基于MOMA的可重入混合流水车间调度问题研究

针对可重入制造系统多具有多品种、大规模、混流生产等特点,构建带批处理机的可重入混合流水车间调度问题(reentrant hybrid flow shop scheduling problem with batch processors,BPRHFSP)模型,提出一种改进的多目标蜉蝣算法(multi-objective mayfly algorithm,MOMA)进行求解。提出了单件加工阶段和批处理阶段的解码规则;设计了基于Logistic混沌映射的反向学习初始化策略、改进的蜉蝣交配和变异策略,提高了算法初始解的质量和局部搜索能力;根据编码规则设计了基于变邻域下降搜索的蜉蝣运动策略,优化了种群方向。通过对不同规模大量测试算例的仿真实验,验证了MOMA相比传统算法求解BP-RHFSP更具有效性和优越性。所提出的模型能够反映生产的基础特征,达到减少最大完工时间、机器负载和碳排放的目的。

考虑运输时间的混合流水车间绿色生产调度

针对运输时间对混合流水车间绿色生产调度的影响这一问题,以最大完工时间、生产能耗及生产成本为优化目标,提出一种改进的多目标麻雀搜索算法(Improved Multi-Objective Sparrow Search Algorithm,IMOSSA)进行求解,参考非支配排序将种群适应度值进行划分、引入正余弦策略提高解集质量、加入多项式变异算子和Levy飞行,提高解集的收敛速度和全局搜索能力,避免陷入局部最优。而后设计16种测试算例,将IMOSSA与其他多目标优化算法进行对比,验证了IMOSSA求解的优越性。最后,以某实际生产车间为例,将其生产调度划分为4种模式,证明算法求解的实用性。

含不相关机的多目标混合流水车间调度

考虑不相关机和传送等因素的多阶段混合流水车间问题,以最小化最大完工时间和总能耗为优化目标建立整数规划模型。针对该问题,提出一种多目标离散灰狼优化算法来求解。设计基于机器分配码和速度选择码的编码方式和基于最短处理时间原则的解码方案;采用反向学习策略改进初始灰狼种群质量;将基于多点变异的自走模式和基于均匀两点交叉与多点交叉的跟随模式结合构成搜索模式以协调开发和搜索能力;引入精英保留策略确保优良个体不丢失。通过一系列的仿真实验验证了该算法的有效性。

考虑能耗和运输的有限缓冲区混合流水车间调度

为解决生产调度不及时、加工过程中能耗过大等问题,构建了有限缓冲区混合流水车间调度优化模型。模型以最小化最大完工时间和车间总能耗为目标,将运输时间、广义能耗和缓冲区容量等资源限制作为约束,并应用开关机节能策略减少待机能耗,验证了优化模型的可行性;设计一种狮群算法,采用随机产生与贪婪选择相结合的种群初始化方法,提高初始解质量和求解效率,验证了狮群算法的优越性。实验结果表明:该算法能有效解决考虑能耗和运输时间的有限缓冲区混合流水车间调度问题,优化模型能依照实际需要进行柔性调节,达到制造型企业合理排产、节能减排的目的。

基于生产数据的混合流水车间动态调度方法研究

在智能制造背景下,物联网等信息技术为制造系统积累了大量数据,同时人工智能等先进方法为车间数据分析和实时控制提供了有效手段。因此,针对不相关并行机混合流水车间调度问题,提出了一种基于生产数据的动态调度方法,以实现订单完工时间最小化。首先以高质量调度方案为基础,从中提取生产特征和调度规则完成样本构建。其次使用Relief F算法过滤冗余生产特征,获得用于训练和预测的调度样本。然后采用融合鲸鱼优化算法的概率神经网络作为调度模型,实现基于调度样本的训练和预测过程。最后,实验结果表明,所提方法具有良好的特征选择能力和较高的预测精度,与其他实时调度方法相比具有更加优越的性能,可以有效地根据车间实时状态指导制造执行过程。

带运输的混合流水车间调度问题的改进遗传算法

为实现分布式制造环境中上下游工序和机器间的协同生产,研究了带有运输的混合流水车间调度问题。以包含加工时间、运输时间和加工等待时间的完工时间最小为目标,建立了带有运输约束的混合流水车间调度模型,基于Q-learning设计了改进的遗传算法(QGA)求解该模型。在该算法中,首先基于工件序号设计编码和遗传算子等遗传操作;然后根据种群适应度函数构建种群的状态集合,以交叉概率和变异概率的取值作为动作,以最佳个体适应度和种群平均适应度作为奖励;最后采用Q-learning对交叉和变异参数进行智能调整,提高算法的收敛速度与全局搜索能力。仿真实验结果表明,与改进的遗传算法(GA-TS)相比,本文QGA的最大完工时间平均减少了2.0%,收敛速度提升了18.1%。

