摘要：针对存在差异性工人的双资源约束作业车间调度问题,提出一种混合蚁群算法进行求解。该算法借鉴禁忌搜索思想,基于工艺约束为每只蚂蚁建立候选解空间,通过压缩蚂蚁搜索空间提高解搜索效率;引入各种启发式资源选配策略,在蚂蚁寻径过程中渐进地为各工序配置最优的设备、工人双资源组合;以模拟退火算法作为局部搜索机制,对每次迭代的最优解进行退火优化,增强算法全局收敛能力。证明了该混合算法的搜索过程是一个有限非齐次不可约马尔科夫链后,基于马尔科夫链知识对其全局收敛性进行理论分析。最后采用仿真试验及统计分析方法确定最优的参数组合和资源选配策略,通过该混合蚁群算法与其他算法对随机算例运算结果的对比分析,表明所提算法搜索性能较强且鲁棒性较优。

摘要：针对考虑工人技能水平差异和加工时间随机性的设备、工人双资源约束的柔性作业车间调度问题(Flexible job shop scheduling problem,FJSP),构建双资源约束的柔性作业车间鲁棒调度模型(Dual resource constraint flexible job shop robust scheduling problem,DRC-FJRSP)。将粒子群算法(Particle swarm optimization,PSO)的学习机制引入差分算法(Differential evolution,DE)的交叉部分,设计PSO-DE混合求解算法,实现问题的加速求解并有效避免搜索停滞的窘境。选取DE算法、遗传算法(Genetic algorithm,GA)、PSO算法作为对比算法进行仿真试验,试验结果显示,所提出的PSO-DE混合求解算法平均鲁棒性为5.331,在三个仿真算例调度makespan求解中表现最好。验证了DRC-FJRSP模型的合理性以及PSO-DE混合求解算法的鲁棒性。最后,以一个制造企业的FJSP为例进行求解,给出调度甘特图。研究解决了设备、工人资源不足给FJSP带来的加工冲突,降低了加工时间的随机扰动,优化了调度的makespan。

摘要：针对航天结构件生产调度过程中工序加工时间随操作人员能力级别而变化,关重件和关键工序特定设备和人员要求约束等问题,构建综合考虑关键设备和人员双资源约束的柔性车间作业调度数学模型,解决航天结构件生产设备资源维、人员资源维、工序信息维的描述。为实现双资源约束下的柔性调度,提出嵌套式蚁群-遗传混合算法,针对结构件加工工序设备和人员双资源选择问题,建立资源选择问题与蚁群并行搜索的映射关系,设计蚁群算法实现资源选择;为提高算法搜索性能,利用遗传算法求解当前蚂蚁资源选择下的调度问题,在避免人员资源使用冲突前提下实现设备加工工序的优化排序,使得关键设备利用率最大,总完工时间最短,并通过综合考虑蚁群和遗传算法阶段的求解目标进行蚁群算法信息素的更新,大大提高算法获得较优解的性能。最后,通过航天结构件车间实际案例进行算法测试,测试结果表明,嵌套式蚁群-遗传混合算法能有效地求解双资源约束的航天结构件车间生产调度问题,可降低资源总负荷,提高关键设备利用率,避免人员资源冲突,具有良好的综合调度性能。

摘要：针对航空构件生产车间的复杂制造环境,综合考虑数控设备的广泛应用,工艺路线中机加/非机加工序穿插及重要工序需特定设备人员协同完成等约束,提出了考虑设备人员的扩展双资源约束柔性作业车间调度问题,并构建了调度数学模型。针对问题特征及复杂性,提出一种新颖的多小组协同教与学优化算法对构件的设备人员资源进行选择及工序排序问题进行优化。针对数控设备运行期间无需人员辅助这一特性,设计了3层编码及新型解码方式以避免设备人员的使用冲突,此外在教与学算法核心框架不变的基础上,设计多种教学/自学因子、自学/交流策略,使算法有效解决离散型问题,同时平衡算法的全局及局部搜索能力。通过随机案例和实际航空构件案例仿真分析,验证了算法求解扩展双资源约束调度问题的有效性及模型的正确性。

