柔性作业车间调度

摘要： 为提高传统蚁群算法求解柔性作业车间调度问题的效率,提出了一种改进蚁群算法。首先,均匀分布蚂蚁的初始位置;其次,多种方法结合进行机器选择,并按照改进的工序选择方式选择下一步即将遍历的工序;最后,采用带精英策略的蚁群算法结合最大最小蚂蚁系统的信息素更新方式,既赋予较优路径以额外的信息素,同时又对路径上的信息素进行限定、从而避免算法“早熟”,进而提高解的质量。通过三个柔性作业车间调度实例进行仿真分析和与其他算法的对比,结果表明改进蚁群算法在求解柔性作业车间调度问题具有较好的优化效果和求解效率。

摘要： 提出一种混合正余弦鲸鱼优化算法,将其应用于柔性作业车间调度问题的研究,以最小化最大完工时间为目标;首先进行两段式编码,使连续型鲸鱼优化算法可应用于柔性作业车间调度问题,并对基本鲸鱼优化算法加入非线性收敛因子平衡搜索与开发阶段;以正余弦算法策略改进鲸鱼个体位置更新方式与螺旋方式,提升算法寻优能力;最后以实验数据验证混合正余弦鲸鱼算法在求解柔性作业车间调度问题方面的有效性.

摘要： 文章主要研究多目标柔性作业车间的调度问题,以完工时间、机器总负载、生产成本为优化目标,建立多目标柔性作业车间调度模型。针对传统的非支配排序遗传算法(non-dominated sorting genetic algorithm II,NSGA2)在求解多目标柔性作业车间调度中出现的过早收敛或局部收敛问题,提出了改进的NSGA2算法。将传统算法精英保留过程中直接选取前N个最优个体作为新一代种群改为先选取前N×α个个体,然后在次优前沿面上随机选择剩余个体,避免了种群多样性降低导致的算法陷入局部收敛,同时加入了邻域搜索,弥补了传统算法在局部搜索上的不足。通过实验仿真验证了算法的有效性。

摘要： 为探究柔性作业车间调度问题,建立以最小完工时间为目标的模型,首次提出利用新型的智能算法——蚁狮算法解决该问题。该算法具有种群多样、寻优与适应性强、调节参数少、求解与收敛精度高、不受研究对象的约束等优点,适合解决柔性作业车间的调度问题。利用基准算例,验证分析该算法求解柔性作业车间调度问题的可行性。仿真实验结果表明,蚁狮算法可以求解柔性作业车间的调度问题。

摘要： 针对柔性作业车间调度问题,以加工时间、成本、质量和能耗为优化目标建立问题排序模型,并利用改进NSGA-Ⅲ进行求解。采用两段式编码对工序和机器进行小数编码,运用自适应交叉变异策略进行染色体进化,提出基于目标空间参考点的选择策略进行个体选择。结果表明改进后的NSGA-Ⅲ算法具有良好的求解质量。

摘要： 针对模糊柔性作业车间动态调度问题,在交货期模糊的前提下,首先假设动态干扰事件为机器故障,采用字典序多目标规划方法,以最大完工时间最小与客户满意度总和最大为目标,建立柔性作业车间动态调度模型;然后从改变收敛因子和领导狼权重动态变化两个方面改进灰狼优化算法,使得改进算法的收敛效果和寻优精度较传统灰狼算法有了显著的提升;最后对DS亚克力板材厂的生产数据进行分析,在验证模型和算法可行性的同时,找出了该企业生产的关键设备,为提高企业生产效率和稳定性提供了新的方法和思路。

摘要： 柔性作业车间调度(FJSP)是一类具有广泛应用背景的调度问题,作为求解FJSP最受欢迎的算法之一,遗传算法引起了广泛关注。针对求解FJSP的遗传算法,特别是5类主要染色体编码方法以及相关的交叉和变异算子进行全面综述,并从编码可行性、编码空间与解空间的映射关系、染色体存储空间、解码复杂性、编码完备性、遗传操作复杂性和遗传操作多样性7个维度综合评价了5类编码方法。结果表明,MSOS-I编码是遗传算法求解FJSP较好的染色体编码方法,其染色体结构简单,并可选用较多类型的交叉和变异算子。

摘要： 在实际生产中,加工成本愈发成为企业关注的重要因素。对以最小化加工成本与完工时间为目标的柔性车间调度问题进行了研究。首先,根据实际约束构建调度模型,提出改进遗传算法对模型进行求解,引入质量基因段来增强对染色体适应度值的评价,加速淘汰质量差的个体。其次,为了优化求解质量,提出了基于整体负荷最小与局部负荷最小的种群初始化方法,并设计了精确变异机制来维持种群多样性。最后,用标准算例进行测试,相比于其他改进遗传算法,求解速度得到提高,求解质量也得到了提升,验证了此改进遗传算法的有效性。

