基于Agent和蚁群算法的混合流水车间调度

混合流水车间调度问题是经典调度问题的推广,但是,由于计算的复杂性,很难求得其最优解,文章提出了利用基于Agent技术的蚁群算法来实现混合流水车间调度优化。描述了算法实现的步骤,以及在JADE平台上人工蚁Agent的创建。最后,结合某生产企业的实际例子,利用蚁群算法来实现其生产调度,其生产调度结果显示,蚁群算法能很好的解决混合流水车间调度问题。     

某航空标准件企业生产调度与设备维护联合优化

考虑某航空标准件企业独立制定生产调度和设备维护计划带来的现场冲突问题,以最小化系统最大完工时间和最小化系统维护总成本为目标,构建生产调度与设备维护联合优化模型。模型基于设备负荷确定车间内不同设备组的故障率阈值,进而制定不同的预防性维护策略。通过设计遗传算法发对模型进行求解,对模型所涉及的参数给出估计方法,并通过企业实际运用验证了模型和算法的有效性。     

考虑外包车辆和加班条件的车辆调度问题研究

针对现实生活中配送企业车辆资源有限和配送工作人员加班工作的特征,在同时考虑外包车辆和配送人员加班情况下,建立以最小化车辆配送总成本为目标函数的车辆调度模型,并将免疫算法与蚁群算法相结合对模型进行求解。最后结合车辆调度具体算例,将免疫蚁群算法与蚁群算法进行比较,结果表明该算法不仅可以获得最优解,而且提高了求解效率,是一种有效的方法。     

具有模糊加工时间的偏柔性作业车间调度问题研究

研究了以最小化制造跨度为目标的,具有模糊加工时间的偏柔性作业车间调度问题。针对该问题,采用三角模糊数来表征时间参数;并采用预处理算法,将偏柔性作业车间调度问题转化为更容易处理的完全柔性作业车间调度问题,给出了基于粒子群优化的调度模型;最后通过实例验证了模型的有效性。     

基于虚拟流水线的船舶分段建造调度问题研究

针对传统船舶分段制造中出现的生产等待、时间冗余等问题,应用虚拟流水线生产模式的方法进行生产系统改造。在满足约束的前提下,建立以作业班组在生产系统中的流通时间最短为目标的班组调度模型。针对分段车间调度问题应用一种基于混合蚁群遗传算法(Mixed AntColony and Genetic Algorithm,MACGA)实现了作业班组的优化调度。最后,以某造船厂分段加工车间为例,验证了虚拟流水线模式及其调度方法可以有效的提高船舶分段的生产效率。     

某汽车座椅发泡修整区作业调度优化研究

文章以某汽车座椅发泡车间修整区为研究对象,围绕降本增效建立了模糊作业工时下综合考虑包括最小化完工时间、最小化拖期、最小工位总负荷、和最小化电能消耗的多目标混流生产作业调度问题数学模型.模型求解上,针对常规NSGA-II算法收敛过程不稳定的缺陷,引入线性微分递减控制策略实现交叉和变异过程的自适应调整,避免了收敛过程容易陷入局部解问题.通过对比,各优化指标得到明显提升,证明了优化方案可行性和有效性.     

用混合蚁群算法求解多工序订单生产计划

多工序订单生产排序问题,是一类典型的组合优化问题。采用混合蚁群算法,对一种多工序订单模型进行建模求解,并给出了详细的算法步骤。通过用不同数量的订单、工序组合的数据进行模拟计算与结果比较,证明了混合蚁群算法在求解此类的问题的有效性以及良好的鲁棒性。     

JIT环境下多工序订单生产排序模型及改进蚁群算法应用研究

订单排序问题是一类典型的组合优化问题,采用改进蚁群算法对一种具有多生产工序和JIT交货的订单模型进行建模求解,给出了详细的算法步骤,通过仿真计算和结果分析,与模拟退火算法和基本蚁群算法进行对比,证明了本算法的有效性。     

基于改进BBO算法的多目标柔性作业车间调度研究

为了满足市场的快速变化、降低生产成本,车间调度成为生产的关键环节。为解决作业车间分批调度问题,本文在企业资金收益率最大化、物料周转速度最快的情况下,建立以生产周期、交货期满意度为指标的数学模型,并提出一种将DE算法与BBO算法相结合的多目标优化算法模型。最后经过实例仿真,求得的结果证明了算法的有效性。     

具有模糊加工时间的Flexible Job-Shop Scheduling问题的研究

采用梯形模糊数来表征柔性生产系统中的时间参数,并在此基础上对具有模糊加工时间的柔性作业车间最小化制造跨度调度问题进行了描述。然后给出了基于粒子群优化的柔性作业车间调度模型。最后通过实例验证了模型的有效性。     

基于演化蚁群算法的多目标物流网络优化

物流网络优化中普遍存在着多目标优化的问题.传统的多目标优化算法容易陷入局部最优,采用了多种群相关的蚁群算法求解多目标物流网络优化问题,两个种群分别针对总运费最小和最大单程距离最小两个优化目标,考虑蚁群算法的收敛速度,采用遗传算法对蚁群算法的多个初始参数进行优化选择.实验结果证明,该模型算法可以有效迅速地求得最佳路径,为决策者提供多个可选择的优化方案,避免局部最优解.     

