柔性作业车间

摘要： 针对考虑工件加工时间不确定性的模糊分布式柔性作业车间调度问题(fuzzy Distributed Flexible Job Shop Scheduling Problem,fDFJSP),将加工时间用三角模糊数表示,以最小化最大模糊完工时间为优化目标,提出一种改进的人工蜂群算法进行求解。针对fDFJSP的分布式特点,设计了基于车间-工序-机器的三层编码方式,针对不同编码层,采用多种混合搜索策略,以提升算法的邻域和全局搜索能力。为测试算法的性能,设计了2组实验对5个算例进行测试,并与代表性算法进行对比。结果表明,所提算法结果总体优于其他对比算法,能够有效求解具有模糊加工时间的模糊分布式柔性作业车间调度问题。

摘要： 针对车间生产过程中加工机器的生产时间分配不均导致的机器负载过大、机器闲置等问题,建立了一个包含均衡化机器使用率的多目标柔性作业车间调度模型,设计了一种改进遗传算法,使用了POX交叉算子和多点交叉法,采用了基于邻域的变异算子。最后通过实验结果验证了该算法适用于求解该类多目标柔性作业车间调度问题,改进的算法也优于其他对比算法。

摘要： 针对启发式算法通用性较差的问题,建立了多目标柔性作业车间绿色调度模型,设计了一种超启发式遗传算法对问题进行求解。首先,建立了以最大完工时间和最小能耗为目标的柔性作业车间绿色调度模型,并设计了超启发式遗传算法对模型进行优化求解;然后,对于高层启发式策略采用遗传算法,随机生成初始种群,对种群进行了选择、交叉和变异操作,并且在常规算子基础上,结合柔性作业车间调度特点设计了9种适应该问题的算子,同时对于低层问题域种群采用了贪婪初始化方法生成;最后,通过基准算例验证了算法的运行效率,通过实例验证了算法的性能。研究结果表明:与参考算法相比,采用贪婪初始化生成初始种群的算法其收敛速度较快,运行效率较高,且不容易陷入局部最优;通过超启发式遗传算法获得的解中最大完工时间的最小值为64,最小能耗为647,解的质量不差于其它算法,算法的通用性较强。

摘要： 多目标调度问题能够有效的缩短交付日期,提高企业的资源利用率、产品质量以及竞争力,对于企业管理至关重要。为了有效解决多目标调度问题,提出自适应权重因子以适应不同的调度环境,采用自适应步长和迁移的方式提高SOMA算法的性能,最后利用4×6调度问题验证了算法的可行性。

摘要： 针对以最大完成时间为目标的柔性作业车间调度问题,提出了一种改进的混合蛙跳算法。首先,采用混合启发式规则生成高质量的初始种群,为算法进化提供一个优质起点;其次,在解码部分采用贪婪插入解码方法,提供多个满足条件的可插入空闲时间段,实现对解空间的高效搜索;基于机器负载平衡的局部搜索方法,弥补算法在局部搜索能力上的不足,加快了算法的收敛;最后,通过BRDATA基准算例验证改进蛙跳算法的性能,结果表明改进的混合蛙跳算法具有良好的寻优能力与较好的收敛性。

摘要： 多资源受限柔性作业车间调度问题(MRC-FJSP,multi-resource constrained flexible job shop scheduling problem)是一类复杂的组合优化问题。针对以最小化最大完工时间为目标的MRC-FJSP,提出了一种带随机网络的多种群粒子群优化算法(MPSO-RDnet,multi-population particle swarm optimization algorithm with random network)。首先,设计了一种半主动解码和基于启发式规则解码相结合的新型解码方式,对原有解空间进行有效裁剪。其次,提出了基于关键路径的两种邻域结构,提高算法局部搜索能力;引入了基于随机网络的多种群策略,提高算法全局搜索能力;提出了面向算法搜索停滞问题的重新初始化策略,增强算法的鲁棒性。最后,采用MRC-FJSP基准算例SFTSP进行测试,验证了算法的可行性和有效性。

摘要： 柔性作业车间机器在生产过程中时常发生退化故障和突发故障,针对这种混合故障,考虑用预防性维护来防止退化故障,通过插入缓冲时间的方式来吸收突发故障的影响。分别以工序最终完工时间期望值和各工序加工完成时间的延迟总和期望值为质和解的鲁棒性指标,建立柔性作业车间鲁棒性调度优化模型,并设计引入混合故障概率矩阵的改进遗传算法对模型求解,联合决策工序加工顺序、预防性维护位置和缓冲时间位置,同时优化调度方案的鲁棒性。最后通过数值实验与对比分析验证了此鲁棒调度方法能有效应对车间混合故障造成的扰动。

