用遗传算法求解柔性作业车间调度问题(英文)

古典作业车间调度问题已经被研究了几十年并证明为 NP-hard问题。柔性作业车间调度是古典作业车间调度问题的扩展 ,它允许工序由一个机床集合中的任意一台加工 ,调度的目的是将工序分配给各机床 ,并对各机床上的工序进行排序以使完成所有工序的时间最小化。本文采用遗传算法进行柔性作业车间调度研究 ,针对柔性作业车间问题提出了一种新颖直观的基因编码方法 ,从而取消了运用遗传算法求解作业车间问题时为使基因合法化而进行的基因修复过程 ,仿真结果表明用该遗传算法解决柔性作业车间调度问题是有效的。     

基于IOCDGA的模糊目标柔性作业车间调度优化

具有模糊目标要求的柔性作业车间调度，是柔性作业车间调度的扩展，它能够满足生产实际中对成本、生产周期及交货期等多方面指示的要求。与多目标调度相比，它还能够处理非精确指标要求问题，并且可以满足关键零件的特殊要求。为了实现对具有模糊目标柔性作业车间调度优化，提出了一种具有个体优化群体多样性的遗传算法（IOCDGA），以加快收敛速度，避免早熟问题。该算法针对文中的编码方法，定义了群体平均差及熵，用来表示群体的多样性指标。通过多样性指标控制交叉率和变异率，该算法的进化侧重于单个或少数个体达到最优，而不是传统GA中的全部个体均为最优。计算结果表明，该算法可行，并减少了迭代次数。     

基于改进遗传算法的柔性作业车间调度

在实际的柔性作业车间调度中,不但工件需要加工时间,而且工件在各个机器之间利用AGV转移也需要占用一定的时间,因此对柔性作业车间调度中考虑AGV运输时间的研究更具有实际意义。首先,针对此问题,建立了有AGV约束的柔性作业车间调度数学模型。其次,提出一种多段式编码,可以使得一些对进化没有帮助的基因直接被淘汰掉;提出一种分阶段的自适应交叉和变异概率公式及多种群进化机制以实现快速收敛及全局优化的效果。最后,仿真实例验证了本文提出算法的有效性和可行性。     

基于可变重调度区间的柔性作业车间动态调度策略

针对动态柔性作业车间调度问题,提出了基于可变重调度区间的动态重调度策略。建立了柔性作业车间调度数学模型。提出一种初始化机器、初始化工序和随机初始化相结合的改进种群初始化的方法,进一步提高初始种群解的质量。实际生产案例仿真对比分析结果表明,利用本文重调度策略和改进遗传算法后得到的结果比企业实际运行时间缩短了47.8%,比他人的调度策略所得到的优化结果提高了5.4%,从而验证了本文所提出算法的可行性和有效性。     

基于工作流技术的作业车间调度研究

分析了作业车间调度的问题模型 ,提出了采用工作流技术来描述复杂的车间调度问题 ,给出了车间调度的作业、资源和过程的工作流模型 ,并给出了作业车间调度的工作流管理系统框架 ,然后从系统结构、功能及实现机制方面分析了工作流管理系统如何动态地实现作业任务和生产资源的动态匹配的工作机理 ,提出了基于时间和事件触发的动态任务调度模式 ,并重点介绍了工作流引擎的决策机制。结合实例 ,给出了一个 6× 6作业车间调度的工作流模型和调度仿真结果。结果表明 ,本文提出的工作流建模方法模型清晰简单 ,求解速度快 ,为解决车间系统的调度提供了一条新的有效途径     

柔性工艺路线的改进蚁群作业调度算法

在具有柔性工艺路线的制造单元作业调度问题中，结合设备的约束以及加工过程中的费用、加工时间等因素，依据具有柔性的工艺加工路线，建立初始有向图。采用基于动态信息素更新策略的改进蚁群优化算法，在保证优化目标的基础上，迅速收敛并得到最优解，从而提高调度系统的可行性，增强系统稳定性。该方法以减少外协，均衡生产，降低总生产费用为目标，有效地支持了分布式制造单元的管理过程，增强了单元系统信息分布处理能力。最后通过算例，对计算结果进行了分析和讨论。     

