Job Shop

摘要： 在作业车间(Job Shop)调度问题中,以最小化完工时间为目标,考虑了设备距离和工序的装卸作业时间两个影响因素,建立了考虑人员装卸时间的"一人多机"的并行工作调度模型,并设计了改进的人工蜂群优化算法进行求解.算法中,只设定种群规模,通过引领蜂和跟随蜂之间的位置信息共享和身份互换机制,减少参数设置的同时提高算法的寻优精度和效率.采用基于装、卸作业的编码方式,将工件号、工序号和作业类型共同作为基因位的标识,基因位的实数权值作为算法进化对象及作业排序依据.在解码过程中,选择到达时间最早的人员对装卸作业进行操作,并利用并行工作模式安排各设备上作业的先后顺序,达到缩短总调度时间的效果.最后通过测例比较实验表明:该并行工作模式较现有生产模式具有缩短生产时间、节约生产资源的特点;改进人工蜂群算法在解决Job Shop调度问题上更具有可行性与有效性.

摘要： 针对订单不确定性对作业车间的鲁棒性的影响问题,首先,从复杂网络视角描述生产过程,建立作业车间网络模型,并对建立的有向加权作业车间网络的关键特征参数进行定义;其次,考虑生产特性和网络特征构造基于耦合映像格子的鲁棒性模型,利用网络中级联失效的进程与规模建立作业车间的鲁棒性评价指标,最后以实际生产过程为例进行仿真验证,结果表明,不同的扰动强度和扰动策略对网络的影响不同,也说明了该方法对作业车间的鲁棒性评价有效可行,且鲁棒性模型有较好的并行计算特性.

摘要： 在Job Shop环境下,以最小化最大完工时间为目标,考虑了搬运设备与有限缓存区对加工过程的影响,建立了带有限缓存区的Job Shop加工与搬运集成调度模型,并设计了改进的人工蜂群优化算法求解此问题.首先,在算法中引入了引领蜂和跟随蜂角色互换的机制,可更好的兼顾全局广泛寻优和局部精确寻优.其次,基于问题的特殊性,工序既是加工任务也是搬运任务,所以在编码方式上采取基于工序编码,便于算法运行过程中解码计算.然后,在解码过程中,为提高算法运行效率,设计了如何确定解码加工任务和搬运任务的启发式信息.最后,通过标准测例实验比较,给出了本文G-ABC算法种群规模的建议取值范围,并证明了G-ABC算法的有效性,启发式信息的有效性以及缓存区容量设置对调度结果的影响.

摘要： 车间调度问题是制造系统理论研究的基础问题之一.针对Job-shop问题,通过使用新的遗传算法求解.使用了基于工序的编码方法和GT算法进行解码,来产生初始种群.通过对比测试,该算法可以产生较为优秀的初始种群.为了避免产生非法染色体,提升算法运行效率,采用了单亲交叉遗传算子.基准问题的仿真实验结果表明,提出的遗传算法可行.

摘要： 在实际的企业生产加工过程中存在许多扰动因素,设备故障就是其中的典型.对于Job Shop中的设备故障问题,传统的调度方法主要是完全重调度和直接右移,但是对系统的稳定性影响较大且效率不高.基于此,文章提出了一种新的调度策略—解码右移策略.根据故障出现时间早晚、故障修复时间长短以及问题规模大小设计了8组仿真实验,并构建了偏离度和延迟度两个评价指标对该策略的有效性进行验证.实验结果表明解码右移调度策略的偏离度相比于整体右移策略降低了41.45％,相比于完全重调度策略降低了69.01％;其延迟度相比于其它两种策略有一定优势.

摘要： 为有效解决考虑物料搬运设备的Job Shop调度问题,建立了非线性规划模型及改进析取图模型.在此基础上,以最小化最大完工时间makespan为调度目标,构造了两阶段结构式启发式调度算法.第一阶段,将析取图分解为机床调度析取子图和搬运设备调度析取子图,提出一个双层递进启发式算法.上层利用分支思想求解机床调度析取子图,根据上层结果,求解搬运设备调度析取子图.在第一阶段解的基础上,第二阶段构造了基于块理论的调度优化启发式算法.最后对算法进行了仿真分析,结果表明所提出的算法是有效、可行的.

