流水车间调度

摘要： 针对实际车间调度问题中由于作息时间而导致机器不可用的问题,建立了以最小化最大完工时间为优化目标的流水车间调度模型,并提出了一种改进的遗传算法。在调度模型中对机器可用时段进行约束来模拟考虑作息时间的开工与停工状态;在算法设计中通过结合禁忌搜索对基本遗传算法进行改进,提高了问题求解的质量。针对加工可恢复和不可恢复两种情况,应用不同求解策略进行了仿真实验,优化调度结果与设计的工作时间段相吻合,并对实验结果进行单因素分析,验证了该两种情况均由于作息时间的存在对调度结果有着显著影响。

摘要： 针对多机型保障流程调度复杂问题,在考虑不同机型、不同保障任务和不同保障时间基础上,建立一种基于调度模型的多机型保障流程模型,提出了基于遗传算法的保障流程优化算法,算法以FSP为基础,提出了双择优策略优化思路,以机群保障总时间为优化目标,对多机型保障流程进行排序。通过分析能够得到规定保障任务种类、流程和时间条件下任意飞行架次和保障任务数量相组合产生的最短保障时间及流程。

摘要： 车间调度对于制造企业提高生产效率、降低生产成本具有重要的作用,针对单一优化算法在解决调度优化问题时存在的不足,探索求解速度和求解质量的均衡,提出了一种多尺度协同变异的萤火虫粒子群混合算法;引入动态自适应策略把种群分为两组,对两组族群平行进化,在保持种群多样性的同时提高求解速度;引入多尺度协同变异算子,利用不同大小方差的自适应高斯变异机制使种群以尽量分散的变异尺度来搜索解空间,通过混沌初始化种群进一步提高算法的局部检索能力;将提出的算法应用于函数优化和流水车间调度问题求解,实验结果显示,算法在求解效率、精度方面优于对比算法,具有较好的性能和应用价值。

摘要： 智能制造是我国制造业发展的必然趋势,而智能车间调度是制造业升级和深化“两化融合”的关键技术。主要研究强化学习算法在车间调度问题中的应用,为后续的研究奠定基础。其中车间调度主要包括静态调度和动态调度;强化学习算法主要包括基于值函数和AC(Actor-Critic)网络。首先,从总体上阐述了强化学习方法在作业车间调度和流水车间调度这两大问题上的研究现状;其次,对车间调度问题的数学模型以及强化学习算法中最关键的马尔可夫模型建立规则进行分类讨论;最后,根据研究现状和当前工业数字化转型需求,对智能车间调度技术的未来研究方向进行了展望。

摘要： 为解决柔性流水作业车间生产效率低、能耗高、加工成本高、订单周期长等问题,设计了以最小化最大完工时间、最小化总能耗为目标的车间调度模型。针对遗传算法和模拟退火算法计算效率低和易陷入局部最优的缺点,提出了一种改进遗传模拟退火算法(Improved Genetic Simulated Annealing Algorithm,IGSAA)。在遗传算法的基础上采用了动态的交叉率和变异率,以及在模拟退火算法中加入了基于逆序的局部搜索方法,提高了最优解的搜索效率,减少了算法的迭代次数。最后,通过工厂实例进行验证。结果表明,与遗传算法和模拟退火算法相比,所提算法分别节省了12.1%和21.4%的能耗,缩短了17.5%和36.7%的完工时间以及减少了20%和48.4%的迭代次数。

摘要： 针对流水车间调度、预防维护、故障维护的集成优化问题,为了制定出在随机故障影响下仍然相对稳定的调度方案,特提出一种采用双层循环结构的鲁棒优化算法.外层循环通过邻域搜索优化加工序列,确定预防维护位置;在内层循环的灰狼优化算法中嵌入两种改善算子:一是采用基于关键路径的启发式规则改善闲置时间初始解的性能,二是利用交叉算子加强低等级狼群间的信息交流.实验结果表明,与对比算法相比,本文算法能取得的最优解和平均解的性能更优越,插入闲置时间方法所获得的调度方案更具鲁棒性.