摘要： 针对期望以最小机器数完成生产的柔性作业车间调度问题,建立了最小化最大完工时间为内层目标,最小机器数为外层目标的双层优化模型,即在满足交货期、最小化最大完工时间的条件下,尝试减少机器数量,以寻求车间调度的最少机器数。依据模型、算法特点,设计了一种基于大变异策略的遗传算法,该算法采用二维染色体编码、顺序选择策略,同时运用优先操作交叉算子和大变异策略的方法,来保证种群的多样性。经过实例验证分析,模型成立,并优于指定机器数的调度模型,能够为企业节省人力、加工成本,提高机器利用率。与其他五种算法比较可知,算法有效,能够获得较好的优化目标。

摘要： 针对柔性作业车间调度问题,以最大完工时间最小化为目标提出了一种改进灰狼优化算法(IGWO),采用两段式的编码方式来构造算法个体位置与调度方案之间的关系,使用基于启发式规则的初始化种群方法来提高初始解的质量.为了平衡算法的全局搜索与局部搜索,提出一种基于双曲正切函数的非线性收敛因子公式,并在算法的个体更新阶段提出了一种基于适应度值的加权方法,在算法决策层嵌入了变邻域搜索算法.通过仿真实验表明,算法在求解柔性作业车间调度问题上是有效的.

摘要： 本发明公开了一种柔性作业车间资源调度方法，包括：选择预构建的约束规则，初始化父代种群；从父代种群中选出子代种群；对子代种群个体进行交叉操作和变异操作；通过交叉操作和变异操作后的子代种群更新父代种群；将更新后的父代种群代替初始化的父代种群进行迭代运算；根据当前迭代阶段判断是否引入模拟退火算法，若不引入，则将更新后的父代种群个体作为最终解输出；若引入，则将更新后的父代种群通过模拟退火算法进行退火操作产生退火后的父代种群；对退火后的父代种群和退伙初始温度进行评价更新，通过临界温度和最大迭代次数确定最终解输出；本发明能够解决大多数算法受困于局部最优解的问题。

摘要： 本发明公开了一种柔性作业车间的重调度方法，重调度方法包括：S1：获取柔性作业车间的原调度方案中的原始数据信息；S2：根据原始数据，利用二维倒序遍历计算方法，生成阀值矩阵，其中阀值矩阵中的每个元素代表对应工序的最迟完工时间；S3：判断实际工序完成时间是否小于等于所述最迟完工时间，若是，进入步骤S4；否则，进入步骤S5；S4：将所述原调度方案作为所述柔性作业车间的调度方案输出；S5：获取所述阀值矩阵中受扰动工序的最迟完工时间；S6：将所述受扰动工序的最迟完工时间作为重调度时刻点对所述柔性作业车间进行重调度；S7：获取所述重调度方案中的数据信息后返回步骤S2。

摘要： 本发明公开了一种基于可变重调度区间的柔性作业车间动态调度方法，属于车间调度技术领域，包括步骤：步骤一、利用的改进遗传算法初始化数据，获得静态柔性作业车间调度方案并执行；步骤二、当动态事件发生时，判断动态事件的类型；步骤三、执行可变重调度区间的动态调度方法重新生成新的调度方案，执行动态调度方案；在动态事件发生以后，只对范围区间内的工件进行重调度，区间的大小根据动态事件直接影响到的工件来确定。本发明通过建立以完工时间最小化为优化目标的柔性作业车间调度模型，提出一种初始化种群和选择方法和基于可变重调度区间的动态调度策略，解决动态柔性作业车间调度问题，提高了重调度解的质量。

摘要： 本发明提供了一种基于柔性作业车间调度的多梯级多线船闸联合调度方法包括如下步骤：步骤一、获取船舶信息及船闸的属性信息；步骤二、设置目标函数和约束条件；步骤三、建立柔性作业车间调度规划模型，将船舶视为工件，闸室视为机器，并行闸室视为柔性环境，将船舶过闸路线视为工件的加工路线，闸室容量视为机器的批处理能力，同航向船舶视为具有兼容关系工件，多梯级船闸联合调度类似于耦合了二维装箱的工件部分兼容的柔性作业车间批处理调度问题；根据船舶过闸线路，为船舶建模决策加工方案，即船舶过闸调度最优化方案。本发明解决了既有船闸潜力挖掘不够，船舶通航效率不高的技术问题。

