作业车间调度

摘要： 针对初始种群对遗传算法求解作业车间调度结果影响较大的问题,提出基于关联规则的作业车间调度问题改进遗传算法(association rules improvement genetic algorithm,AR-GA),以提升算法性能.首先,在遗传算法种群初始化阶段借助关联规则获取基因序列中的频繁工序块;其次,在交叉阶段根据频繁工序块在待交叉种群的分布中设计3种交叉方式;最后,在变异过程中结合分段海明距离引导子代种群变异,并且在每次迭代后更新频繁工序块信息.标准案例测试结果表明,改进后的算法在求解作业车间调度问题时求解效率更高,稳定性更好.

摘要： 针对柔性作业车间生产过程中的预防性维护方案难以有效预测设备故障造成的维护过量和不足等问题进行了研究。为了有效应对这种情况,提出了基于设备健康状态的可靠度区间维护与鲁棒性调度生产集成优化模型。以最小化最大完工时间最小和工序偏差度最小为优化目标,应用多目标遗传算法NRGA对模型求解,针对柔性作业车间特点采用四层编码方案。最后通过算例仿真实验,结果显示提出的模型、维护策略对生产稳定、进程、效率有效提升。

摘要： 为解决自动化仪表检测工作中的作业车间调度问题以提高其工作效率,提出一种基于生命力选择的精英鲸鱼优化算法。利用生命力选择方法替换表现较差的个体,克服鲸鱼优化算法在调节搜索范围方面的不足,避免种群陷入局部最优,加快种群向全局最优解收敛的速度。结合标准实例和北京东方计量测试研究所的自动化仪表检测实例,对算法进行仿真分析,验证了精英鲸鱼优化算法在求解作业车间调度问题的有效性和稳定性,其可以满足自动化仪表检测工作中的日常检测任务调度需求。

摘要： 智能制造是我国制造业发展的必然趋势,而智能车间调度是制造业升级和深化“两化融合”的关键技术。主要研究强化学习算法在车间调度问题中的应用,为后续的研究奠定基础。其中车间调度主要包括静态调度和动态调度;强化学习算法主要包括基于值函数和AC(Actor-Critic)网络。首先,从总体上阐述了强化学习方法在作业车间调度和流水车间调度这两大问题上的研究现状;其次,对车间调度问题的数学模型以及强化学习算法中最关键的马尔可夫模型建立规则进行分类讨论;最后,根据研究现状和当前工业数字化转型需求,对智能车间调度技术的未来研究方向进行了展望。

摘要： 作业车间调度即Job-Shop调度问题,是典型的多目标问题,很多研究学者都会将其作为生产调度问题。基于车间调度问题深远的研究意义,选择提出时间较晚却简单高效的摸石头过河算法对其进行寻优。寻优过程较为简单但效率较高,能够较为简单地找到最优解。经过仿真验证了所提出算法的可行性和高效性,表明多目标摸石头过河算法是可以优化FT06问题得到最优解的。

摘要： 由于车间调度问题组合排序众多等复杂性因素的存在,使用遗传算法求解时,初始种群的随机产生和变异的随机发生对寻优的效率影响很大。针对上述问题,提出一种混合GA算法,主要从变异策略和种群生成两方面进行改进,采用经过选择、交叉操作种群的平均适应度值来决定是否进行变异操作,借鉴SA算法中的重升温策略,将引入自适应控制因子和排列操作的PSO算法产生的个体极值种群代替GA算法特定代数的种群。仿真结果验证了该算法求解车间调度问题的有效性。

摘要： 混合多处理任务作业车间调度(Hybrid Job-shop Scheduling with Multiprocessor Task, HJSMT)是作业车间调度和多处理机任务调度的混合调度问题,即每个工件由多个工序组成且每个工序都需要一组机器同时进行加工.目前对HJSMT研究较少且集中于单目标问题,因此针对多目标HJSMT问题,本文以最小化最大完工时间和最小化总拖延时间为目标建立双目标HJSMT模型,提出一种新的改进多目标粒子群算法(IMOPSO)对其求解.该算法以IPOX交叉和多轮变异策略更新粒子;根据动态邻域思想设计新的外部种群寻优机制(EPOM)寻找每一代较优解,结合个体拥挤距离删减并维护外部种群.采用5-Job与10-Job两个算例分别进行仿真实验,结果表明IMOPSO算法在选取邻域粒子数量为2时求解效果最好,并且通过与NSGA-II算法进行对比,验证了IMOPSO的有效性.