摘要： 针对以最小化最大完工时间的柔性作业车间调度问题,在标准樽海鞘群算法(salp swarm slgorithm,SSA)的基础上,提出一种改进的樽海鞘群算法。采用基于工序和基于设备的二维向量进行编码,并考虑设备负载进行种群初始化。基于Lévy飞行对领导者位置更新方式进行离散化改进;在追随者位置更新公式中引入自适应惯性权重,使算法的全局搜索和局部搜索能力得到更好的平衡。为提高搜索效率,设计了交叉算子和基于关键路径的变异算子来保证种群的多样性,同时引入模拟退火(simulated annealing,SA)策略,改善算法的局部搜索能力。通过采用标准算例进行对比计算,结果验证了所提算法的有效性。

摘要： 针对最小化最大完工时间目标的柔性作业车间调度问题,提出了一种改进的遗传算法。在染色体编码方式上,与众多相关研究中所采用两级编码的方式不同,仅采用了基于操作的编码,极大简化了遗传操作。提出一种以最早完成时刻为规则的解码算法解决机器指派决策问题,并充分利用机器空闲时间。将算法应用在BRData基准算例上进行仿真验证。通过与其它文献中的实验结果进行对比,验证了所提改进遗传算法的正确性、可行性和有效性,且具有较高的求解效率。

摘要： 为适应批量生产模式对车间调度的需求转变,对柔性作业车间分批调度问题进行了综述与展望。首先从问题描述、求解策略两个方面对柔性作业车间分批调度问题进行介绍;接着从等量分批和柔性分批两种分批方式的角度综述了当前柔性作业车间分批调度问题在国内外的研究现状;最后提出了柔性作业车间分批调度问题尚需深入研究和完善的问题,对未来研究工作提出了建议。

摘要： 针对柔性作业车间调度问题,构建了以最大完工时间和总加工能耗最小为优化目标的多目标调度模型.发展了改进的混合蛙跳算法,通过设计基于MPX(Maximum Preserved Crossover)操作和单亲遗传算法基因移位操作的局部更新策略,避免了算法的非法解产生和修整,加快了算法寻优速率.并通过简化邻域寻优策略对组内最优解进行优化,防止算法陷入局部最优.通过求解某企业生产车间实例,得出了不同权重下的调度方案,并对比标准混合蛙跳算法下的最大完工时间和加工能耗,证明了算法的有效性.

摘要： 为解决在扰动情况下的负荷不均和能耗问题,构建了以平均流经时间和能耗为优化目标的柔性作业车间调度模型.针对上述模型,设计了一种遗传算法和模拟退火算法相结合的GASA(Genetic and Simulated annealing Algorithm)算法,通过遗传算法的选择交叉变异操作产生一组新个体,对各个个体进行模拟退火过程,以避免陷入局部最优.针对柔性作业车间动态调度,在机器故障的扰动情况下,采用滚动窗口技术与GASA算法相结合的方法来求解动态调度问题.通过实验算例仿真,证明了算法的有效性.

摘要： 柔性作业车间分批调度中,不同工序的加工工时、准备时间不同,其适合批量大小不尽相同;同工件工序因机器选择不同也会对适合批量大小造成影响;另外在工序间具有约束关系的情况下,不同工序批量大小的选择也将影响到加工效率.考虑到不同工序具有各自适合批量大小,首次提出基于工序分批的调度问题,建立以关键路径工序为中心的分批调度模型,该模型动态更新可加工工序子批集,同时更新机器选择,及时调整加工路线,为不同工序安排大小合适的批量,以达到优化完工时间、有效降低加工批次的目的.实验结果表明,相比基于工件分批的调度,本模型在优化最大完工时间、提高机器利用率的同时,大幅减少了加工批次数量(42％),降低了车间调度管理的复杂度.

摘要： 针对考虑存在异质性员工的多目标柔性作业车间调度问题,构建行为调度模型,并提出了变邻域杂草算法解决之.首先,基于随机键编码方式,构造二段式单链杂草,实现了杂草空间与调度空间的相互映射.其次,迭代后期执行变邻域搜索,对精英杂草局部深入挖掘,并通过反解码过程将调度空间的优良解反馈回杂草空间.对一柔性作业车间基准问题求解,变邻域杂草算法在求解数量及质量上较之其他三种算法有一定优势.与两种启发式方法的实验对比表明,改进算法能实现合理派工,从而提高柔性车间运营水平及降低用工成本.变邻域杂草算法是解决车间行为运作的一种有效方法.

