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。

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。

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。

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。

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。

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。

基于服装吊挂系统协同的车间混合流水线布局优化

为适应服装生产企业转型,针对服装制造车间混合流水线生产存在吊挂系统的物料传输路径耗时耗能、各工作台作业负荷时间不均、加工周期长及加工设备资源浪费等问题,根据服装生产工艺流程、工作台资源和加工设备数量受限、理性生产节拍等约束条件,建立物料传输总距离极小化及平滑系数极小化的双目标数学规划模型;设计非支配遗传(NSGA-Ⅱ)算法,对多款式服装生产具体实例进行编程仿真求解,并与多目标粒子群(MOPSO)算法进行优化对比。研究结果表明:NSGA-Ⅱ算法拥有更好的寻优能力,实验得到最优总距离为82 m、最优平滑系数为21.977、最优编制效率为90.2%、最少只需要打开10个工作台和使用18台加工设备,企业可根据不同目标的需要择优选出相应的布局编排方案。

改进Jaya算法求解混合流水车间调度问题

混合流水车间调度问题(HFSP)是广泛存在于流程制造系统中的NP-hard问题。针对最小化完工时间的HFSP,结合Jaya算法和禁忌搜索的优势,提出了一种改进Jaya算法。在该算法迭代更新阶段,根据设计的编码方式提出一种基于路径重连的方法来进行离散更新,以保证种群的多样性,提高全局搜索能力。为提高局部搜索能力,提出融合两种邻域结构的禁忌搜索算法来进一步提高解的质量,并根据问题特性对邻域结构进行适配调整。采用所提算法求解三种基准测试集,在大规模经典测试集中求出新的最优解,在解的质量方面优于当前文献中其他算法,验证了所提算法的有效性和优越性。

分布式异构混合流水车间生产与运输集成调度

为了优化多车间协同的生产与物流集成调度问题,提出一种多目标人工蜂群算法和优化策略。优化算法采用三层编码表示车间序列、工件序列及机器档位,结合车间分配规则、机器选择策略及自动导引运输车分配规则获得问题可行解。雇佣蜂阶段设计一种基于距离选择的聚类交叉操作,保证种群多样性和解的质量;观察蜂阶段采用了基于关键车间的邻域搜索方法,在庞大解空间中实现高效搜索。侦查蜂阶段基于机器档位和工件运输顺序构建了节能调度策略,丰富非支配解集合。对比经典多目标进化算法,数值实验结果显示所提算法的有效性与优越性。

IRF-RL的混合流水车间动态调度方法研究

为适应混合流水车间生产需求,提出了一种基于机器学习的两阶段动态调度方法。在离线挖掘阶段,以历史数据为基础,采用改进随机森林算法建立一个由制造系统生产状态到最优调度规则的知识映射网络,挖掘出有价值的调度规则用于在线决策,跳过预热阶段提高调度效率进而优化调度方案;在线调度阶段,采用强化学习算法对车间状态的实时数据进行分析和训练,根据系统状态的动态变化优化策略选择,以实现对扰动事件的自适应和快速响应能力;仿真实验结果验证了结合数据挖掘和强化学习的两阶段动态调度方法具有可行性和有效性,可充分利用制造数据并在线调度制造执行过程。

求解分布式两阶段混合流水车间调度的反馈人工蜂群算法

针对考虑工厂适用性和附加资源的分布式两阶段混合流水车间调度问题(DTHFSP),本文提出了一种反馈人工蜂群算法(FABC),以最小化最大完成时间和总延迟时间,该算法利用一种新型反馈机制动态调整搜索策略集.为此,本文共设计了5种特点各异的搜索策略,将其用于初始策略集和备选策略集,同时,建立并调整雇佣蜂群和跟随蜂群的共享策略集,雇佣蜂阶段和跟随蜂阶段在种群划分的基础上采用随机选择和自适应选择方式确定搜索策略,在侦查蜂阶段完成后,对搜索策略集进行动态调整.文章进行了大量的计算实验,计算结果表明,FABC策略合理有效,且它对所求解的DTHFSP具有较强的搜索优势.

