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。     

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     

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。     

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。     

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。     

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。     

一种基于改进遗传算法的组合加工约束混流车间调度方法

具有组合加工约束的柔性作业车间调度问题是混流生产线中常见的任务排产问题.然而,传统车间调度方法均未将组合加工约束考虑进调度模型中,无法满足混线生产模式的现实情况.针对这一问题,分析了混流生产线的工艺状态模型.在此基础上,基于传统柔性作业车间调度问题,建立了具有组合加工约束的混线车间调度问题的数学模型.然后,针对组合加工...     

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.     

用遗传算法求解非同序作业排序问题

多机不同序作业排序问题是ＮＰ－完备问题中难度较大的一类，本文给出了该问题的数学描述及遗传算法设计方法，通过实例计算和分析表明，ＧＡｓ的解明显优于传统算法，且能有效地适用于在规模加工过程中的ｊｏｂ ｓｈｏｐ排序的优化问题。     

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。     

用遗传算法求解JSSP时的死锁对策研究

遗传算法被广泛应用于求解作业车间调度问题。然而，要用遗传算法有效求解JSSP问题，有一些问题必须首先解决，死锁问题就是其中之一。本文以死锁问题为中心，从死锁处理角度分析三种用于克服使用GA求解JSSP时出现死锁的有用方法，并给出了相应的实验统计结果和对比分析结论。     

基于工件表达法的遗传算法在车间作业计划中的应用

针对车间作业计划领域的实际情况，本文提出了一种简单快捷的遗传算法编码方式——基于工件表达法，详细讨论了其算法设计及其实现原理。通过基于该编码方式的遗传算法在车间作业计划优化中的应用实例与其他算法结果的比较，证明该编码方式简捷、实用、有效。     

基于免疫克隆选择算法的繁忙时刻场面航空器调度优化(英文)

为减少大型枢纽机场拥堵和航空器地面等待,以总调度时间最小为目标,提出了航空器地面滑行调度模型并应用于首都机场航班调度。模型参考经典的车间调度思想,将滑行过程中的3类特殊的场面冲突作为约束条件。针对模型NP难解的特征,设计了免疫克隆选择优化算法求解模型。通过北京国际机场仿真实验表明,相比先到先服务(First-come-first-served,FCFS)策略,本模型将一个高峰时段的航班调度时间减少了13.6min,平均每架航空器的总滑行调度时间减少45.3s,提高了跑道容量和机场运行效率。