摘要：针对离散制造柔性作业车间实际工况,提出了一种基于分层蚁群遗传算法的柔性作业车间资源驱动的多目标调度方法,其基本特征是：基于连续生产中不同调度周期剩余或空闲资源等调度相关实时信息;基于完工时间和机床负荷等多目标;采用分层蚁群-遗传混合算法进行决策,通过逐步筛选,获得优化解。该方法特别适用于车间资源变化、任务执行情况变化、急件任务必须插入等情况下的动态调度。应用标准案例并设计相关组合案例进行了测试,与MOGV混合算法相比,25%的案例计算结果优于MOGV算法,最大完工时间减少5%~7%,62.5%的案例计算结果等同MOGV算法。因此,该智能调度方法不仅可以有效地取得对指定优先目标的最佳优化效果,且可自动获得多目标综合的最优解,智能调度效果显著。

摘要：针对不确定环境下的柔性作业车间调度,设计了能适应订单异动、操作延时和机器故障等3种常见扰动类型的重调度方法。通过设置可用机器集和操作时间等基本参数,制定各扰动单独或组合发生后基本参数的更新策略,建立了面向3种不确定扰动类型的自适应重调度框架;结合工序码和机器码形成了一种双层染色体编码,该编码能有效表征上述系统参数,实现自适应重调度;利用遗传算法,通过选择算子寻优及交叉变异算子的种群拓展实现全局优化。400个具有不同规模的实例证明了该重调度方法所得方案可信,计算时间可控,能有效应用于生产实际。

摘要：针对柔性作业车间调度问题(flexible job-shop scheduling problem,FJSP),提出一种混合白鲸优化算法(hybrid beluga whale optimization,HBWO)对其求解,旨在最小最大化完工时间。采用既定策略改进标准白鲸优化算法(beluga whale optimization,BWO),加快其收敛速度;基于机器选择和工序排序问题设计双层编码方案,解决FJSP离散化问题;采用主动编码及种群初始化策略,提高求解质量;基于工序的开始和结束时间确定关键路径和关键块,注重各工序时间维度;引入贪心思想至基于关键路径的混合变邻域搜索策略中,加大勘测搜索空间及减少无效搜索;此外,引入遗传算子防止算法陷入局部最优;通过35个标准算例的仿真实验与分析,证明了算法在求解FJSP问题中具有有效性。

摘要：多资源受限柔性作业车间调度问题(MRC-FJSP,multi-resource constrained flexible job shop scheduling problem)是一类复杂的组合优化问题。针对以最小化最大完工时间为目标的MRC-FJSP,提出了一种带随机网络的多种群粒子群优化算法(MPSO-RDnet,multi-population particle swarm optimization algorithm with random network)。首先,设计了一种半主动解码和基于启发式规则解码相结合的新型解码方式,对原有解空间进行有效裁剪。其次,提出了基于关键路径的两种邻域结构,提高算法局部搜索能力;引入了基于随机网络的多种群策略,提高算法全局搜索能力;提出了面向算法搜索停滞问题的重新初始化策略,增强算法的鲁棒性。最后,采用MRC-FJSP基准算例SFTSP进行测试,验证了算法的可行性和有效性。

摘要：为解决含有机器和工人双资源约束的柔性作业车间节能调度问题,在考虑交货期的基础上,建立了以总提前和拖期惩罚值及总能耗最小为目标的双资源柔性作业车间节能调度模型。提出了一种改进的非支配排序遗传算法(improved non-dominated sorting genetic algorithmⅡ,INSGA-Ⅱ)进行求解。针对所优化的目标,设计了一种三阶段解码方法以获得高质量的可行解;利用动态自适应交叉和变异算子以获得更多优良个体;改进拥挤距离以获得收敛性和分布性更优的种群。将INSGA-Ⅱ与多种多目标优化算法进行对比分析,实验结果表明所提算法可行且有效。

摘要：柔性作业车间的多品种、多件数导致调度难度大、耗费时间较长和成本较高,为此,以最大完工时间、能耗和刀具损耗数量为优化目标,考虑返工、次序的准备时间和批量调度约束,建立了多目标机加工柔性作业车间调度模型.提出一种引入综合考虑能耗和加工时间的轮盘赌初始化策略.针对传统差分进化算法交叉得到的子代机器部分质量较差,提出一种机器选择的策略,以此对差分进化算法进行了改进.将改进后的差分进化算法应用于机加工柔性作业车间调度,并与传统差分进化算法在机加工柔性作业车间调度进行多组实验对比.结果表明:改进差分进化在机加工柔性作业车间调度较传统差分进化算法具有收敛速度较快、鲁棒性较好的优点,优化后各机器负载更为均衡,可有效解决多目标机加工柔性作业车间调度问题,为多品种、多件数类排产任务提供了一种良好的指导方案.

摘要：针对以最小化最大完工时间的柔性作业车间调度问题,在标准樽海鞘群算法(salp swarm slgorithm,SSA)的基础上,提出一种改进的樽海鞘群算法。采用基于工序和基于设备的二维向量进行编码,并考虑设备负载进行种群初始化。基于Lévy飞行对领导者位置更新方式进行离散化改进;在追随者位置更新公式中引入自适应惯性权重,使算法的全局搜索和局部搜索能力得到更好的平衡。为提高搜索效率,设计了交叉算子和基于关键路径的变异算子来保证种群的多样性,同时引入模拟退火(simulated annealing,SA)策略,改善算法的局部搜索能力。通过采用标准算例进行对比计算,结果验证了所提算法的有效性。

摘要：在综合考虑经济指标和环境因素基础上,研究了工件加工时间不确定的多目标柔性作业车间节能调度问题。将工件不确定加工时间描述为区间数,并以最小化最大区间完工时间、区间总能耗为目标构建区间柔性作业车间调度节能问题优化模型。同时,依据区间可能度的支配关系,设计了一种有效求解该问题的区间多目标进化算法。通过15组测试问题,分别对区间多目标进化算法、SPEA-II及NSGA-II进行仿真实验,并采用反转世代距离(inverse generation distance,IGD)和覆盖集测度(C测度)两种性能指标验证了所提算法的可行性和有效性。

摘要：针对多品种、小批量生产模式下柔性作业车间生产调度问题,以最小化订单总拖期时间为优化目标,提出一种基于组合规则和强化学习的智能调度方法。将柔性作业车间生产调度问题转换为马尔可夫决策过程,根据问题特点与优化目标,利用7种特征表征车间状态,设计6种组合式规则作为动作库,通过改进后的深度Q网络(DQN)算法对该问题进行求解。以航天结构件加工车间为案例,分别在5种不同规模大小的算例中,与其他常见的规则式方法进行对比,验证了所提方法缩短任务交付期的可行性和有效性。

摘要：针对考虑工件加工时间不确定性的模糊分布式柔性作业车间调度问题(fuzzy Distributed Flexible Job Shop Scheduling Problem,fDFJSP),将加工时间用三角模糊数表示,以最小化最大模糊完工时间为优化目标,提出一种改进的人工蜂群算法进行求解。针对fDFJSP的分布式特点,设计了基于车间-工序-机器的三层编码方式,针对不同编码层,采用多种混合搜索策略,以提升算法的邻域和全局搜索能力。为测试算法的性能,设计了2组实验对5个算例进行测试,并与代表性算法进行对比。结果表明,所提算法结果总体优于其他对比算法,能够有效求解具有模糊加工时间的模糊分布式柔性作业车间调度问题。