融入概率学习的混合差分进化算法求解绿色分布式可重入作业车间调度

本文针对绿色分布式可重入作业车间调度问题(GDRJSSP),提出一种融入概率学习的混合差分进化算法(HDE PL),以实现最大完工时间和总能耗最小.根据GDRJSSP的问题特点,设计编码和解码规则,并采用差分进化算法执行全局搜索来发现优质解区域.为能更明确地引导全局搜索方向,设计基于贝叶斯网络结构的多维概率模型合理学习和积累优质解(即当前种群中的较优解)的模式信息.结合问题解的结构特征,提出基于关键路径的4种邻域结构来构造局部搜索,并设计基于非关键路径的节能策略来提升算法获取低能耗非劣解的能力.仿真实验和算法对比验证了HDE PL可有效求解GDRJSSP.

考虑AGV运输和机器转速的作业车间绿色调度研究

在车间实际生产中,机器在加工状态和空载状态下都需要消耗能量,且机器在不同转速下的能耗也不同。此外,随着自动导引车(AGV)在车间的广泛应用,其能耗也不可忽略,因此对考虑AGV和机器转速的作业车间绿色调度问题进行研究具有重要意义。完工时间不仅被认为是表示车间生产效率的指标,而且在一定程度上意味着机器空载能耗的减少、机器利用率的提高。为此,对考虑AGV运输和机器转速的作业车间完工时间和能耗优化问题进行了研究。首先,对作业车间机器的能耗、AGV能耗进行了分析,探讨了AGV、工件和机器之间的工艺约束,建立了考虑AGV运输和机器转速的作业车间绿色调度模型;然后,采用两阶段优化的方式分别对完工时间和车间总能耗进行了优化,在第一阶段,机器以最高转速进行了加工,采用改进麻雀搜索算法对其最大完工时间进行了优化;在第二阶段,在保证第一阶段优化得到的完工时间最小值不变的前提下,提出了一种间隙档位调整策略,通过降低部分工序的机器转速来降低车间能源消耗,实现对车间总能耗的优化;最后,采用标准用例对算法进行了仿真实验。研究结果表明:在第一阶段采用改进麻雀搜索算法,提高了种群质量,加快了算法的收敛速度,算法具有较强的跳出局部最优能力;第二阶段在保证完工时间的基础上,采取间隙档位调整策略来降低能耗,通过10个用例测试表明能耗可减少1.13%~5.18%。该结果验证了考虑AGV和机器转速绿色调度模型的正确性以及改进麻雀算法的有效性。

分布式多柔性装配作业车间调度问题研究

针对分布式柔性装配作业车间环境,综合考虑了调度过程中的机器选择柔性、工人安排柔性和工序顺序柔性,构建了以最小化最大完工时间和最小化总能耗为优化目标的分布式多柔性装配作业车间调度问题(DMFAJSP)的数学模型。为求解DMFAJSP模型,提出了一种以分布估计算法为全局搜索组件、以邻域搜索算子为局部搜索组件的多维模因算法(MDMA)。最后,将所提出的算法与其他算法进行了对比试验,结果表明MDMA算法在求解DMFAJSP模型方面具有显著优势。

面向绿色制造的一类模糊调度模型及其算法

绿色制造是一种综合考虑环境影响和资源效率的现代制造模式,由于其生产系统的复杂性和不确定性,使得工序的加工时间和生产成本等数据用模糊数表示更加符合生产实际。为优化调度过程中的产品质量、生产成本、资源消耗、环境污染和生产周期,建立了面向绿色制造的模糊调度模型。将多目标遗传算法与模糊优选技术相结合对该模型求解,并用案例验证了模型的实用性和算法的可行性。

机器多转速的柔性作业车间绿色调度问题

为了减少制造过程中的能耗,从生产运作的角度探讨了如何在制造业生产调度中实现绿色制造。以柔性作业车间调度问题为背景,考虑了机器多转速,在不影响生产进度的前提下通过调节机器转速来实现绿色制造。首先建立了考虑机器多转速的柔性作业车间调度优化模型,构建了能耗计算模型;然后依据带精英策略的非支配排序遗传算法的框架,提出了综合考虑完工时间和能源消耗的低碳调度算法,设计了多种变异方式,提出了精英保留与末位淘汰的选择方式;最后的数值实验结果表明,所提算法能够很好地求解此类问题。

考虑机床折旧的柔性作业车间绿色调度算法

针对具有机器柔性和机床折旧特性的柔性作业车间调度问题(FJSP),为了降低生产过程的能耗,建立了以最大完工时间和能耗加权的和最小为优化目标的数学模型,并提出了一种改进遗传算法(IGA)。首先,根据遗传算法(GA)随机性强的特点,引入正交试验的均衡分散原则生成初始种群,用于提高在全局范围的搜索性能;然后,为了克服交叉操作后的基因冲突,采用三维实数的编码方式并结合双个体算术交叉用于染色体交叉,减少了冲突检测步骤,提高了求解速度;最后,在变异操作阶段采用了动态步长的方式进行基因变异,保证了全局范围内的局部搜索能力。通过对8个Brandimarte算例进行仿真测试,并与近年来3个改进启发式算法进行对比,计算结果表明该算法求解FJSP的有效性和可行性。