摘要： 多品种小批量产品的混合冲压排程直接决定产品的生产效率,频繁的更换模具和机床间的物料流动将延长交货期、增加生产成本.本文以最小化最大完工时间、换模次数最少和最小化加工成本为优化目标,建立包含换模时间、换模成本和运输成本的冲压计划排程模型,并利用基于非支配排序的遗传算法(Non-dominated sorting genetic algorithm II,NSGA-II)进行求解.设计了包含模具信息的染色体编码和解码方式,并利用线性加权法从Pareto解集中筛选出满意解.

摘要： 多品种小批量产品的混合冲压排程直接决定产品的生产效率,频繁的更换模具和机床间的物料流动将延长交货期、增加生产成本.本文以最小化最大完工时间、换模次数最少和最小化加工成本为优化目标,建立包含换模时间、换模成本和运输成本的冲压计划排程模型,并利用基于非支配排序的遗传算法(Non-dominated sorting genetic algorithm II,NSGA-II)进行求解.设计了包含模具信息的染色体编码和解码方式,并利用线性加权法从Pareto解集中筛选出满意解.

摘要： 多品种小批量产品的混合冲压排程直接决定产品的生产效率,频繁的更换模具和机床间的物料流动将延长交货期、增加生产成本.本文以最小化最大完工时间、换模次数最少和最小化加工成本为优化目标,建立包含换模时间、换模成本和运输成本的冲压计划排程模型,并利用基于非支配排序的遗传算法(Non-dominated sorting genetic algorithm II,NSGA-II)进行求解.设计了包含模具信息的染色体编码和解码方式,并利用线性加权法从Pareto解集中筛选出满意解.

摘要： 多品种小批量产品的混合冲压排程直接决定产品的生产效率,频繁的更换模具和机床间的物料流动将延长交货期、增加生产成本.本文以最小化最大完工时间、换模次数最少和最小化加工成本为优化目标,建立包含换模时间、换模成本和运输成本的冲压计划排程模型,并利用基于非支配排序的遗传算法(Non-dominated sorting genetic algorithm II,NSGA-II)进行求解.设计了包含模具信息的染色体编码和解码方式,并利用线性加权法从Pareto解集中筛选出满意解.

摘要： 本发明涉及柔性作业车间人员配置及作业排序方法，使用上层蚁群算法求解资源配置问题，下层遗传算法求解既定资源配置方案下的作业排序问题，在上层蚁群算法中，为便于蚂蚁游历过程中配置工序的加工设备和操作人员，设计了一种新的蚂蚁游历地图、蚂蚁游历方式，以及局部启发式规则信息。在下层遗传算法中，采用基于工序的编码和实数解码方式，以及促进算法收敛的父子排序精英保留策略，并将求得的适应值反馈给上层蚁群算法，以指导蚂蚁以后的游历过程。

摘要： 本发明涉及柔性作业车间人员配置及作业排序方法，使用上层蚁群算法求解资源配置问题，下层遗传算法求解既定资源配置方案下的作业排序问题，在上层蚁群算法中，为便于蚂蚁游历过程中配置工序的加工设备和操作人员，设计了一种新的蚂蚁游历地图、蚂蚁游历方式，以及局部启发式规则信息。在下层遗传算法中，采用基于工序的编码和实数解码方式，以及促进算法收敛的父子排序精英保留策略，并将求得的适应值反馈给上层蚁群算法，以指导蚂蚁以后的游历过程。

摘要： 本发明公开了一种随机贪婪初始种群遗传算法求解柔性作业车间调度方法，包括S1‑参数设置；S2‑随机贪婪初始化种群；S3‑解码；S4‑适应度计算；S5‑选择；S6‑交叉；S7‑变异；S8‑更新种群和S9‑算法终止；本发明针对柔性作业车间调度问题，以最小化最大完成时间为目标函数，设计了一种基于机器加工时间相对最短的随机贪婪初始化种群遗传算法，这种算法避免了贪婪算法陷入局部最优解的缺陷，同时使得随机选择具有一定的任意性，这样既保证了初始种群的多样性，又使得初始解在质量上有一定的优势，这种算法使得初始种群在多样性和解的质量上达到了一定的折中，同时加快了算法的收敛速度。

摘要： 本发明涉及一种基于自适应分层策略的柔性作业车间调度方法，包括以下步骤：初始化生成初始种群；判断种群是否收敛，若为是，则输出种群中的最优解，否则对种群Pt进行遗传操作，得到子代种群Qt，合并Pt和Qt得到组合种群Rt；对Rt中的所有个体进行非支配排序和拥挤度计算，通过精英保留策略自Rt中选出N个个体作为新的种群。与现有技术相比，本发明设计了自适应分层策略，在精英保留策略中，动态的选择不同非支配层的个体进入下一代，同时为了考虑算法的收敛性和稳定性，在选择过程中尽量保持非支配层中靠前的个体保持较高的选中概率，这样保留了种群中的优良个体，也增加了种群的多样性，增加了种群的丰富度，提升调度结果的最优值。