摘要： 为解决动态环境下作业车间调度问题,提出了一种基于改进Q学习算法和调度规则的动态调度算法。以“剩余任务紧迫程度”的概念来描述动态调度算法的状态空间;设计了以“松弛越高,惩罚越高”为宗旨的回报函数;通过引入以Softmax函数为主体的动作选择策略来改进传统的Q学习算法,使改进后的Q学习算法在前期选择不同动作的概率更加平等,同时改善了贪婪策略在学习后期还会选择次优动作的现象。仿真结果表明:该调度算法相较于改进前,性能指标平均提升约6.5%;相较于IPSO算法和PSO算法,性能指标平均提升分别约为38.3%和38.9%,调度结果明显优于使用单一调度规则以及传统优化算法等常规方法。

摘要： 针对作业车间实际生产中普遍存在的机器故障不确定性因素,以尽可能减少重调度对既定零部件生产现场秩序的影响为目标,构建了机器故障条件下的作业车间稳定性调度优化模型;采用二进制树方法准确提取受影响工序集,在此基础上设计了受影响工序稳定性重调度方法,该方法在保持各机器上工件加工顺序不变的前提下,尽可能减小工件的工序开工时间偏差,以此来保证车间现场生产秩序的稳定性和有序性;最后的析因实验验证了稳定性重调度算法的可行性和有效性。

摘要： 针对作业车间调度问题(job-shop scheduling problem, JSP)中存在的求解复杂程度高、动态性强等难题,提出基于差分特性的量子粒子群优化算法。量子粒子群算法引入量子机制克服了粒子群算法在全局收敛性上的不足,并采用差分进化思想对粒子状态进行更新,借助变异操作增大种群多样性,对早熟粒子进行交叉选择操作,防止个体收敛到局部极值,进一步采用多邻域搜索方法以提高算法的寻优速度。对FT、LA两类JSP算例进行求解,将所提算法与离散粒子群算法、遗传算法以及细菌觅食算法进行实验对比。结果表明,4种算法收敛到FL10算例理论最优解的时间分别为127、134.8、143.5以及141.3 s;而LA36算例的理论最优解为1 268,4种算法所得结果分别为1 294.6、1 457.4、1 374.3以及1 398,且所提算法收敛时间最短。仿真结果表明所提算法能以较快的收敛速度得到最优解,相比于其他算法,寻优速度和精度都有了明显提升。

摘要： 作业车间调度是离散加工制造业和流程工业生产中的重要环节，是一个具有强NP（Non-deterministicpolynomialhard，非确定性多项式）难的复杂组合优化问题，该问题类型繁多，条件多变。本文提出一种离散量子微粒群优化算法(DiscreteQuantumParticleSwarmOptimization)，该算法结合了量子微粒群优化算法和遗传算法的交叉、变异操作，使DQPSO能够直接用于求解车间生产调度这类组合优化问题。另外，通过引入两层结构的局部搜索策略，能够进一步提高解的多样性和寻优质量。对作业车间调度标准测试算例的应用表明了DQPSO算法的有效性。

摘要： 本文针对可中断作业车间调度问题,利用多agent理论,以标准化加权滞后和为目标函数进行了创新性研究.首先,建立了由工件agent、生产单元agent和全局agent构成的可中断作业车间调度系统,采用权重式agent合作和新到达作业抢占相结合的调度策略.然后,利用仿真软件Arena对可中断作业车间调度系统进行了建模和仿真实验.在不同工期紧迫系数下的环境下进行仿真实验,并将调度结果与利用WSPT、EDD、CoverT、ATC等经典的分派规则得到的结果进行比较,充分证明了所提方法的有效性.

摘要： 针对一类所有机器中加工完成时间中最长的最小为调度目标的Job Shop调度问题(JSSP)，提出了一种Hopfield神经网络优化方法。结合Hopfield神经网络结构和JSSP的约束特点，给出了适合于Hopfield神经网络求解的作业车间调度问题的矩阵表达数学模型。借用神经网络中能量函数的概念和含义确定网络的连接权，并将模拟退火算法应用于Hopfield神经网络求解，避免了系统输出陷入局部极值。该网络不仅能输出可行最优解，且优化速度快、实时性强。并通过计算机仿真表明了该方法的有效性。

摘要： 将混合式遗传算法应用于作业车间调度问题,解决了遗传算法在JSP问题上不易编码和交叉算子容易产生坏死解问题.通过仿真结果验证了该算法的收敛性.

摘要： 针对带有交货期窗口硬约束并对提前／拖期零件进行惩罚的一类作业车间调度问题，设计了一种改进型遗传算法，该算法采用“逆向后推”和“顺向前拉”相结合的两阶段求解策略。针对部分染色体在解码过程中违反交货期窗口硬约束而产生非法解的问题，采用基于关键路径的染色体修复方法来调整染色体基因序列，以期实现在满足交货期窗口硬约束的同时降低零件拖期成本;在保持第一调度阶段拖期成本不变的基础上，采用基于逆向重调度的目标值修订方法来延迟零件开工时间，以降低在制品流动成本和成品提前库存成本．通过80组调度测试用例的仿真结果表明，该算法在降低调度总成本和拖期成本方面具有一定的优势。