摘要：针对双资源约束作业车间动态调度优化问题的求解特点,基于局部时窗调度思想构造包含动态扰动分析、动态扰动评估以及动态调度方法在内的三层动态调度系统,并结合最小化调度方案修订的动态调度实际需求,设计基于染色体还原机制与局部工序的分阶段调度优化的混合动态调度算法,最后通过仿真实验验证了基于局部时窗调度思想的动态调度方法有效降低随机扰动影响的良好应用效果。

摘要：考虑工人操作熟练度对双资源约束柔性作业车间调度的影响,提出改进的Jaya算法对其进行求解。与经典柔性作业车间不同的是,双资源约束柔性作业车间调度问题(DRCFJSP)需要同时处理工件排序、设备分配和工人指派3个子问题。通过改进标准Jaya算法以使其适用于求解具有最小完工时间准则的DRCFJSP,具体改进包括设计三维向量编码方案,结合设备、工人和工件的集成特征进行种群初始化,围绕车间调度离散化特点扩展算法更新迭代机制,并设计了基于关键路径的局部邻域搜索策略和接受准则。对扩展后的柔性作业车间测试算例进行求解,并与现有算法进行比较,结果表明:本文算法具有一定的有效性和优越性,表明本文优化调度方法能在有限的资源下实现人员合理配置和工件快速排序。

摘要：文章针对以生产成本最小为目标,考虑差异性工人的双资源约束作业车间调度问题,提出参数按算法迭代结果自适应调整,基于蚂蚁流量自适应控制路径选择的混合蚁群算法,在算法前期扩大解搜索空间,后期加快算法收敛,实现算法性能的分阶段性能优化。通过对仿真实验结果的分析,该混合蚁群算法能有效求解双资源约束车间调度问题,且能够在保证得到较优调度结果的同时,具备优秀的收敛性能。

摘要：针对船舶管件柔性车间的复杂制造环境,建立以完工时间为主要优化目标、以设备资源和辅助资源为约束条件的双资源约束柔性生产车间调度问题模型,设计一种改进布谷鸟算法对其进行求解。针对问题特征及复杂性,在布谷鸟算法核心框架不变的基础上,提出一种莱维飞行自适应步长因子;同时,设计基于2种局部搜索的巢寄生策略,并引入模拟退火算法,以解决工序维、设备维和资源维的调度优化问题。将该算法应用于企业实际生产模型,结果表明:改进算法能有效避免设备资源冲突,具备较好的综合调度特性。

摘要：针对具有机器和工人的双资源约束柔性作业车间调度问题,以最小化最大完工时间为目标构建调度模型,并设计一种改进文化基因算法对其进行求解。由于该调度问题需要同时考虑工序排序、机器选择及工人选择3个子问题,故采用三层序列编码。考虑传统解码方式存在收敛速度慢、收敛不完全的弊端,设计一种扩展型插入式主动解码方式,以提高算法的收敛速度;针对进化算法易陷入局部最优的缺陷,设计一种基于负载平衡的机器和工人再分配算子,增强算法的全局搜索能力,对种群中的优秀个体采用改进变邻域搜索以提高算法的局部寻优能力。最后,利用仿真算例及航空设备生产实例进行实验,验证所提算法求解双资源约束调度问题的有效性。

摘要：针对双资源约束的柔性车间调度问题(DRCFJSP),以优化最大完工时间为目标,设计出一种具有改进解码方案的布谷鸟算法对其进行求解。由于DRCFJSP除了需要考虑机器的分配,还需要兼顾工人的加工情况,所以改进了传统解码方式以避免机器和工人在加工时间上的冲突,同时在解码时尽可能利用机器和工人的空闲时间。在布谷鸟算法核心框架下,将布谷鸟种群随机划分为三个子群,每个子群采用不同Lévy飞行方式独立进行寻优,并通过差分算子实现子群间信息交流,不仅增强了算法的全局搜索能力,也平衡了算法的局部搜索能力。最后通过基准测试算例进行实验仿真分析并与其他算法进行对比,验证了改进布谷鸟算法和改进解码方法的有效性和优越性。