摘要： 考虑机器人在装载站、机床、卸载站三者间搬运时间和空载时间的情况下求解柔性机器人制造单元Job-shop类型调度问题,目标是求所有工件加工完成并搬至卸载站的最短时间. 首先,在分析机器人制造单元调度问题特点的基础上建立其数学模型,提出了一种新的对机器人搬运工序排序组成搬运序列矩阵的调度方法,机器人按搬运序列搬运,机床则按先到先服务规则( FCFS )加工;然后针对这种调度方法提出了一种改进遗传算法,为遗传算法设计了一种基于搬运工序编码方法与启发式分配策略,设计了一种启发式搬运矩阵调整方法,最后,把启发式调整算法与遗传算法结合组成混合算法对调度问题进行求解,通过标准算例计算,验证了算法的有效性.%Considering the transport time of robot among loading station machine and unloading station to solve flexible robotic manufacturing cell scheduling problem . The goal is to find the shortest time for all workpiece is completed and moved to unload station. Firstly, mathematical model is established based on a-nalysis of the characteristics of flexible robot manufacturing cell scheduling problems. A new scheduling method based on sequence matrix of robot transport operation is proposed, machine processing is based on first come first serve rule ( FCFS); Then, an improved genetic algorithm is proposed for this scheduling method ,handling procedure code method and heuristic assignment strategy for genetic algorithm is designed, heuristic handling sequence adjustment algorithm is proposed;Finally, heuristic algorithm is combined with genetic algorithm to build hybrid algorithm to solve this scheduling problem, through the standard example calculation, verified the effectiveness of the algorithm.

摘要： Flexible Job Shop scheduling problem of robotic manufacturing cell is a new kind of scheduling problem with wide engineering application background and tough challenges,which attracts much attention of academia and industry. The content and features of flexible Job Shop scheduling problem of robotic manufacturing cell were analyzed,a scheduling model based on molds manufacturing with the op-timizing targets to minimal makespan was proposed in this paper. A Chaotic Quantum-behaved Particle Swarm Optimization algorithm (CQPSO) was put forward to solve the model. Based on the Quantum-behaved Particle Swarm Optimization (QPSO),the improved Tend chaotic mapping mechanism was introduced. The shortcoming of easily falling into local minimum for QPSO could be avoided, meanwhile,the fast convergence speed of QPSO could be kept in this algorithm. So the effectiveness of algorithm was improved. The sim-ulation results show that CQPSO could effectively solved the flexible Job Shop scheduling problem of robotic manufacturing cell.%柔性Job Shop类型机器人制造单元调度问题是一类新的具有广泛工程应用背景而又极富挑战的调度问题,引起了学术界和工业界的极大关注。文中分析了柔性Job Shop类型机器人单元调度问题的内容与特点,并以模具生产为背景,构建了一种以工件组最大完工时间最小为目标的Job Shop类型机器人单元调度模型,进而提出了一种混沌量子粒子群算法( CQPSO)用于模型求解。该算法在量子粒子群算法( QPSO)基础上,引入改进的Tent混沌映射机制,在保持QPSO算法收敛速度快的同时,克服了其易陷入局部极小值的缺点,提高了算法求解效率。仿真实验结果表明,CQPSO算法在求解柔性Job Shop类型机器人调度问题方面具有较大的应用优势。

摘要： A modified simulated annealing algorithm was put forward to resolve the flexible job‐shop scheduling problem ,which used two kinds of individual encoding method respectively based on parti‐cle position rounding and roulette probability assignment in particle swarm algorithm .Three different local search methods were employed to constitute the neighborhood structure .The computational re‐sults show that the modified simulated annealing algorithm is more effective than particle swarm algo‐rithm ,hybrid particle swarm algorithm and simulated annealing algorithm in resolving the flexible job‐shop scheduling problem .Compared with the position rounding encoding method ,the roulette‐probability‐assignment‐based encoding method can render the algorithm more effective ,and the local search method based on crossing‐over operation is better than the other two search methods in impro‐ving the solving performance of the algorithm .%针对柔性作业车间调度问题，提出一种改进模拟退火算法来进行求解。该算法引入粒子群算法中的基于位置取整和基于轮盘赌两种个体编码方法，并采用3种不同的局部搜索方法来构造个体的邻域结构。算例计算表明，改进模拟退火算法在求解柔性作业车间调度问题时，比粒子群算法、混合粒子群算法以及模拟退火算法具有更好的求解性能，其中采用轮盘赌编码时，算法的求解性能要优于采用位置取整时的求解性能，且基于互换的局部搜索方法要优于其他两种局部搜索方法，能更有效地改善算法的求解性能。

摘要： 随着我国航空事业的迅速发展,空中交通拥挤问题日益严重,造成的严重问题就是航班延误,如何合理分配空中交通流量成为近年来大家关注的重要问题.论文考虑基于机场和航路点约束的典型流量调配问题,通过引入传统调度问题思想,将问题转化为混合线性整数规划问题进行求解,从而提高求解效率,得到问题的全局最优解.最后经过数据试验验证建模的有效性.