分时电价下多目标绿色可重入混合流水车间调度

针对多目标绿色可重入混合流水车间调度问题(RHFSP)的特点,在机器分配和工序排序的基础上引入分时电价机制,构建了以最小化最大完工时间、总能耗成本和碳排放为目标的绿色调度优化模型,提出了一种改进的多目标文化基因算法(MOMA)来求解该问题,通过数值实验验证了所设计的MOMA算法的可行性。实验结果表明MOMA算法在非劣解的收敛性、多样性和支配性指标方面都显著优于多目标蚁狮优化算法(MOALO)、多目标粒子群优化算法(MOPSO)和带精英策略的非支配排序遗传算法(NSGA-Ⅱ),四种算法的分布性指标无显著差异。所提出的模型能够使企业有效避开高电价时段作业,合理转移用电负荷,达到降低总用电成本和碳排放的目的。

基于EDA的绿色零等待作业车间调度问题求解

针对绿色零等待作业车间调度问题,本文提出一种基于分布估计算法(Estimation of Distribution Algorithm,EDA)的多目标优化算法,用于最小化最大完工时间和总能量消耗.采用双种群增加种群的多样性,并加入启发式操作NEH(Nawaz-Enscore-Ham,NEH)来提高初始解的质量.设计自适应学习速率来控制优良解信息在整个算法搜索过程中的引导作用.结合零等待作业车间调度问题的结构性质与解码方式,提出基于前端省略的快速评价方法,同时利用Insert操作构建两种局部搜索策略,进而加强算法的搜索效率和深度.通过仿真实验和算法对比验证所提算法的有效性.

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。

面向绿色制造的轴承生产车间多目标调度优化

针对高性能轴承零部件的加工过程,以最大完工时间、机器加工碳排放量和磨削液使用量为目标函数,对轴承零部件加工的绿色车间调度问题进行研究.将轴承零部件的加工过程细化为启动、装夹、加工、卸夹、待机和关闭共6个流程,建立多目标绿色调度数学模型;提出了改进的多目标遗传算法进行求解,采用融合工序选择和机器选择的分段式编码方式,并在交叉、变异等步骤进行改进,提高算法收敛性;最后以某轴承公司的轴承零部件加工过程为例进行案例分析与对比试验,并通过大规模数据测试与分析.结果表明,所提模型可以得到更低的完工时间、碳排放量和磨削液使用量,从而验证了所提模型的科学性和有效性.

考虑生产过程能耗的多目标绿色作业车间调度问题研究

针对制造车间生产过程中机器不同运行状态下的能耗协同优化问题,构建了考虑生产过程能耗的多目标绿色作业车间调度问题模型。该调度模型考虑到机器启/停能耗、机器预加热能耗、加工能耗、空载能耗、工件运输能耗、低压低频待机能耗以及生产辅助能耗对总能耗的影响,根据该模型特点设计了基于邻域排挤机制、改进拥挤距离计算方式和邻域搜索策略的改进NSGA-Ⅱ算法进行求解。最后,通过基准算例和实际工程案例进行测试,结果表明所构建的模型和改进NSGA-Ⅱ算法求解考虑生产过程能耗的多目标绿色作业车间调度问题是切实可行的,能够更加有效地指导实际车间生产。

绿色柔性作业车间调度问题研究综述

在绿色制造的背景下,制造车间需要兼顾生产效率和环境可持续性,车间调度作为生产制造过程中的重要环节,是影响绿色制造的关键因素之一。随着生产设备智能化程度的提高,柔性作业成为生产实践中最为常见的车间生产组织形式之一,研究柔性作业车间调度具有很强的现实意义和理论意义。文中根据以往学者对绿色柔性车间调度问题的研究,从问题复杂度、研究方法、应用三个方面展开综述,并展望该领域的未来研究方向,以期为该领域未来研究提供一定的理论支持。

知识驱动的模因算法求解分布式绿色柔性调度

为求解以最小化最大完工时间和总能量消耗为目标的多目标分布式柔性作业车间调度问题,提出了混合多目标模因算法.设计了集成工序优先交叉、通用交叉和双点交换交叉的全局搜索算子,提出了基于析取图和临界块的变邻域搜索算子以加强收敛能力,针对总能量消耗的目标,提出了从半主动解码到主动解码再到全主动解码的节能策略.为了验证提出算法的有效性,设计了大量实验(包括田口正交实验、分离实验和对比实验),并对比了其他研究者最近提出的算法,实验结果表明提出的算法在分布式绿色柔性作业车间调度问题上效果优于对比算法.