绿色作业车间机器与AGV的集成调度研究

针对加工资源和运输资源集成下绿色作业车间调度问题,通过研究生产车间综合能耗模型,建立了机器和自动导引小车(Automated guided vehicle,AGV)集成调度下多目标优化模型。提出一种改进分布估计算法(Improved estimation of distribution algorithm,IEDA)对模型进行求解。首先,采用优良种群作为样本学习来构建概率分布模型以提高IEDA的全局搜索能力;然后基于一种类似激素调控机制的速度冷却控制方法设计出新的模拟退火函数,并将其融入到分布估计算法中以提高IEDA的局部搜索能力。最后通过数值实验来验证所提模型和算法的可行性和有效性。

基于遗传退火算法的绿色作业车间调度

绿色制造和智能制造是工业发展的两大趋势,针对目前作业车间能耗大、设备利用率低,以及产品拖期严重等问题,以智能制造业环境中的作业车间为研究对象,建立了以车间总能耗和总拖期惩罚为优化目标的多目标调度模型,并通过设置权重系数来调节优化目标决策偏好;基于遗传算法收敛速度快、全局搜索能力强,以及模拟退火算法突跳性强的特点,设计一种新型的遗传退火算法对问题进行求解。在算法设计中提出新的退火函数,同时结合回火机制,可有效地求出车间总能耗与总拖期惩罚的关系。最后,通过实例验证该模型的可行性和所提算法的有效性。

考虑机器能耗的绿色作业车间调度问题

针对传统作业车间调度,在保证交货期的前提下,以机器能耗最小为目标研究带有关机/重启策略的绿色车间调度问题。首先建立数学规划模型,然后在遗传算法的框架下,根据问题特点提出了一种局部调整的解码方式,在排产时进行工序的移动并确定其开始加工时刻。最后进行小规模算例运算,验证数学规划模型的有效性,再利用算例对基于局部调整解码和顺序解码的遗传算法进行对比测试,结果表明提出的局部调整解码可以在降低机器能耗的同时提高求解效率。

面向绿色智能制造的高维多目标动态作业车间调度优化

在当前环境问题日益严峻情况下,绿色智能制造受到广泛关注。在动态柔性作业车间基础上考虑不同机器状态下的能耗情况、机器使用节能方法,构建以极小化总能耗、最大完工时间、机器总负荷和产品质量稳定性为目标的高维多目标绿色动态柔性作业车间调度模型,并设计改进的灰狼优化IMOGWO算法求解该问题。首先,采用反向学习初始化种群策略,以扩大种群多样性;然后,依据多目标问题和标准GWO算法的特点提出多级官员领导机制,并引入POX交叉和逆序变异算子;最后,改进精英保留策略用于多目标优化算法。为证明算法的有效性,设计两组仿真实验分别对三种算法进行比较。实验结果表明,运用本文改进的IMOGWO算法求解多目标问题有更好的收敛性和分布性。

基于改进人工蜂群算法的多目标绿色柔性作业车间调度研究

针对多目标绿色柔性作业车间调度问题(MGFJSP)的特点,提出从碳排放量、噪声和废弃物这3个指标来综合评定环境污染程度,建立了以最小化最大完成时间和环境污染程度为优化目标的MGFJSP模型,并提出了一种改进的人工蜂群算法来求解该模型。算法的具体改进包括:设计了一种三维向量的编码和对应解码方案,在跟随蜂搜索阶段引入一种有效的动态邻域搜索操作来提高算法的局部搜索能力,在侦查蜂阶段提出产生新食物源的策略用于增加种群的多样性。最后进行了实验研究与算法对比,以验证所建模型和所提算法的有效性。

考虑调整时间的绿色柔性作业车间调度研究

针对传统绿色车间调度未考虑机床调整时间的问题,对机床在调整模式下和加工模式下的完工时间和总能耗进行了研究。梳理了机床在不同模式下的能耗和完工时间特点,建立了带有调整时间的绿色柔性作业车间调度模型,利用加权归一法将多目标量纲进行了统一,提出了头脑风暴优化算法;采用了多层编码方式,优化了机器选择和工序排序问题;引进了在旧解的基础上产生新解和用数据分析方法筛选较优解的迭代方式,增强了局部和全局搜索能力;在MATLAB仿真平台对标杆案例和生产实例进行了测试。研究结果表明:基于改进头脑风暴优化算法的调度方案是可行和有效的;该算法的收敛精度更高、收敛速度更快。

一种遗传-贪婪融合算法求解多目标绿色柔性车间调度问题

对含有绿色指标的多目标柔性作业车间调度问题,建立的数学模型以最大完工时间、能耗和机器负荷为优化目标。设计了一种基于遗传与贪婪算法思想的混合算法(GGFA)对问题进行求解。求解过程分为两个阶段,第一阶段是遗传算子对工序寻优,第二阶段是贪婪算子对机器寻优。通过标准算例的测试和与其他算法结果的对比,证明了算法的可行和有效。

自适应Jaya算法求解多目标柔性车间绿色调度问题

针对多目标柔性作业车间绿色调度问题(MO-FJGSP),建立优化目标为最大完工时间、机器总负荷和能耗最小的多目标数学模型,并设计一种基于Pareto最优解的自适应多目标Jaya算法(SAMO-Jaya)对该问题进行优化求解.算法采用两级实数编码方式实现工序排序与机器分配的编码表示,并设计一种转换机制实现将Jaya连续解空间映射至FJSP离散解空间;然后设计一种混沌序列与均匀分布相结合的混合策略以提高初始种群的质量与全局分散性;此外,在Jaya算法中嵌入自适应调整种群规模的方法以提高算法求解速度.通过10个单目标与3个多目标基准算例测试,并与7个已有算法进行对比分析,结果表明SAMO-Jaya算法能够对MO-FJGSP进行有效求解.