度问题,以最小化最大完工时间为目标构建调度模型,并设计一种改进文化基因算法对其进行求解。由于该调度问题需要同时考虑工序排序、机器选择及工人选择3个子问题,故采用三层序列编码。考虑传统解码方式存在收敛速度慢、收敛不完全的弊端,设计一种扩展型插入式主动解码方式,以提高算法的收敛速度;针对进化算法易陷入局部最优的缺陷,设计一种基于负载平衡的机器和工人再分配算子,增强算法的全局搜索能力,对种群中的优秀个体采用改进变邻域搜索以提高算法的局部寻优能力。最后,利用仿真算例及航空设备生产实例进行实验,验证所提算法求解双资源约束调度问题的有效性。

混合遗传变邻域搜索算法求解柔性车间调度问题

针对考虑生产成本的柔性作业车间调度问题(flow job shop scheduling problem, FJSP),以完工时间与加工成本为优化指标,提出一种求解FJSP的混合遗传变邻域搜索算法。根据个体适应度对种群分割,结合自适应交叉概率改进子代种群产生方式;设计两种邻域结构增强算法的局部搜索能力;提出一种基于动态交叉变异概率的优化算法流程提高求解效率。运用提出的算法求解基准实例与实际问题测试,验证了算法的有效性。

基于需求响应的用户侧柔性用能分级调度策略研究

通过需求响应计划和建筑用能的灵活调度增强电网稳定性和供需平衡。基于一栋小型办公建筑的光伏发电、储能设备及地源热泵系统进行用能调度策略的设计,引入两个参数量化建筑柔性用能潜力,根据最大化光伏利用率、优先满足用户刚需、电价低谷时段储能这3个优先级原则开发一个建筑用能管理模块。在TRNSYS中应用该模块建立有用能调度策略的案例3,并与两个参考案例进行对比分析。结果表明,在一个供暖季节内,系统运行成本分别减少了65.4%、56.7%;地源热泵机组运行COP平均值从3.97提高到4.22;建筑日平均负荷转移率高达51.38%。在峰谷电价的市场机制下,对挖掘建筑柔性用能潜力、激励用户采用需求响应计划和提高电网稳定性具有重大意义。

双种群混合遗传算法求解航空复合材料柔性调度问题

考虑航空复合材料柔性车间调度中的运输约束,以最小化完工时间为目标,建立调度模型,提出一种改进的双种群混合遗传算法进行求解。根据问题特点,基于工序排序、机器选择和运输约束3个子问题,设计三层实数编码以及对应解码方案。采用混合初始化提高种群质量,进化过程中采用交叉算子执行全局搜索,为双种群设计基于机器负载平衡和变邻域的局部搜索,提高全局和局部搜索能力。与对比算法相比10个测试算例中BPRD指标取得9个最优,APRD指标全部取得最优,t检验显著性有明显差异,验证算法的优越性。将算法应用于航空复合材料车间中,实现实际生产的调度,验证算法的可行性。

考虑运输时间和机器预维护的柔性作业车间绿色调度

针对柔性作业车间调度问题,在同时考虑运输时间、机器预维护和能耗等约束的情况下,建立了最小化完工时间和总能耗的混合整数规划模型,并提出一种多目标离散Jaya算法进行求解。根据问题的特点,设计了基于工序和机器的双层编码方式,并采用均衡加工时间和能耗的种群初始化方法产生高质量的初始种群。为了将解转化为可行有效的调度方案,设计了带有预维护动态调整策略和考虑运输时间的贪婪插入解码方法。根据解的不同情况,采用不同的方式更新个体。将本文设计的算法与常用的多目标优化算法在18组不同规模的测试算例下进行对比分析,验证了所提算法的有效性。实验结果表明,所提算法能够有效解决考虑运输时间和机器预维护的柔性作业车间绿色调度问题。