摘要： 本发明公开了一种基于改进狼群算法的柔性作业车间调度方法，属于柔性车间调度技术领域，包括初始化算法参数，采用个体双层编码方式初始化调度方案解种群，计算所有初始化个体的目标函数值，在算法的游走行为中引入了莱维飞行机制，在头狼个体的确定过程中融合了模拟退火算法，用汉明距离来定义围攻判别距离，准确地度量了柔性作业车间调度问题中猛狼个体与头狼个体之间的相似度距离。本发明可以解决现有算法在执行游走行为时由于步长固定而导致全局搜索能力不够强的问题；解决现有算法在执行过程中由于过分依赖头狼而容易陷入局部最优的问题；解决现有算法难以构建柔性作业车间生产调度模型的问题。

摘要： 本发明公开了一种柔性作业车间资源调度方法，包括：选择预构建的约束规则，初始化父代种群；从父代种群中选出子代种群；对子代种群个体进行交叉操作和变异操作；通过交叉操作和变异操作后的子代种群更新父代种群；将更新后的父代种群代替初始化的父代种群进行迭代运算；根据当前迭代阶段判断是否引入模拟退火算法，若不引入，则将更新后的父代种群个体作为最终解输出；若引入，则将更新后的父代种群通过模拟退火算法进行退火操作产生退火后的父代种群；对退火后的父代种群和退伙初始温度进行评价更新，通过临界温度和最大迭代次数确定最终解输出；本发明能够解决大多数算法受困于局部最优解的问题。

摘要： 本发明公开了一种柔性作业车间的重调度方法，重调度方法包括：S1：获取柔性作业车间的原调度方案中的原始数据信息；S2：根据原始数据，利用二维倒序遍历计算方法，生成阀值矩阵，其中阀值矩阵中的每个元素代表对应工序的最迟完工时间；S3：判断实际工序完成时间是否小于等于所述最迟完工时间，若是，进入步骤S4；否则，进入步骤S5；S4：将所述原调度方案作为所述柔性作业车间的调度方案输出；S5：获取所述阀值矩阵中受扰动工序的最迟完工时间；S6：将所述受扰动工序的最迟完工时间作为重调度时刻点对所述柔性作业车间进行重调度；S7：获取所述重调度方案中的数据信息后返回步骤S2。

摘要： 本发明公开了一种基于改进类电磁机制算法的绿色柔性作业车间调度方法，该方法适用于以绿色制造为目标的柔性作业车间调度问题，包括步骤：作业车间及调度任务属性定义，完成对于车间和任务相关属性的数学定义及参数表示；优化指标模型及目标函数建立，利用车间和任务相关属性参数，完成对每个优化指标的数学模型的建立，并建立目标函数；改进类电磁机制算法求解，使用改进的类电磁机制算法，完成对种群个体的迭代寻优过程，最终输出最优的调度方案。本发明能够在一定程度上解决以绿色制造为目标的柔性作业车间调度问题，综合提高作业车间的多项绿色生产指标。

摘要： 本申请涉及一种具有区间灰色处理时间的柔性作业车间调度方法及设备，方法包括：获取待处理数据，待处理数据包括待加工工件数据，各工件加工时间范围和候选机器数据。根据待处理数据，基于预先训练的柔性作业车间调度模型，得到加工调度方案。由于本申请中的柔性作业车间调度模型搭载有具有负载均衡的步长自适应离散粒子群算法，算法将粒子更新步长设置为自适应参数，保证算法前期的快速收敛与后期的局部搜索能力，并且通过引入负载均衡策略，进一步增加粒子的局部搜索能力，保证了算法的求解效率和解的质量。

摘要： 本发明涉及一种用于柔性作业车间面向紧急订单的资源调度协同优化方法，该方法根据柔性流水车间生产任务数据进行资源调度协同优化，基于协同优化结果进行工件调度和人员派工的协同控制，所述资源调度协同优化过程包括以下步骤：确定所需要的目标函数及生产约束，构建紧急订单下考虑多技能操作人员调度的多目标优化模型；基于遗传算法思想进行编码，对所述多目标优化模型进行寻优求解，获得协同优化结果，其中，编码的每条染色体包括代表加工工序的第一部分以及代表加工设备和工作人员的第二部分，其中第一部分通过自然数进行编码，第二部分通过实数进行编码。与现有技术相比，本发明具有效率高、符合实际生产环境等优点。