求解复杂混合流水车间调度的改进NSGAII算法

针对砂型铸造车间调度问题中同时存在单机处理、并行处理与批处理的情形,构建复杂混合流水车间调度问题并提出一种改进非支配排序遗传算法求解上述问题。首先,以最小化最大完工时间和总能量消耗为优化目标建立线性规划模型,针对工序特征提出启发式解码规则。其次,提出了基于非支配的交叉对象匹配机制提升可行解的多样性,提出了基于区域中心的贪婪变邻域搜索机制提升可行解质量。最后,对改进算法进行了仿真,证明了算法的有效性。

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。

基于改进多种群候鸟迁徙算法的混合流水车间调度

针对带顺序依赖准备时间的混合流水车间调度(HFS-SDST)问题,以最小化总最大作业完成时间为调度目标,提出一种改进多种群候鸟迁徙优化(IMMBO)算法.算法中个体基于工件加工顺序进行编码,用改进的NEH(MNEH)算法产生初始种群,并按照适应度值分配到各子种群.子种群中领飞鸟和跟飞鸟分别利用串行和并行邻域策略产生邻域个体,如果跟飞鸟优于领飞鸟,二者互换,完成种群内部个体的信息交互;在IMMBO算法中嵌入离散鲸鱼优化策略对各子种群的领飞鸟进行优化,实现子种群之间信息交互;为提高算法的局部搜索(LS)能力,对种群中最优个体执行LS,同时,为了避免算法早熟收敛,针对每个种群的领飞鸟设计了种群多样化控制策略.最后,在实验法调整算法参数的基础上,对IMMBO的4个变体进行了仿真实验,通过测试Ta自适应算例验证IMMBO算法各部分的作用;将IMMBO算法与现有3个算法测试Ta自适应算例,进行实验结果比较,证明了IMMBO算法求解混合车间调度问题的有效性.

改进果蝇算法求解混合流水车间调度问题

针对混合流水车间调度问题(HFSP),本文提出了一种新的基于果蝇算法和变邻域搜索的混合优化方法.首先,将关键块内的工序与同阶段其他机器上的工序进行交换,提出了一种基于关键路径的HFSP新邻域结构.其次,针对HFSP的阶段式解码特性,提出了一种邻域解的快速评估方法,并验证了快速评估方法的高效性.然后,基于提出的新邻域结构,并将N7和K-insertion邻域结构引入HFSP,设计了基于上述3种邻域结构的变邻域搜索方法,以此为基础提出了一种针对HFSP的混合优化方法.最后,通过对Carlier和Liao等经典测试集进行测试,验证了所提新邻域结构的可行性和有效性,并将该方法与其他文献的方法进行了对比,验证了所提方法的优越性.

带运输时间混合流水车间成组调度的协同进化文化基因算法

研究了一类带有序列相关准备时间和阶段间运输时间的混合流水车间成组调度问题,以最小化最大完工时间为目标建立混合整数线性规划模型,结合问题特征提出一种协同进化文化基因算法.算法采用置换序列的方式对工件组间调度、各工件组内工件间调度以及各工件组在各阶段上并行机的指派3个子问题进行统一编码,基于负载均衡思想和改进的先到先得策略将染色体解码为问题的可行解;进化过程中采用多种遗传算子执行全域搜索,并设计了一种基于破坏和重新构造的协同进化局部搜索策略.通过不同问题规模的数据实验和与对比算法的比较分析,验证了所提模型和算法的有效性.