基于批生产的逐段式车间作业调度算法

探讨了离散作业型（Job shop）车间中的作业调度的分阶段模型，并根据离散作业调度的阶段性提出了基于作业状态空间的逐段式车间作业调度算法，通过对一个实际车间作业调度仿真比较，此算法运算速度比最短加工时间（SPT）和最少工作量剩余（LWR）算法快，其调度结果在实际作业车间具有可执行性。     

作业车间动态调度研究

系统地研究了动态环境中受多种资源制约的多目标作业车间批量调度问题,提出了一种新调度算法。该算法采用基于周期和事件驱动的调度策略将动态调度过程分成多个连续静态调度区间,然后在各区间内采用多目标的遗传算法优化调度方案。本文讨论了再调度周期的确定方法、待加工工件的选取原则、批量生产的处理方法等。针对研究的调度问题设计了包含工序及其加工机床、工人、运输小车信息的染色体编码,并对染色体的解码方法、选择方法、交叉方法和变异方法进行了研究。仿真结果表明,该算法可行,优越性明显。     

绿色作业车间机器与AGV的集成调度研究

针对加工资源和运输资源集成下绿色作业车间调度问题,通过研究生产车间综合能耗模型,建立了机器和自动导引小车(Automated guided vehicle,AGV)集成调度下多目标优化模型。提出一种改进分布估计算法(Improved estimation of distribution algorithm,IEDA)对模型进行求解。首先,采用优良种群作为样本学习来构建概率分布模型以提高IEDA的全局搜索能力;然后基于一种类似激素调控机制的速度冷却控制方法设计出新的模拟退火函数,并将其融入到分布估计算法中以提高IEDA的局部搜索能力。最后通过数值实验来验证所提模型和算法的可行性和有效性。     

多目标柔性作业车间调度的集成算子遗传算法

柔性作业车间调度（FJSP）中，在将任务按顺序分配到各机床前，首先要为任务选择加工机床。为求解多目标FJSP，本文在分析该问题特点的基础上，提出了一种面向甘特图的串编码（GORS）及相应的的遗传算法算子的基本操作，提出了集成算子遗传算法，并给出了其具体实现。文献算例的实验及与国际最近研究成果比较表明。该算法减小了目标参数值即生产周期、最大机床负载和总的机床负载。     

节拍合同网协议及其在作业车间AGV调度的应用

Agent技术为制造系统建模提供有了一种有效的方法，并在制造作业车间调度中得到广泛应用。Agent在基于合同网协议的作业车间AGV调度中，存在协商频繁和投标并发操作问题。为了提高合同网协议的工作效率，本文将协议进行简化，提出了一种基于节拍的改进合同网协议。该协议通过节拍有序地处理投标，并利用阈值策略，对竞标报价做出限定。最后，通过基于多Agent的作业车间AGV调度仿真实例验证了基于节拍的改进合同网协议的效果。     

基于多agent合作博弈的制造系统调度

针对有多个加工和装备设备的柔性制造系统,提出了一种调度方法.首先根据产品装配结构对问题进行分解,得到多个易于调度的简单问题,形成对应的agent.然后应用合作博弈理论,根据各agent重要性和装配约束获得agent的排序.以此顺序在机器上按照规则进行生产安排,故能够得到满足产品加工约束的近似最优调度结果.最后通过实验对算法进行了验证.     

动态作业车间实时调度系统

本文在分析现有作业车间调度问题的基础上,设计实现了动态作业车间实时调度系统。该系统采用SQL Server创建数据库,使用Delphi实现数据库的管理,调度目标可实时灵活调整,调度算法为C++语言实现的改进差分进化算法,调度结果可转换为excel表格。实践表明了该实时调度系统的有效性和可靠性。     

柔性生产线信息管理系统关键技术的实现

介绍了一种基于柔性生产线的信息管理系统的结构、功能及特点，并对系统设计中有关技术问题提出了有效的解决办法。该系统是ＰＡＣ模型的一个实例，它不仅能根据设备能力及各种物料实际准备情况，对ＭＲＰＩＩ下达的作业计划作出优化调整，产生较优的生产次序；且能通过对生产线生产信息和设备状况信息的数据采集，实时仿真生产线运行状况，实现对生产状况的远程监视；并对质量进行统计和分析，找到问题的症结，为进一步提高质量提供     

