考虑双资源约束的柔性机械加工车间逆调度问题研究

为提高机械加工车间在动态生产环境下的效率和稳定性,建立了考虑机器与工人约束的柔性机械加工车间逆调度问题模型。该模型以最小化完工时间、机器能耗和逆偏差指数为目标,通过调整工件排产、工人作业以及机加工工艺参数对原始调度方案进行优化。针对问题特征,提出了一种差分进化算法。在算法中,设计了混合双层编码方式以降低搜索难度;提出了两种基于调度规则的初始化方式以提高种群质量;为加强和平衡全局与局部搜索,设计了自适应遗传操作以及基于精英选择的局部搜索策略;改进了哈明距离,并提出了一种拥挤度算子以反映种群真实多样性。在实验中构建了33组测试算例,并将所提算法与其他7种算法进行对比,验证了所提算法性能。最后,分析了某液压缸生产车间在两种不同动态环境下的真实逆调度案例,结果表明,所提算法能够在较小程度改变原始调度的情况下缩短4.2%的完工时间、降低20.2%的机器能耗。

考虑交货期的双资源柔性作业车间节能调度

为解决含有机器和工人双资源约束的柔性作业车间节能调度问题,在考虑交货期的基础上,建立了以总提前和拖期惩罚值及总能耗最小为目标的双资源柔性作业车间节能调度模型。提出了一种改进的非支配排序遗传算法(improved non-dominated sorting genetic algorithmⅡ,INSGA-Ⅱ)进行求解。针对所优化的目标,设计了一种三阶段解码方法以获得高质量的可行解;利用动态自适应交叉和变异算子以获得更多优良个体;改进拥挤距离以获得收敛性和分布性更优的种群。将INSGA-Ⅱ与多种多目标优化算法进行对比分析,实验结果表明所提算法可行且有效。

考虑工人数量配置优化的柔性作业车间调度问题研究

在工人资源紧缺且工人成本增加的背景下,以合理的工人数量配置方案完成制造任务变得至关重要。以往考虑工人约束的柔性作业车间调度研究假设工人的数量是给定的。为实现不同技术水平工人的数量配置及柔性作业车间调度集成优化,考虑工件拖期惩罚成本、工人基础及绩效成本,建立了最小化总成本的混合整数规划模型,并提出了一种改进教学优化算法进行求解。在算法中,采用基于工人数量配置、工序排序、机器选择的三层编码并设计了活动调度解码方法,采用混合启发式初始化方法进行初始化,针对问题特征设计了有效的邻域结构。通过多组算例测试验证了所提算法能确定不同技术水平工人的实际数量并获得优异的调度方案,且在性能上优于对比算法。

基于改进离散蜉蝣算法的双资源柔性车间可持续调度方法

在目前对柔性车间调度问题所进行的研究中,大多忽略了工件运输时间这一因素,并且也很少对可持续发展的经济、环境和社会3个要素进行综合优化。针对这些问题,提出了一种考虑运输时间的双资源柔性车间调度问题(DRCFJSPT)模型。首先,以完工时间、生产成本、能耗和人体工程学风险为优化目标,构建了柔性车间调度数学模型,并结合多目标模型的特点,设计了一种改进离散蜉蝣算法(IDMA),并对模型进行了求解;然后,采用熵值法评价了帕累托解集,基于三层编码并考虑了运输时间的插入式解码方式,设计了混合初始化方法,离散改进了蜉蝣更新方式;最后,为了验证IDMA求解DRCFJSPT的性能,采用MATLAB,对某机床零件加工企业生产数据进行了实验,并将其结果与采用非支配排序遗传算法(NSGA)-Ⅱ得到的结果进行了对比分析。研究结果表明:改进算法的解集质量和收敛性能均显著优于参考算法,通过改进算法求得最优解的最大完工时间为35.94 h,加工成本为6 003.95元,能耗为2 054.54 kW·h,人体工程学风险值为138.16;该结果可为实际复杂的柔性车间调度环境提供清晰准确的调度方案。

求解多目标双资源柔性车间调度问题的改进NSGA-Ⅱ算法

针对操作工人之间存在效率差异的多目标双资源柔性车间调度的问题,构建了以生产时间最小化、生产成本最小化和绿色制造评价系数最小化为目标的柔性车间调度优化模型,并设计了一种改进的NSGA-Ⅱ算法对其求解。首先,采用量子编码对工序进行编码,随后利用小生境技术初始化种群、重复个体控制策略和熵权法选择策略来提升算法效率,避免算法早熟收敛,并选出最优解。最后通过算例和改进前的NSGA-Ⅱ进行对比测试,验证了改进后的NSGA-Ⅱ可以很好的解决上述的柔性车间调度问题。

考虑关键件加工质量的双资源约束车间调度算法

在工人异质性和机床类型多样的资源约束型车间中,针对资源抢占使加工质量向非关键件倾斜从而导致关键件加工质量无法保障的情况,建立了以完工时间为主要优化目标,以关键件加工质量、整体加工质量为辅助优化目标的双资源(工人/机床)约束柔性作业车间调度问题模型,并提出一种两级嵌套蚁群算法。首先采用工件候选集、资源候选集生成满足关键件加工要求的可行调度解;然后为工序寻找更合适的开工时间,针对机床类型、人机时窗差异设计了基于时窗的活动调度策略以提高算法的局部寻优能力;进而提出了一种保质策略,使关键件和总体工件加工质量水平持续提高;最后,通过算例测试验证了保质策略和两级嵌套蚁群算法的有效性。

双资源约束的柔性作业车间鲁棒调度方法

针对考虑工人技能水平差异和加工时间随机性的设备、工人双资源约束的柔性作业车间调度问题(Flexible job shop scheduling problem,FJSP),构建双资源约束的柔性作业车间鲁棒调度模型(Dual resource constraint flexible job shop robust scheduling problem,DRC-FJRSP)。将粒子群算法(Particle swarm optimization,PSO)的学习机制引入差分算法(Differential evolution,DE)的交叉部分,设计PSO-DE混合求解算法,实现问题的加速求解并有效避免搜索停滞的窘境。选取DE算法、遗传算法(Genetic algorithm,GA)、PSO算法作为对比算法进行仿真试验,试验结果显示,所提出的PSO-DE混合求解算法平均鲁棒性为5.331,在三个仿真算例调度makespan求解中表现最好。验证了DRC-FJRSP模型的合理性以及PSO-DE混合求解算法的鲁棒性。最后,以一个制造企业的FJSP为例进行求解,给出调度甘特图。研究解决了设备、工人资源不足给FJSP带来的加工冲突,降低了加工时间的随机扰动,优化了调度的makespan。

考虑双资源约束的柔性作业车间调度研究

针对考虑工人和机器约束的双资源约束柔性作业车间调度问题,建立了最小化最大完工时间、总成本和工人疲劳值的多目标调度模型,并提出了一种改进NSGA-Ⅱ(INSGA-Ⅱ)算法求解。具体改进包括设计了3层编码方案以及插入式解码策略;为提高种群质量,设计了启发式种群初始化策略;为避免算法陷入局部最优,在染色体交叉、变异阶段,设计了自适应调整机制实现种群的动态搜索进化。最后通过多组算例验证了INSGA-Ⅱ算法的有效性和可行性,并通过一组实例验证了所提算法求解实际问题的有效性。