摘要：机器故障等动态因素不仅导致生产设备变更,同时影响对应的备料计划,进一步扩大对生产效率的影响,为此对动态调度下的备料计划调整进行了研究。以最小化最大完成时间为预调度目标,建立带有备料计划关联调整的柔性作业车间动态调度模型,提出一种改进的受影响工序选择的方法,并设计多阶段合作博弈策略进行动态调度优化,在动态环境下快速调整生产方案。通过仿真实验,验证了此模型、方法和策略能及时有效地应对动态调度中的备料计划调整问题,且具有较好的鲁棒性与稳定性。

摘要：为使多目标柔性作业车间计划与调度的制定更适合实际生产的动态变化,提出增加动态反馈的闭环柔性作业车间计划模型及二阶式蚁群粒子群混合优化算法TSAPO。通过增加动态监视功能,及时更新和反馈实际生产数据。利用对优化目标的二阶段分解,设计带有反馈机制的调度算法。实验结果证明,该算法在求解多目标柔性作业车间调度问题中具有较好的优化效果。

摘要：柔性作业车间调度问题由来已久,为优化车间调度问题,建立了车间优化调度模型。对生产车间单目标展开分析,以最短时间完成最大任务量为优化目标,构建柔性车间调度模型。考虑车间生产为多目标调度优化问题,将生产能耗、设备负荷、最大任务时间以及延期时间作为四个优化目标,采用多目标进化算法(Multi-Objective Evolutionary Algorithm Based on Decomposition,MOEAD)求解车间调度模型。选取柔性生产线某一产品来检验调度优化效果,柔性生产线未优化前产品总的延期时间为63.54分钟,优化后产品总的延期时间为0分钟。同时,设备总能耗、设备总负荷均有明显改善。研究内容对提高柔性生产线工作效率,提升企业竞争优势有重要的参考价值。

摘要：针对工件实际加工过程中工件转移的重要性,对运输时间的柔性作业车间调度问题进行优化研究,建立了以最小化最大完工时间和总碳排放量为优化目标的调度数学模型,并提出了一种改进的NSGA-Ⅱ算法。算法采用基于工序和机器特征的双链式编码方法,设计了针对工件运输时间的插入式解码操作;为探索到更优的前沿解设计了一种局部邻域搜索策略;基于非支配解引入了节能低碳策略进行排放量调整;通过仿真实验对比结果,表明了改进NSGA-Ⅱ算法及其求解考虑运输时间的柔性作业车间调度问题的有效性。

摘要：为提高柔性作业车间调度问题中核心设备的效率,以最小化最大完成时间和最大化核心设备利用率为目标建立数学模型,设计一种改进的帝国竞争算法来求解该模型。最后,采用正交法对参数进行寻优。通过与其他算法对比验证了所提算法在解决此类问题的有效性。

摘要：以某大型家具企业的柔性生产制造过程中调度问题为研究对象,提出了一种主要用于求解柔性作业车间调度问题的多策略鲸鱼优化算法(multi-strategy whale optimization algorithm, MWOA),首先,为了提高初始种群的多样性,引入混沌理论来初始化种群;同时设计了非线性收敛因子和自适应惯性权重系数来平衡全局探索和局部开发能力;然后结合差分进化(differential evolution, DE)算子提高了WOA的利用和搜索能力,最后采取最优个体混沌搜索策略,减少WOA算法出现早熟收敛现象的概率.以最小化最大完工时间为求解目标,对基准测试问题与某家具企业的生产制造过程的调度优化问题进行了求解,结果表明提出来的多策略鲸鱼优化算法克服了基本鲸鱼优化算法寻优精度低、收敛速度慢及容易陷入局部最优等缺陷,与对比算法比较,取得了更好的寻优效果.

摘要：本文研究了随机工时下的柔性作业车间调度问题。对随机工时下的柔性作业车间调度问题进行描述,构建了以最大完工时间为优化目标的调度模型,并设计了第二代非支配排序遗传算法(NSGA-II)求解调度问题。

摘要：加工和维护时长的波动使生产实际运行与计划之间产生较大偏离,使所预留的维护契机变得不可行。为此,引入两个不确定参数描述加工和维护时长的波动程度和约束条件的允许违背程度,将考虑预防维护的多工艺路线柔性作业车间鲁棒调度问题转换为确定条件下的鲁棒对等问题;基于编码方式和邻域搜索算法设计了一种模拟退火算法求解该问题,将鲁棒调度方案与企业实际生产方案进行对比,通过实验证明了鲁棒优化方案的有效性。

摘要：为研究具有运输与预防性维护的柔性作业车间绿色调度问题,建立以最小化最大完工时间和最小加工总能耗为目标的具有运输时间与预防性维护的柔性作业车间绿色调度(FJSP-TPM)模型,提出带有启发式初始化调整策略和可变邻域搜索的HVNSGA-Ⅱ算法进行求解。结合问题特点,设计3层染色体编码方式和基于不同编码层的交叉变异规则,同时加入启发式种群初始化策略和不同邻域结构的局部搜索策略,最后通过不同算例对比实验,证明算法在求解FJSP-TPM问题上的有效性。

摘要：随着制造模式往多品种、小批量的转变,车间生产过程变得复杂多变,传统的依赖于人工和静态式的调度方法已经无法适应实际的车间环境。为此,设计一种基于马尔可夫决策过程的柔性作业车间调度模型。以车间环境作为状态空间,以设备选择作为动作空间,以最小化完工时间作为调度目标,将柔性作业车间调度视为序列化决策问题,使用一种基于策略梯度下降的深度学习方法训练该模型,在仿真环境中对该算法进行验证。结果表明:本算法降低了总完工时间,均衡了机器负载,提高了生产效率和调度智能性。