基于改进算法的工艺规划与车间调度的双目标优化模型

针对工艺规划与车间调度的集成问题,一般考虑以加工时间、加工成本和加工质量为优化性能指标,而对能量消耗等环境影响因素考虑不足。本文建立了工艺规划与车间调度的数学模型,以完工时间和能量消耗为优化目标,通过设置权重系数来调节优化目标倾向。采用改进的混合模拟退火与遗传算法对问题进行求解,利用遗传算法的全局搜索速度快和模拟退火的突跳性强的特点,结合回火机制,有效地得到了完工时间和能量优化结果。最后,通过实例仿真表明该方法具有可行性。     

任务耗时不确定的飞机过站保障车辆调度

针对多架飞机多个保障作业的保障车辆调度,考虑作业任务耗时的不确定性,构造递阶式染色体编码结构的单亲遗传算法。该算法采用保障作业编号构成控制基因染色体、车辆编号构成参数基因染色体,分别体现过站保障作业时序约束和车辆指派规则约束,使算法对问题具有良好的适用性。设计了基于车辆可调度能力空间概念的染色体解码方法;采用基于适应值的轮盘赌选择策略控制进化方向,并引入均衡算子来提高车辆资源的使用率。通过试验验证算法的有效性。结果表明,所给算法可以提高保障车辆资源的利用效率,同时减少保障花费。     

一种求解多目标柔性作业车间调度的改进粒子群算法

针对具有高维搜索空间的多目标柔性作业车间调度问题,提出了一种基于偏好的多目标粒子群优化算法(PMOPSO).该算法引入了决策者的偏好信息,用以指导算法的搜索过程,使算法在决策者感兴趣的区域进行搜索,不但缩小了算法的搜索空间,提高了算法的效率,而且一次运算只求得偏好区域内若干个折中解,避免了决策者要在众多非劣解中作出困难的选择.在该算法中,采用了新的偏好信息给定方法,即采用目标间重要关系、目标数值或目标权重大致取值范围来表示偏好信息.采用该方法,不但便于决策者给定偏好信息,而且还可以根据决策者的需求,对搜索区域的范围进行适当地调整.针对偏好信息的特点,提出了一种模拟人类社会组织"投票选举"的偏好信息处理方法,该方法直观简便并易于实现.最后,通过实例仿真,对该算法性能进行比较分析和评价,结果表明了该算法的有效性和可行性.     

基于隐性势场法的制造单元构建技术

为了使制造企业能够根据市场需求快速调整组织制造资源,简化生产调度过程,提高生产调度质量,提出了一种基于隐性势场的制造单元构建算法。在满足约束的前提下,建立了以最小加工成本和最优单元负载均衡为目标的基于隐性势场的制造单元构建模型,给出了制造单元的构建方法,并构造了基于隐性势场的设备关联矩阵模型和任务关联矩阵模型。该算法具有模型简单、设计变量少等优点。通过具体实例,验证了该方法的有效性和可行性。     

基于小生境技术的改进引力搜索算法

针对引力搜索算法（Gravitational sear ch algorithm，GSA）开发能力强而探索能力弱的特点，提出一种基于 小生境技术的引力搜索算法（Niching behavior based advanced GSA，NAGSA）。首先分析了引力搜索算法的性能，为每个粒子定义质量吸 引度和欧式距离吸引度两个属性，根据这两个属性计算出粒子吸引概率，取代原有的质量排 序选择法。其次，运用吸引概率和小生境拥挤度技术引导粒子在邻域内搜索，平衡算法的收敛 速度和多样性。此外，算法将k-best的取值按照指数函数递减，进一步提高收敛精度。 10个标准测试函数的仿真结果表明，该算法能有效地提高最优解的精度，加快收敛速度。最 后，采用4个标准柔性作业车间调度模型，验证了该算法在解决实际问题中的可行性和优越 性。     

涡扇发动机的一类大包线系统建模

基于涡扇发动机部件级模型,研究了具有非线性和时变特性的涡扇发动机非线性变参数系统建模问题。通过系统辨识的方法,以高压转子转速为调度变量,得到典型工作点的多项式非线性系统。在此基础上,借鉴增益调度思想,将高度和马赫数拟合成系统的时变参数,利用回归算法,建立大包线慢车以上非线性变参数(Nonlinear parameter-varying,NPV)模型。仿真表明,采用该方法建立的非线性系统与部件模型在单个转速状态时误差小于0.05%,非线性变参数模型与部件模型在大包线范围内的误差小于1%,验证了本文方法的可行性和有效性。