考虑多时间因素的绿色可重入混合流水车间调度问题

针对同时考虑顺序相关调整时间和运输时间等多时间因素的绿色可重入混合流水车间调度问题(GRHFSP-MTF),以最小化最大完工时间和总能耗为目标建立双目标优化模型。针对GRHFSP-MTF的特点,提出一种混合文化基因算法(HMA)。首先,提出了基于工序、机器和转速的三层编码策略;然后,设计了基于贪婪机器选择和完全随机的种群初始化方法、交叉和变异算子以及5种邻域搜索算子;最后,在不改变机器分配和工件排列的前提下,基于降低机器转速手段设计了节能算子。大量仿真实验表明,HMA可以有效地求解考虑多时间因素的绿色可重入混合流水车间调度问题,并具有较强的优越性。

基于机器故障下板式定制家具混合流水车间动态调度研究

针对板式定制家具混合流水车间在制造过程中出现的机器故障问题,通过分别对三种典型的机器故障场景进行了对比分析,生成三种重调度方案。在此基础上,以最小完工时间为目标,构建了一个考虑故障可恢复性的动态调度模型,并采用一种融合ICA算法和完全重调度策略的方法进行求解。结果表明:提出的模型与方法能够有效降低机器故障对生产的影响,使三种故障场景下的调度效率分别提高了8%,16.3%和14.5%,达到了提高车间调度效率,缩短板件完工时间的目的。研究结果可为优化机器故障下板式定制家具企业生产调度问题提供参考。

混合流水车间插单重调度的超启发式遗传算法

针对带有紧急订单的混合流水车间插单重调度问题,提出了一种双层编码的超启发式遗传算法。针对混合流水车间具有的订单排序和机器选择的双决策特征,在算法低层设计双层编码方案,在个体中表示订单排序和机器选择两类信息,对应一个唯一调度解,进而提出了12种排序和选择启发式对个体进行迭代优化;在算法高层采用自适应遗传算法,用来确定订单排序启发式和机器选择启发式的操作组合以及各组合执行的次序,并设计了自适应变异算子来优化算法的有效性。大规模数据实验的结果表明,该算法具有很好的求解质量和求解效率。

反向人工蜂群算法求解混合流水车间调度问题

针对以最小化最大完工时间为优化目标的混合流水车间调度问题,提出一种融合反向学习策略的反向人工蜂群算法求解该问题。首先,根据混合流水车间调度问题的特点,建立了对应的数学模型和仿真优化模型;其次,在寻优过程中为了避免陷入局部最优,分别在种群初始化、雇佣蜂和观察蜂三个阶段引入了反向学习策略,采用两点间逆序策略和元素交换策略加快寻优速度,并采用精英保优策略保留最优解;最后,选取2个实例和21个不同规模的benchmark算例进行仿真实验,通过与相关算法的实验结果进行对比分析,验证了所提算法能有效求解此类问题。

基于改进的粒子群算法的多目标混合流水车间调度研究——评《粒子群优化算法及其在电力电子控制中的应用》

生产计划问题是指为达到特定性能标准,对可共享的资源进行配置和对生产作业进行顺序安排。混合流水车间计划问题在冶金、石化、国防等行业具有很好的实际运用前景,是一种通用的流水作业调度问题和并行作业问题的扩展,具有多约束、多阶段、多目标、高非线性等特征。由于该问题具有较大的特殊性,难以采用常规的数学规划方法来解决。

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。

求解混合流水车间调度问题的分布估计算法

针对混合流水车间调度问题(Hybrid flow-shop scheduling problem,HFSP)的特点,设计了基于排列的编码和解码方法,建立了描述问题解空间的概率模型,进而提出了一种有效的分布估计算法(Estimation of distribution algorithm,EDA).该算法基于概率模型通过采样产生新个体,并基于优势种群更新概率模型的参数.同时,通过实验设计方法对算法参数设置进行了分析并确定了有效的参数组合.最后,通过基于实例的数值仿真以及与已有算法的比较验证了所提算法的有效性和鲁棒性.

一种基于时间窗的多阶段混合流水车间调度方法

考虑同时包含单处理机和批处理机的多阶段混合流水车间调度问题,设计一种基于时间窗的蚁群算法,以最小化最大完工时间为优化目标。在解决整体调度问题的过程中,通过蚁群算法实现工序分派、排序、组批三个阶段的协同优化调度;另外在工件组批阶段加入时间窗策略,利用前瞻性算法动态构建组批方案,通过分析批处理机的时空关系设计合理的组批时间窗,以获得较高的机器利用率。试验结果表明,与无时间窗的蚁群算法相比,时间窗策略在确保最小化最大完工时间的同时,提高了批处理机的利用率;与CPLEX相比,基于时间窗的蚁群算法在最大完工时间和计算效率方面均有较大优势。蚁群算法与时间窗的结合兼顾了多个阶段多种机型的生产特点,适用于解决多阶段混合流水车间的调度问题。