摘要：针对考虑工人和工件在机器间转移时间的多目标双资源柔性作业车间节能调度问题(MO-DFJESP),构建了以最小化最大完工时间、总能耗、总工人成本和最大工人工作量为优化目标的数学模型。该模型同时还考虑了工人的技能、熟练度和单位成本差异。为了求解MO-DFJESP模型,提出一种多目标混合进化算法(MO-HEATS)。根据MO-DFJESP模型特点,设计了一种多维编码和解码方案以表示问题的可行解。基于sigmoid函数设计了自适应机制,以兼顾MO-HEATS算法的开发和探索能力,并结合禁忌搜索(TS)组件提升局部搜索能力。最后,在仿真算例上进行了消融实验和对比实验,实验结果验证了自适应机制和TS组件对MO-HEATS算法性能具有明显提升作用,且MO-HEATS算法对求解MO-DFJESP模型具有显著优势。

摘要：针对作业车间实时调度问题,基于长短期记忆(LSTM)神经网络,提出WOA-IGWO-LSTM算法。根据调度问题和算法设计三元样本数据结构,以性能指标和生产系统状态属性作为输入特征,输出当前决策点的最佳调度规则。利用鲸鱼优化算法(WOA)对输入特征进行降维,以提高模型泛化能力和准确性。引入非线性收敛因子设计一种改进灰狼算法(IGWO)用于调节LSTM参数,提高算法实用性。最后,通过对比试验验证了WOA、IGWO以及WOA-IGWO-LSTM的有效性,并利用工业案例数据验证了WOA-IGWO-LSTM对于解决作业车间实时调度问题的有效性和可行性。

摘要：随着分布式柔性制造系统的广泛普及,制造系统的调度决策从集中式的单一节点向分布式多中心的模式转变,分布式柔性作业车间调度问题成为近年来的研究热点。为求解分布式柔性作业车间的调度问题,构建了以最小化总成本和总拖期为优化目标的分布式柔性作业车间调度(DFJSP,Distributed Flexible Job Shop Scheduling Problem)模型,提出了一种结合分布估计和禁忌搜索的H-EDA-TS算法(Hybrid Estimation of Distribution Algorithm and Tabu Search Algorithm)。根据DFJSP模型和H-EDA-TS算法设计了三维编码方案。H-EDA-TS算法主要包括EDA组件和TS组件,在EDA组件部分设计了三个概率模型用于抽样生成种群;在TS组件部分针对优化目标设计了五种邻域结构用于生成邻域解。此外,基于sigmoid函数设计了一种自适应机制,用于控制TS组件的启动。最后,在不同规模的实例上进行了对比实验,证明了所提算法对于求解DFJSP具有明显优势。