摘要： 针对某汽车总装车间混流装配过程涉及大量人工以及人机协同操作而导致工位过载、整车装配质量无法得到保证的问题,建立了瓶颈选装工位负载平衡化、考虑换装与提前作业时间的加工滞后次数最小化的分层序列双目标优化模型,同时设计了一种改进蚁群算法.该算法在信息素全局更新以及概率转移规则过程中,使用一种特定启发式函数,并更改迭代过程中最优解的评价方法.仿真对比实验结果表明,该算法在优化目标函数过程中的收敛速度、收敛精度、最优解质量等方面均优于传统蚁群算法和对比遗传算法,验证了模型和算法的有效性.此外,该算法还可反向求解加工滞后次数为零时的计划生产节拍,具有一定的生产指导意义.

摘要： 针对流水车间生产调度问题,以最大完工时间、总拖期时间和总流程时间最小为目标,构建了多目标优化模型,通过带有自适应参数调节改进的NSGA-II算法在生产调度解空间找寻Pareto解集.运用MATLAB对算例进行仿真,获得一组非劣解,将数据进行加权处理可挑选出中意的调度方案.结果表明,NSGA-II算法在解决多目标流水车间调度问题上是可行的、有效的,并且为企业提供生产调度排序举措参考.

摘要： 针对最大完工时间最小和最大延迟最小的双目标流水车间调度问题,笔者提出一种基于局部搜索的多目标混合进化算法.多目标局部搜索的基本思想为在局部搜索的过程中系统地改变邻域结构,从而实现同时降低最大完工时间和最大延迟这两个目标.将多目标局部搜索与改进的多目标进化算法相结合的算法,即多目标混合进化算法,简称为MOHEA-MOLS.仿真结果显示,改进的MOHEA-MOLS在收敛性和分布性方面得到了增强.

摘要： 提出了一种新型协同进化遗传算法.该算法借鉴了协同进化的思想,对种群进行分组处理,每个组根据自己组内个体的优良情况以及个体差异情况采用不同的交叉策略和变异策略.为防止早熟,当未触发灾变条件时仅采用自适应策略动态调整变异因子;当触发灾变条件时,在采用自适应策略的基础上引入灾变机制产生部分新个体以跳出局部最优,函数优化结果表明了该算法的有效性.采用该算法求解以最小化最大完工时间为优化目标的流水车间调度问题,结果表明,该算法在收敛速度以及优化结果的准确性都优于传统的遗传算法,在求解车间调度问题方面具有良好的性能.

摘要： 针对流水车间调度问题提出一种混合遗传NEH算法，以提高求解效率。NEH算法是一种高效的构造性算法具有很强的邻域搜索能力，而遗传算法则能有效地提供全局搜索。据此。新算法首先通过选择、交叉和变异操作，经过迭代获得一个较好解，然后在这个解所在的特定邻域内进行改进的NEH搜索，以获得更好解，经过NEH搜索后求得的最好解作为一个新个体加入下一代种群中，继续进行遗传操作。通过对流水车间调度的最小化最大完成时间问题的仿真实验结果表明，新算法有明显改进。

摘要： 对多个客户参与的一类流水车间调度问题,研究客户之间以合作的方式建立联盟,通过加工任务重新排序节省生产成本.一般流水车间调度合作博弈是受限制的,提出一类加工时间和工序相关的流水车间调度问题,相应的合作博弈是平衡的,因而具有非空核.从合作博弈理论出发,以优化多客户线性成本为指标,构建了加工时间和工序相关的流水车间调度合作博弈模型.在获得最优调度排列后,提出了一种加权前后边际成本的客户成本分配的方法,证明了该分配方法是加工时间和工序相关的流水车间调度合作博弈的一个核分配.最后通过一个实例对所提出的基于合作博弈的加工时间和工序相关流水车间调度模型及成本分配方法进行了验证.

