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。     

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。     

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。     

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。     

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     

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。     

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.     

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。     

Solving Job-Shop Scheduling Problem Based on Improved Adaptive Particle Swarm Optimization Algorithm

An improved adaptive particle swarm optimization(IAPSO)algorithm is presented for solving the minimum makespan problem of job shop scheduling problem(JSP).Inspired by hormone modulation mechanism,an adaptive hormonal factor(HF),composed of an adaptive local hormonal factor(H l)and an adaptive global hormonal factor(H g),is devised to strengthen the information connection between particles.Using HF,each particle of the swarm can adjust its position self-adaptively to avoid premature phenomena and reach better solution.The computational results validate the effectiveness and stability of the proposed IAPSO,which can not only find optimal or close-to-optimal solutions but also obtain both better and more stability results than the existing particle swarm optimization(PSO)algorithms.     

基于博弈的多目标弹药调度策略优化研究

针对作战部队弹药调度策略问题,综合考虑不同作战部队对弹药调度时间因素和安全因素需求程度的差异,通过博弈模型对多目标问题进行度量,进而结合遗传算法对弹药调度策略进行优化。仿真结果表明,本文构建的博弈模型能够更加合理地为不同环境下具有差异化需求的弹药调度策略进行优化。     

FMS动态调度软件自动生成

在面向对象建模的基础上，首先给出了FMS的对象模型，着重研究了FMS动态调度软件自动生成的关键技术。在FMS调度软件的自动生成中，作者提出了运用构造调度指令表的方法，比较好地解决了FMS高度软件自动生存中系统触发唯一高度活动问题，而且将源代码自动生存的顺序，转化为调度摊在调度指令表中的顺序的生存，降低了软件自动生成的难度。文中给出了关键操作的算法，并考虑了死锁的预防，文末给出了应用实例。     

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。     

网格环境下基于移动代理的两级环调度模型

网格环境下基于移动代理的两级环调度模型主要由网格任务管理中心、网格资源节点、网格用户、用户作业组成。网格任务管理中心依据网格用户提交的作业动态生成两级环,即超级环和普通环。两级环中资源节点由超级环管理节点、普通环管理节点和普通环资源节点构成。不同节点充分利用移动代理的自主迁移能力共同维护任务的正常运行。通过对两级环模型的事件响应时间延迟、系统可靠性、负载平衡、作业运行时间的分析和仿真,证实该模型能够有效利用网格计算资源、均衡资源负载。     

多网段控制系统实时任务的建模与调度

网络化控制系统中任务的调度影响控制系统与网络的性能。多网段控制系统中节点任务、通信任务与网关任务的调度是具有顺序、时限与网络资源约束的NP完全问题。建立了多网段控制系统控制任务的数学模型,以控制回路的采样周期与网络利用率为优化目标,采用遗传算法实现控制任务调度,优化了系统整体性能,仿真实例证实了调度模型及调度算法的有效性。     

云制造资源的工序级多目标调度方法研究

由于云制造资源的分散性、多样性、负载率不均衡性等特点对其调度与调度粒度有更高的要求,将云制造任务分解后的工序作为调度的最小粒度,构建一种以最短制造服务时间、最低制造服务成本以及均衡负载率为多目标的云制造资源工序级调度模型,采用以粒子群、遗传相结合的混合多目标调度算法,将遗传算法中通过双层编码的染色体作为粒子群算法的粒子,双层编码方式是指以工序加工顺序作为第一层、工序对应加工资源编号为第二层,随后通过对染色体交叉变异进行粒子更新,使整个调度过程快速收敛于全局最优解。最后电梯实例证明了该算法能在较短的时间内给出最优的调度方案,从而有效地解决云制造资源多目标调度问题。