基于数字孪生仿真的半导体可重入混合流水车间联合调度优化研究

在新一代信息技术与高端制造产业加速融合渗透的背景下,文中针对半导体车间订单动态到达、车间生产信息透明度低的问题,提出了一种基于数字孪生仿真的半导体可重入混合流水车间联合调度方法。首先,设计了一种基于AnyLogic的数字孪生仿真架构,并在此基础上构建了高保真数字孪生仿真模型,对多源异构数据虚实交互、多维多尺度孪生模型运行机理进行了深入探讨;其次,综合考虑最大完工时间、碳排放量和AGV利用率建立联合调度模型,提出了一种结合数字孪生的ENSGA-Ⅱ算法进行求解,并将其嵌入AnyLogic孪生模型实现实时调度;最后,基于差异化场景和半导体车间任务实例,验证了所提方法的有效性。

聚类和NSGA-Ⅱ联合算法在混合流水车间的应用研究

为了改善某高端装备制造企业总装车间混流生产调度困难、批处理阶段产品组批困难的问题,以及实现车间多个目标的同步联合优化,研究了含批处理机的混合流水车间多目标优化问题。首先根据车间运行情况建立了多目标优化模型,之后提出了基于K-means聚类算法和非支配排序遗传算法(NSGA-Ⅱ)的联合方法,设计了能够对不相容产品进行分组的聚类流程,以及基于产品组编号和组内产品编号的双层编码方式,为批处理工序设计了完整的组批流程。最后,使用车间生产案例进行测试,并将测试结果同仅使用NSGA-Ⅱ得到的结果进行对比,验证了所提方法的有效性。

学习驱动的分布式异构混合流水车间批量流能效调度优化

本文研究了分布式异构混合流水车间批量流能效调度问题,其中每个工厂的加工效率不同,工件可以分割成若干子批进入加工系统.以最大完成时间和总能耗为优化目标,建立了混合整数规划模型.本文提出了一种学习驱动的多目标进化算法,包括学习驱动的全局搜索和局部搜索.引入Q学习作为学习引擎,以种群和非支配解集的评价作为环境反馈信号,通过不断的学习来动态指导搜索操作的选择;基于问题特征,设计了算法的状态集、动作集和奖励机制.Q学习的引入能够及时感知当前搜索的状态,减少搜索操作的盲目性,提高搜索的效率.通过对仿真数据集的测试,表明所提出算法能够有效地求解分布式异构混合流水车间批量流能效调度问题.

改进麻雀搜索算法求解带削峰需求响应的混合流水车间调度问题

电力需求响应是用电高峰时期维护电网供需平衡的重要手段,而削峰是智能电网实现电力需求响应的主要方式。为了使采用混合流水车间生产的企业更好地参与削峰需求响应,优化生产调度,在混合流水车间调度问题中引入了削峰需求响应,建立了新的问题模型,并提出了一种改进麻雀搜索算法用于模型求解。针对标准麻雀搜索算法易陷入局部最优的问题,所提算法通过加入K-均值聚类替换策略改进了标准麻雀搜索算法的局部搜索能力。实验结果表明,所提模型和算法能够提供较好的削峰生产调度方案,满足企业实施削峰需求响应调度的需要。

改进迭代贪婪算法求解可重入流水车间调度问题

可重入混合流水车间是在混合流水车间的基础上增加了可重入特性,具有更高的调度复杂性。为了求解可重入混合流水车间调度问题,首先建立了调度优化模型,优化目标为最小化最大完工时间,然后提出一种带精英调整的学习型迭代贪婪算法(LIG-EA)。LIG-EA算法采用基于工件的编码方式,对重组后的染色体进行解码。种群分为精英个体和普通个体两部分,对精英个体进行精英破坏重建和基于关键工件的染色体调整,对普通个体进行学习机制的构建和普通个体的破坏重建。为提高初始种群质量,采用NEH启发式算法进行种群初始化,并针对可重入混合流水车间的重入特性,在重建操作中增加了插入有效性判断,提高了算法的运行速度。通过大量实验表明LIG-EA算法能够有效求解可重入混合流水车间调度问题。

考虑特殊时间约束的混合流水车间调度

针对等待时间受限的准时制混合流水车间调度问题,建立其约束满足优化模型。考虑到模型具有二元变量的复杂性特点,将原问题分解为多能力流水车间调度和机器指派两个子问题。在对多能力流水车间调度问题的约束满足优化求解过程中嵌入邻域搜索,从而提高算法的收敛性。数据实验表明模型和算法是可行和有效的。