摘要： 调度(scheduling)问题是一类广泛存在于现实世界中的经典运筹问题，具有深刻的实际背景，依据不同应用背景，其任务、资源要素可以代表不同的事物。rn 如工件-机床、进程-CPU、病人-医生等。可以断言，现实世界的各个领域中，凡是处理多个任务，就存在安排任务执行的相应的调度问题。它成为现代企业的重要研究问题之一。由于调度问题涉及合理安排任务与资源，保证目标的最优性，能够带来效率、效益、成本等方面的巨大收益，目前已为研究者们广泛重视。因此，调度问题成为应用数学、运筹学、管理科学的诸多学科的热门研究课题，研究成果层出不穷。启发式算法存在着求解效率和最优解的逼近程度等问题，但启发式算法简单、快速，针对特殊问题的性质，从问题本身的特点出发，随着算法的解的不断改进，对问题的认识也会不断深入，所以人们对它的研究愈加重视，总是不断地在寻找更有效的启发式方法。

摘要： 基于仿真优化的柔性流水车间生产调度系统，它属于生产调度领域。本发明解决了现有方法不能智能自主的完成互联和调度，导致对生产现场随机变化的适应性低、响应速度慢的问题。本发明系统的车间仿真层和智能搜索层以综合交互层作为桥梁进行交互，智能搜索层读取历史加工数据统计并生成初始搜索寻优范围，完成初代寻优后将调度结果写入综合交互层并改变标识位值，车间仿真层实时感知标识位值的变化，并通过交互控制模块读入综合交互层的数据，并在信息处理模块实现解码。车间执行模块根据解码结果进行仿真，将仿真适应度值输入综合交互层并再次改变标识位的值；智能搜索层再次寻优迭代并循环此过程，直至迭代停止。本发明可以应用于生产调度。

摘要： 本发明涉及车间调度技术领域，具体涉及一种解决分布式混合流水车间的双目标调度优化方法，通过对已经编码的分布式混合流水车间的双目标调度优化问题的模型进行初始化，随机生成初始种群，将产生的解分配到模因组中进行种群划分，根据模因组的质量，对所有模因组执行搜索过程，由进化质量决定模因组是否参与种群重构，可为双目标优化的分布式混合流水车间提供高质量的调度方案，相比于现有的调度方法具有显著优势。

摘要： 本发明公开了一种解决柔性流水车间调度问题的量子调度方法，包括以下步骤：建立调度策略选择每个作业的机器；模拟量子电路构建调度结构图；构建交换规则优化调度结构图；构建替换规则优化调度结构图；判断当前迭代次数是否满足结束条件；若是，则执行下一步；若否，则继续执行S3；结束条件为到达最后一个工件的最后一道工序；计算并输出结果：将调度结构图转换为甘特图输出。本发明通过模拟量子电路调度过程来求解解决柔性流水车间调度问题，能比较直观的反应作业生产顺序及相互之间的关系，能根据有效解进一步演变有效解，是一种高效的求解解决柔性流水车间调度问题的方法。

摘要： 本发明公开了一种基于细胞型膜计算模型求解混合流水车间调度的方法，涉及钢材加工生产调度技术优化领域，解决现有传统调度算法并行能力不足、算法收敛速度慢、可移植性低、不可用于大规模计算等技术问题，包括n个工件、包含c个工序的流水线上进行加工，各工件不同工序的加工时间已知。每个工件按约定的生产工艺逻辑进行加工。对于每个工序至少存在一台具备执行该工序能力的机器，并且至少有一个工序包含多台并行机器。本发明是基于细胞型膜计算，主要的算法流程除应用选择、交叉、变异规则之外，在各层膜之间应用交流规则，大大提高算法的并行性，搜索可行方案速度更快，同时算法收敛速度提高，可以应用于较大规模的计算的优点。