摘要： 针对瓶颈100％利用后无法应对扰动而造成调度方案无法执行的问题，提出了瓶颈能力释放率和瓶颈能力释放区概念，研究了瓶颈能力利用对Job ShoP调度的影响。首先，在识别瓶颈的基础上，设置瓶颈能力释放率等级；其次，进行瓶颈能力的按级利用，通过遗传算法优化投料次序，输入Plant-Simulation进行模拟仿真，得到各级瓶颈能力释放率的初始调度优化方案；再次，设置机器故障、缓冲、工艺路线更改、交货期变动等随机扰动，对各级初始调度优化方案进行再次模拟仿真，得到随机扰动下各级瓶颈能力释放率的最优调度方案；最后分析了随机扰动下不同等级的瓶颈能力释放率对作业调度方案的影响。算例结果证实了瓶颈扰动情形下瓶颈100％充分利用并非科学、生成的调度方案鲁棒性差、调度执行结果并非最优的结论。另外，瓶颈非100%有限利用存在最优的瓶颈能力释放率和瓶颈能力释放区，在此释放区之外，过多或过少的瓶颈保护能力对调度方案都有较大的负面影响。

摘要： 本发明公开一种船舶分段建造车间作业调度系统及其调度方法，包括用于编辑各类信息的基础信息管理模块、用于生成作业调度计划的作业计划与调度模块以及用于操作管理已生成计划的分段计划管理模块，其调度方法包括：通过基础信息管理模块完成待调度分段信息的录入；通过作业计划与调度模块完成分段作业调度计划的生成与查看，通过分段计划管理模块完成分段计划的管理与执行。本发明提出的分段建造车间作业调度方法，以系统化的管理思想，实现计算机辅助作业调度过程，为船厂调度人员在作业调度计划编制过程中提供便捷、合理、智能的流程指导和管理规划。

摘要： 本发明属于用于预测最优调度结果的数据处理领域，涉及一种以改进的粒子群算法为内核的分组车间作业调度方法，包括以下步骤：（1）将分组车间所有的加工方案储存到excel表，读取所有工件、机器信息，整理成两个dataframe，分别命名为工件信息表和机器信息表；（2）读取所有工件信息和机器信息，利用改进的粒子群算法计算机器余量矩阵pre；（3）根据改进的粒子群算法获得的机器余量矩阵pre进行初次调度；（4）读取初次调度获得的机器信息表和工件信息表矩阵，开始迭代优化调度结果。该方法可以确定一个良好的调度结果，并为调度结果进行调度优化，获得更优的调度结果，解决调度不平均的问题。

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： 本发明属于制造业车间调度问题领域，更具体地，涉及一种用于作业车间调度的提高遗传规划调度规则中特征选择效率的方法，具体包括：选择训练实例采用超启发式遗传规划法(GP)运行N次生成调度规则N个；对于每个规则及其对应的每个特征，分别应用原始模型和代理模型计算每个特征到每个规则的贡献值；设置为所有贡献值的中值。本发明能够大大提高特征选择的效率，从而提高车间生产效率，进一步提升企业的工作效率。

摘要： 本发明涉及一种基于可持续生产调度框架的作业车间调度控制方法，该方法包括以下步骤：构建一可持续制造调度三维目标框架；基于作业车间决策信息，从所述可持续制造调度三维目标框架中选取与所述作业车间决策信息相适配的调度目标；基于所述调度目标求解获得最优调度方案，以该最优调度方案控制作业车间生产状态。与现有技术相比，本发明具有能够快速获得有效的调度目标以实现准确生产调度控制等优点。

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： 本发明公开了一种基于调度编码的免疫克隆选择作业车间调度方法，主要解决现有技术在求解作业车间调度问题时质量差及效率低的缺点。其实现步骤为：运用GT算法对输入的机器、作业以及约束条件进行操作，产生调度矩阵；对调度矩阵进行直接编码作为抗体种群；计算抗体种群的亲和力，将其划分为记忆单元和自由单元；计算每个抗体的克隆规模；依据克隆规模，使用基于邻域搜索的克隆算子对抗体种群进行克隆变异，得到克隆种群；对克隆种群进行克隆选择，得到新的抗体种群，并对记忆单元和自由单元进行更新和死亡；输出抗体种群中的最优抗体，将其映射为机器和作业的调度顺序。本发明具有质量好、效率高的优点，可用于求解作业车间调度问题。

摘要： 本发明公开了一种带有作业族的作业车间调度方法及装置，以最小化作业族的总完成时间和总成本为调度目标，建立执行模式包括替换模式和修复模式的作业车间调度模型，以解决执行模式选择、替换作业分配和排序、修复机器分配和操作排序等三个问题，并采用改进的人工蜂群算法求解得到最优调度方案，所获得的最优调度方案优于现有技术所获得的最优调度方案。

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。