针对以最小化最大完工时间为目标的柔性作业车间调度问题,设计一种改进的邻域搜索灰狼算法。设计一种适于灰狼算法的基于工序和机器的双层编码方案,改进种群初始化策略、灰狼变异操作以及种群更新机制;通过两点交叉操作、插入操作以及PR操作,得到GWO算法的全局搜索邻域,提出设计禁忌搜索邻域以增强GWO算法的局部开发能力。最后将所提算法在已知算例上进行仿真实验,并与其他算法进行对比。实验结果验证了改进GWO算法具有一定的优越性。

柔性作业车间调度问题是一种典型的NP-Hard问题,在生产过程中,调度方案会因各种意外事件的发生而变化。针对柔性作业车间调度问题的实时性、动态性的特点,构建了基于数据驱动的柔性作业动态调度的数学模型。首先通过数据感知设备监测车间中发生的变化,实时传输到服务器上,然后根据车间生产状况所发生的变化,依据服务器上的调度规则重新调整调度方案。最后通过某制造企业的调度方案和车间环境变化时的调整方案,验证了基于数据驱动的实时动态调整调度方案的可行性和有效性。

为了优化调度方案,针对多目标柔性车间调度问题的特性,以最大完工时间、生产成本、能源消耗和加工质量为优化目标,提出一种离散花朵授粉算法。算法采用轮盘赌均值派选策略生成初始种群,并采用机器序列算法计算编码的目标值;为了优化算法的寻优能力,重新定义了花朵授粉算法中的两种授粉方式。最后通过基准算例和实际生产数据实验证明了所提算法的有效性。

机械加工车间能耗不仅包括机床加工过程中消耗的直接电能,还包括因消耗刀具、切削液等辅助资源产生的间接能耗。柔性作业车间中加工任务的工艺路线和加工资源可选,其调度方案灵活性强,节能潜力大。为此,研究一种综合考虑直接电能和间接能耗的柔性作业车间广义能耗调度优化模型。首先分析柔性作业车间调度直接电能和间接能耗,然后建立以车间广义能耗最低和完工时间最小为优化目标的柔性作业车间调度多目标优化模型,并基于多目标模拟退火算法对模型进行求解。最后通过案例对比分析验证了所提模型的有效性。

针对柔性作业车间调度问题,提出了改进的人工蜂群算法。算法采用基于混沌序列思想、SPT启发式规则和随机方式三种方式共同产生初始种群以保证初始解的质量。针对算法的搜索过程,引入相似度概念将种群分为先进和后进两个群,并针对两个群特点分别采用搜索范围不同的搜索策略以加强寻优性能;采用锦标赛选择策略代替原算法的轮盘赌选择方式以改善过早收敛现象;根据局部解特点,改变原来的未变个体的替换方式,采用按一定比例替换具有相同最优值的个体,保留当前最优的同时,又具有跳出局部最优解的能力。最后通过标准实例求解并与其它论文结果对比,证明了该改进算法的有效性。

针对柔性生产碳排放量和作业时间的耦合,文章以碳排放量和最大完工时间为优化目标,建立了柔性作业车间调度模型,并提出了一种基于改进模拟退火算法的调度策略。为了提高算法的运行速度,采用了随机位置和轮盘赌的两种编码方式。为了避免算法陷入早熟,采用了个体调换和局部颠倒两种不同的搜索方式。最后以车间生产实际案例为背景,通过设置碳排放量和最大完工时间不同的权重系数代表不同的工厂对生产目标的不同要求,生成不同的调度方案。实验结果表明文中所提出的基于改进模拟退火算法的调度策略在加入低碳要求的车间调度中是可行和有效的。

对柔性作业车间生产过程中预防性维护难以有效避免机器故障的发生,并且还存在各种无法预测的随机事件的问题进行了研究。为了有效应对这种情况,提出了多目标柔性作业车间鲁棒性调度与预防性维护的集成优化模型和在空闲时间进行预防性维护的策略,同时优化加工周期、机器可用性和调度方案的鲁棒性。应用多目标遗传算法NRGA对模型求解,并针对柔性作业车间调度问题的特点,采用三层编码方法。采用有效的交叉和变异操作避免产生非法解。最后通过模拟随机事件的发生进行仿真实验,结果表明提出的模型、维护策略和求解算法能够有效地提高生产效率、维护机器可用性、避免实际调度性能的恶化。

针对柔性作业车间调度问题的特点,采用基于工序和基于机器分配的两部分编码方式,在交叉变异时对两部分基因串分别进行操作。与其它优化算法的结果进行对比分析,利用该算法求解经典柔性作业车间调度问题具有有效性。

采用改进遗传算法求解柔性作业车间调度问题,优化目标是工件最大完工时间、机器总工作负荷和最大工作负荷。遗传算法的改进是针对随机初始种群易导致最终解较差的不足,设计了随机生成与最优选择策略结合的初始种群方法,以提高解的质量,并通过实例证实了所提算法是合理有效的。

以不确定工序加工时间为切入点, 使用区间数表征不确定工序加工时间, 研究了基于不确定工时的单目标柔性作业车间调度问题, 并设计了基于区间数理论的改进遗传算法对该问题进行求解.