“货到人”订单分批拣选作业优化研究

由于传统的“人到货”订单拣选方式存在效率低、成本高等问题,无法满足仓储物流高效快捷的订单拣选作业模式。因此,“货到人”订单拣选系统得到了迅速发展。订单分批作为优化订单拣选作业的方法之一,如何实现合理有效的订单分批,提高订单拣选系统整体运作效率是研究的重点。以最小化货架搬运总次数为目标建立订单分批数学模型,采用订单相似度和萤火虫算法的联合优化方法实现订单分批。通过在Matlab软件上进行多组实验,验证了所提出模型和优化方法的有效性,与按单拣选所需货架搬运次数相比,订单拣选作业优化效果显著。     

基于知识管理的车间调度规划

在以销定产的生产模式下,为了充分利用制造资源,提升制造企业核心竞争力,根据制造车间生产特点,提出了制造车间生产抽象化模型。将车间资源进行了分类,根据制造车间特点归纳出调度时应服从的原则,指出调度应服从的整体经济原则。对制造车间agent建立与调度优化方法,构建调度数据采集和网络做了分析。为功能各异、数据结构不同的车间资源调度的建模提供参考。     

基于多Agent粒子群改进算法的车间调度

针对制造系统中车间调度过程存在的动态性与复杂性问题,本文基于粒子群算法,结合多Agent协同优化性,构建了粒子群算法的是适应度函数,以及多Agent车间调度的行动策略,提出了基于多Agent粒子群改进算法(particle swarm improved algorithmbased on multi-agent,PSIMA),建立了基于多Agent粒子群改进算法流程。最后,通过具体实例,该方法比传统粒子群算法在计算时间以及计算复杂度上有明显改进,为解决制造系统中车间调度问题提供了一种新的方法指导。     

基于Floyd算法的供应链网络路径研究

21世纪的竞争不是企业与企业之间的竞争，而是供应链之间的竞争。运输系统是供应链中一个重要的子系统，运输路径的选择是否合理直接影响供应链的运作成本、速度和效益。文中考虑在拉动式生产的背景下，当销售商提出需求订单的时候，最快的选择相应的制造商和配送中心，使得供应链的总运输成本最小化的问题，利用floyd算法研究三级供应链的运作模式，理论证明其可行性，并通过算例分析验证了此优化算法使得供应链运输成本最小化。     

循环取料下的多道口分配问题及算法研究

针对循环取料下的多道口分配问题,研究无时间窗约束的车辆优化调度问题.决策变量是每辆车停靠道口的先后顺序和每个道口停靠的车辆的先后顺序,优化目标是最小化卸货所需的总时间.首先,建立该类问题的混合整数规划模型.其次,提出求解该类问题的贪婪算法.最后,数值实验表明该类算法的有效性.     

多仓联储模式下的集成生产库存决策

为了探究多仓联储模式下集成化供应链生产与供给配送的最优决策,以供应链总运营成本最小化为目标,构建了多仓联储模式下的集成生产与库存分配模型,基于迭代局部搜索算法原理构建求解算法,用以解决实际大规模情形下的生产计划与库存分配决策问题。通过实验表明,集成生产与仓储分配决策方法能够有效协调生产以及多个仓库间的分配调度,为仓库节省大量的仓储空间,同时能够合理地进行资源的运输调度,从整体上降低了供应链的生产与仓储运输成本。     

基于穿越策略的订单分批问题研究

本文针对配送中心的订单分批问题,在使用穿越路径策略的基础上,以最小化拣货路径为目标,建立了目标函数的数学模型,提出了改进的种子订单算法。将和原始订单相比,节约量最大的订单选为初始订单,并以此为条件为订单合并条件,逐一将订单组合,形成优化序列。本文将此算法运用到实际算例,并与传统的先到先服务和订单不分批的情况进行比较研究。     

城市医疗废弃物回收路径优化研究——以成都市金牛区为例

为满足城市医疗废弃物对回收处理时效性的高要求,提高城市医疗废弃物回收效率,构建了以总回收时间最短为优化目标的带有时间窗的车辆路径优化模型(VRPTW)。利用最大最小蚁群算法求解该模型,有效克服了一般蚁群算法容易早熟收敛的缺点,得到最短回收时间以及最优回收车辆数和最优行驶路径。最后,以成都市金牛区医疗废弃物回收为例,验证了模型的有效性。     

基于低碳排放的多车型车辆路径优化问题研究

针对物流配送过程中,如何合理安排配送路线,提高配送效率、降低配送成本和碳排放量的问题,分析了车辆载重量、行驶速度、行车距离、交通状态等因素对车辆油耗的影响,建立了以最小化配送成本和碳排放量为优化目标的多车型车辆配送路径模型。同时,结合蚁群算法对该优化问题进行求解。仿真结果验证了算法能够有效的降低配送成本和碳排放量。