针对作业车间的物料配送调度问题,考虑到AGV在加工过程中只参与物料运输的特性,把整个生产车间的物料调度视为一个小型的车间物流系统,在此基础上提出一种实现AGV行走路径、运输时间和配送成本等多目标最优化的多AGV作业调度模型。采用单层整数分段编码和ROV编码转换方案,通过在基本蝙蝠算法中引入禁忌表、藐视准则和局部搜索寻优等策略,构建了一种混合禁忌蝙蝠算法来求解该调度模型。仿真结果表明该算法具有一定的可行性,可以获得比较好的效果,为多AGV在一定约束条件下的车间物料调度提供了一种切实有效的实践方案。

粒子群算法具有早期收敛速度快,后期容易陷入早熟、局部最优等特点,为了使粒子群算法的择优能力大幅提升,论文首先选择运用混沌映射产生最初种群,然后借助粒子群算法针对种群展开优化,对个体及全局最优解加以混沌搜索,同时按照信息熵自适应调节惯性系数,设计出在大规模车间调度问题求解当中较为适用的熵增强的混沌粒子群算法。通过具有代表性的实际范例对该算法进行仿真研究,结果显示,在面对大规模的车间调度问题时采用该算法能够高效、快速获取相应答案,相较于以往老旧的算法,其优势极为显著。

研究以最小化作业加工总时间为目标的作业车间调度问题，受生物体自调节机制启发，改进了传统粒子群算法，提高了搜索效率，优化了调度结果。在该研究中，借鉴生物体内部自我调节机制，在粒子群算法中引入自适应调节因子，通过单个粒子感知共同飞行的其他粒子信息来自我调整飞行状态，以达到更大的搜索范围和更好的搜索质量。最后通过对作业车间调度实例Lawerence’s系列问题进行测试，测试结果验证了算法的有效性。

针对离散制造生产过程信息复杂、生产计划与作业计划难以均衡等问题,以提高产品质量,降低企业生产成本为目标,建立了面向柔性制造系统的车间调度模型,并设计了一种改进粒子群算法进行离散制造车间柔性调度优化。改进算法惯性权重能够余弦自适应调节,学习因子能够基于惯性权重动态变化。仿真实验结果表明,改进粒子群算法具有较快的收敛速度以及全局寻优能力。柔性车间调度对于缩短产品生产周期,提高生产线的生产效率,降低生产成本,提高企业的经济效益具有重要意义。

研究了有关Job Shop作业车间调度问题,并分析了与操作顺序有关的工件加工时间和工件到期时间的约束.提出了一种混合遗传算法的调度新算法。运用遗传算法决定各工件的加工时间和每天的使用刀具总数,运用贪婪算法来决定工件在机器上的加工时间和所用的工具。将贪婪算法引入遗传算法的个体解码过程,可提高用遗传算法求解此类问题的效果。

针对微粒群算法作用力规则的不足,提出改进混合作用力微粒群(IHFPSO)算法。采用阶段性搜索策略,将算法的搜索过程分为前期和后期2个搜索阶段:在前期搜索阶段,微粒在其他微粒的引斥力作用下进行最优搜索,以保持种群多样性;在后期搜索阶段,微粒在双引力及引力提供的加速度的共同作用下向最优解收敛,以提高局部搜索能力。将所提出的IHFPSO算法应用于液压阀块加工车间调度问题,利用矩阵变量来处理约束条件,给出一种基于矩阵的微粒编码、解码方法。通过液压阀块加工车间调度优化实例,将IHFPSO算法与微粒群算法、中值导向微粒群算法、扩展微粒群算法、多作用力微粒群算法进行对比,验证提出的IHFPSO算法结果最优,实现液压阀块加工车间调度优化。