摘要： 描述了公路运输装备后勤保障中战场抢修问题,建立了作业调度问题模型,并将遗传算法用于该问题的研究中.针对标准遗传算法计算费时、稳定性差等不足,从适应度尺度变换、稳态繁殖、自适应遗传参数等方面作了改进.最后给出了基于改进遗传算法的模型求解方法和步骤.经过实例计算,取得了良好的调度效果,表明该方法可为制定公路运输装备后勤保障的正确决策提供科学、有效的支持.

摘要： 描述了公路运输装备后勤保障中战场抢修问题,建立了作业调度问题模型,并将遗传算法用于该问题的研究中.针对标准遗传算法计算费时、稳定性差等不足,从适应度尺度变换、稳态繁殖、自适应遗传参数等方面作了改进.最后给出了基于改进遗传算法的模型求解方法和步骤.经过实例计算,取得了良好的调度效果,表明该方法可为制定公路运输装备后勤保障的正确决策提供科学、有效的支持.

摘要： 描述了公路运输装备后勤保障中战场抢修问题,建立了作业调度问题模型,并将遗传算法用于该问题的研究中.针对标准遗传算法计算费时、稳定性差等不足,从适应度尺度变换、稳态繁殖、自适应遗传参数等方面作了改进.最后给出了基于改进遗传算法的模型求解方法和步骤.经过实例计算,取得了良好的调度效果,表明该方法可为制定公路运输装备后勤保障的正确决策提供科学、有效的支持.

摘要： 描述了公路运输装备后勤保障中战场抢修问题,建立了作业调度问题模型,并将遗传算法用于该问题的研究中.针对标准遗传算法计算费时、稳定性差等不足,从适应度尺度变换、稳态繁殖、自适应遗传参数等方面作了改进.最后给出了基于改进遗传算法的模型求解方法和步骤.经过实例计算,取得了良好的调度效果,表明该方法可为制定公路运输装备后勤保障的正确决策提供科学、有效的支持.

摘要： 描述了公路运输装备后勤保障中战场抢修问题,建立了作业调度问题模型,并将遗传算法用于该问题的研究中.针对标准遗传算法计算费时、稳定性差等不足,从适应度尺度变换、稳态繁殖、自适应遗传参数等方面作了改进.最后给出了基于改进遗传算法的模型求解方法和步骤.经过实例计算,取得了良好的调度效果,表明该方法可为制定公路运输装备后勤保障的正确决策提供科学、有效的支持.

摘要： 描述了公路运输装备后勤保障中战场抢修问题,建立了作业调度问题模型,并将遗传算法用于该问题的研究中.针对标准遗传算法计算费时、稳定性差等不足,从适应度尺度变换、稳态繁殖、自适应遗传参数等方面作了改进.最后给出了基于改进遗传算法的模型求解方法和步骤.经过实例计算,取得了良好的调度效果,表明该方法可为制定公路运输装备后勤保障的正确决策提供科学、有效的支持.

摘要： 介绍了粒子群优化的搜索策略与基本算法,然后通过相关的位置和速度定义,构造一种特殊的粒子群优化算法,并用于求解典型调度问题.实验表明了在求解调度问题的有效性。

摘要： 介绍了粒子群优化的搜索策略与基本算法,然后通过相关的位置和速度定义,构造一种特殊的粒子群优化算法,并用于求解典型调度问题.实验表明了在求解调度问题的有效性。

摘要： 介绍了粒子群优化的搜索策略与基本算法,然后通过相关的位置和速度定义,构造一种特殊的粒子群优化算法,并用于求解典型调度问题.实验表明了在求解调度问题的有效性。

摘要： 介绍了粒子群优化的搜索策略与基本算法,然后通过相关的位置和速度定义,构造一种特殊的粒子群优化算法,并用于求解典型调度问题.实验表明了在求解调度问题的有效性。

摘要： 本发明公开了一种Jobshop中5G组网下多车路径规划方法，涉及车辆路径规划技术领域。本发明包括如下步骤：输入地图节点信息以及节点之间的限制信息；根据已经完成路径规划的所有车的历史访问列表中各自占用节点和边的时间，更新节点的锁闭时间窗和边的锁闭时间窗；使用Jobshop调度算法生成多个车辆行驶路径信息的配送方案；计算各个车辆的行驶路径信息对应的节点间路线信息中的节点间路线成本；根据每个方案的路线成本，选择最佳配送方案。本发明通过在地图上绘制节点信息，计算相邻节点之间路径信息，确定用户的起始节点和目的节点规划路径方案，计算每个方案的路线成本，并实行最优方案，提高了多车配送效率，降低了运输成本。