摘要： 本发明公开了一种基于可变重调度区间的柔性作业车间动态调度方法，属于车间调度技术领域，包括步骤：步骤一、利用的改进遗传算法初始化数据，获得静态柔性作业车间调度方案并执行；步骤二、当动态事件发生时，判断动态事件的类型；步骤三、执行可变重调度区间的动态调度方法重新生成新的调度方案，执行动态调度方案；在动态事件发生以后，只对范围区间内的工件进行重调度，区间的大小根据动态事件直接影响到的工件来确定。本发明通过建立以完工时间最小化为优化目标的柔性作业车间调度模型，提出一种初始化种群和选择方法和基于可变重调度区间的动态调度策略，解决动态柔性作业车间调度问题，提高了重调度解的质量。

摘要： 本发明公开了一种随机贪婪初始种群遗传算法求解柔性作业车间调度方法，包括S1‑参数设置；S2‑随机贪婪初始化种群；S3‑解码；S4‑适应度计算；S5‑选择；S6‑交叉；S7‑变异；S8‑更新种群和S9‑算法终止；本发明针对柔性作业车间调度问题，以最小化最大完成时间为目标函数，设计了一种基于机器加工时间相对最短的随机贪婪初始化种群遗传算法，这种算法避免了贪婪算法陷入局部最优解的缺陷，同时使得随机选择具有一定的任意性，这样既保证了初始种群的多样性，又使得初始解在质量上有一定的优势，这种算法使得初始种群在多样性和解的质量上达到了一定的折中，同时加快了算法的收敛速度。

摘要： 本发明涉及一种基于自适应分层策略的柔性作业车间调度方法，包括以下步骤：初始化生成初始种群；判断种群是否收敛，若为是，则输出种群中的最优解，否则对种群Pt进行遗传操作，得到子代种群Qt，合并Pt和Qt得到组合种群Rt；对Rt中的所有个体进行非支配排序和拥挤度计算，通过精英保留策略自Rt中选出N个个体作为新的种群。与现有技术相比，本发明设计了自适应分层策略，在精英保留策略中，动态的选择不同非支配层的个体进入下一代，同时为了考虑算法的收敛性和稳定性，在选择过程中尽量保持非支配层中靠前的个体保持较高的选中概率，这样保留了种群中的优良个体，也增加了种群的多样性，增加了种群的丰富度，提升调度结果的最优值。

摘要： 本发明公开了一种基于改进狼群算法的柔性作业车间调度方法，属于柔性车间调度技术领域，包括初始化算法参数，采用个体双层编码方式初始化调度方案解种群，计算所有初始化个体的目标函数值，在算法的游走行为中引入了莱维飞行机制，在头狼个体的确定过程中融合了模拟退火算法，用汉明距离来定义围攻判别距离，准确地度量了柔性作业车间调度问题中猛狼个体与头狼个体之间的相似度距离。本发明可以解决现有算法在执行游走行为时由于步长固定而导致全局搜索能力不够强的问题；解决现有算法在执行过程中由于过分依赖头狼而容易陷入局部最优的问题；解决现有算法难以构建柔性作业车间生产调度模型的问题。

摘要： 本发明公开了一种基于改进类电磁机制算法的绿色柔性作业车间调度方法，该方法适用于以绿色制造为目标的柔性作业车间调度问题，包括步骤：作业车间及调度任务属性定义，完成对于车间和任务相关属性的数学定义及参数表示；优化指标模型及目标函数建立，利用车间和任务相关属性参数，完成对每个优化指标的数学模型的建立，并建立目标函数；改进类电磁机制算法求解，使用改进的类电磁机制算法，完成对种群个体的迭代寻优过程，最终输出最优的调度方案。本发明能够在一定程度上解决以绿色制造为目标的柔性作业车间调度问题，综合提高作业车间的多项绿色生产指标。

摘要： 本申请涉及一种具有区间灰色处理时间的柔性作业车间调度方法及设备，方法包括：获取待处理数据，待处理数据包括待加工工件数据，各工件加工时间范围和候选机器数据。根据待处理数据，基于预先训练的柔性作业车间调度模型，得到加工调度方案。由于本申请中的柔性作业车间调度模型搭载有具有负载均衡的步长自适应离散粒子群算法，算法将粒子更新步长设置为自适应参数，保证算法前期的快速收敛与后期的局部搜索能力，并且通过引入负载均衡策略，进一步增加粒子的局部搜索能力，保证了算法的求解效率和解的质量。