摘要： 本发明涉及一种基于遗传算法与粒子群算法相结合的流水车间调度方法。该方法适用于车间调度领域，该算法针对其容易发生早熟、收敛速度慢、后期搜索性能和个体寻优能力降低等缺点将粒子群算法和遗传算法相结合，不仅增加了粒子的多样性，还降低了算法因后期种群过于密集而陷入局部最优的可能，加速了进化过程提高了收敛效率和群体搜索性能。

摘要： 本发明涉及一种多目标混合零空闲置换流水车间调度方法及系统，该方法包括以下步骤：步骤S1：对多目标混合零空闲置换流水车间调度问题进行描述；步骤S2：建立满足所述问题的约束条件；步骤S3：建立实际生产过程中所期望的目标函数；步骤S4：构建基于动态时间规整距离的群体智能算法；步骤S5：依据动态时间规整距离完成迭代寻优，找出最优解的集合，得到最终的调度方案。该方法及系统有利于优化混合零空闲置换流水车间调度，从而为工厂合理安排工件工序提供有效的调度方案。

摘要： 本发明公开了一种基于强化遗传算法的流水车间调度方法及系统，该方法包括：确定车间设备、生产工序和生产加工任务的基本信息，其中，基本信息包括车间设备数量、生产工序道数、待加工的工件种类及对应数量，以及每道工序加工时间；确定车间调度目标、约束条件，并建立流水车间调度模型，其中，车间调度目标为最大完工时间最小；通过强化学习参数自适应对遗传算法中的参数进行改进，并获取改进算法；通过改进算法对流水车间调度模型进行求解，以获得符合车间调度目标的最优解，并输出生产调度方案。本发明能够大大提高工件质量，提高车间的生产产量。

摘要： 本发明属于数据处理技术领域，公开了一种分布式柔性流水车间调度系统、方法、终端及介质，基于知识驱动的学习型帝王蝶优化方法的分布式柔性流水车间调度系统包括：基于知识驱动的学习型帝王蝶优化模块、分布式装配柔性流水车间调度序列生成模块、初始化模块、适用性计算模块、输出模块。本发明利用知识驱动的学习机制的帝王蝶优化算法能够有效地进化，具有自学习能力。从候选解中提取的邻域信息被视为KDLMBO算法的先验知识。学习机制由学习迁移算子和学习蝶形调整算子组成。然后，在算法的迭代过程中，由这两个合作算子实现自我学习的集体智能。实验结果证明了本发明提出的KDLMBO算法的效率和意义。

摘要： 本发明一种基于协同演化算法的流水车间节能调度求解方法，该调度问题同时考虑经优化济指标和绿色指标。在提出的TS‑CEA中，分析问题的属性后，两个构造型启发式算法被使用去产生想要的初始调度解。在TS‑CEA的第一阶段，一个迭代局部搜索策略被使用去搜索潜在的极值解，同时一个混合邻域结构被使用去改善解的质量。在TS‑CEA的第二阶段，一个基于关键路径知识的变异策略被提出去扩散极值解到整个找到的非支配前沿。在算法的演化过程中，ILS和变异策略形成一个协同演化的闭环系统。本发明的有益效果：TS‑CEA解决零等待流水车间调度节能调度问题的高效性和有效性。

摘要： 本发明一种基于差分进化算法的分布式置换流水车间调度方法。该方法以差分进化算法(DE)为基础，以最小化makespan为目标的分布式置换流水车间调度问题(DPFSP)。主要内容包括：在种群的初始化阶段，使用初始化方法产生优质的种群个体；保留了DE的标准框架，使用新的离散变异算子和交叉算子来提高KDDE的搜索能力；最后，使用基于工厂分配和工件顺序调整机制的四个邻域结构，以确保候选解在搜索过程中可以逃离局部最优。同时，基于知识的优化策略可以自适应的选择当前最合适的邻域搜索机制。本发明的有益效果：逻辑简单、易于实现和易于扩展，KDDE在解决分布式置换流水车间调度问题时具有高效性和有效性。