公共文化服务平台

搜索到2136篇“ 柔性作业车间调度“的相关文章

改进麻雀搜索算法求解柔性作业车间调度问题: 2025年; 针对以最小完工时间为目标的单目标柔性作业车间调度问题(FJSP),提出了一种改进麻雀搜索算法(ISSA)。首先,采用两段式编码将FJSP描述为机器选择和工序排序两个子问题,引入转换机制实现FJSP的离散调度解与连续麻雀个体位置向量之间的映射。然后,采用混合式种群初始化策略生成初始种群,通过黄金正弦算法改进发现者的位置更新方式,增强算法的全局搜索能力。最后,对一个应用实例以及Brandimare标准测试集中的10个FJSP算例进行仿真并与其他智能算法对比分析。结果表明,改进后的ISSA算法用于求解FJSP问题具有较好的算法收敛性,能够有效地获得FJSP问题的优化解。; 武福徐上壹; 关键词：柔性作业车间调度问题

带有充电约束的多AGV柔性作业车间调度: 2025年; 在制造单元不再唯一且加工时间不确定的柔性作业车间调度中,多自动导向小车(AGV)发挥着重要作用。然而当AGV执行任务时间过长、消耗电量较多时,充电事件成为必须考虑的因素。该研究旨在解决考虑电池约束条件下的多AGV的柔性车间作业调度问题。综合考虑制造单元加工时间、AGV小车搬运时间以及AGV小车充电情况等约束条件,以优化最大完工时间为目标。针对此问题建立数学模型,将文化基因算法和自适应变邻域搜索算法相结合提出一种混合文化基因算法。该算法采用文化基因算法作为框架,并引入基于析取图的关键路径方法,以解决制造单元和AGV小车滞空率高的问题。同时,为了提高算法的寻优能力,避免陷入局部最优解,利用自适应变邻域搜索对当前迭代中的最优解进行改进。针对模型特点,设计多种打破重组的邻域结构,以实现算法求解最优值的目标。仿真实验结果表明,该算法具有寻找最优解的能力且整体性能优于所对比的算法,验证了该算法的有效性。; 李晓辉资湖海徐珂鑫牛樱清赵毅董媛; 关键词：柔性作业车间调度充电基因算法

深度强化学习求解动态柔性作业车间调度问题: 2025年; 随着智慧车间等智能制造技术的不断发展,人工智能算法在解决车间调度问题上的研究备受关注,其中车间运行过程中的动态事件是影响调度效果的一个重要扰动因素,为此提出一种采用深度强化学习方法来解决含有工件随机抵达的动态柔性作业车间调度问题。首先以最小化总延迟为目标建立动态柔性作业车间的数学模型,然后提取8个车间状态特征,建立6个复合型调度规则,采用ε-greedy动作选择策略并对奖励函数进行设计,最后利用先进的D3QN算法进行求解并在不同规模车间算例上进行了有效性验证。结果表明,提出的D3QN算法能非常有效地解决含有工件随机抵达的动态柔性作业车间调度问题,在所有车间算例中的求优胜率为58.3%,相较于传统的DQN和DDQN算法车间延迟分别降低了11.0%和15.4%,进一步提升车间的生产制造效率。; 杨丹舒先涛余震余震鲁光涛王家兵; 关键词：柔性作业车间调度动态调度

基于改进GEP的绿色柔性作业车间调度研究: 2025年; 降低制造过程能源消耗和碳排放是近年来备受制造业关注的问题,车间生产是制造过程产生能耗的主要因素之一,合理的车间调度方法可以有效降低车间生产能耗和碳排放。针对绿色柔性作业车间调度问题(green flexible job shop scheduling problem,GFJSP),提出了一种改进的多目标基因表达式编程(multi-objective gene expression programming,MOGEP)算法,并建立起以最大完工时间和总能耗为优化目标的数学模型。针对GFJSP的特点和MOGEP算法的求解方式,设计了用于车间调度问题的个体评价机制;针对算法特殊的基因构造形式,设计了基于K-表达式的变异操作和重组操作;提出了基于个体的自适应遗传算子,能够动态地调整遗传操作的概率;在MOGEP框架中融入了具有5层邻域结构的禁忌搜索策略,避免算法过早陷入局部最优。通过仿真对比实验证明,改进MOGEP算法在兼顾解的分布性的同时增强了全局收敛能力,具有更高的探索效率;且其生成的调度规则能够有效优化完工时间和生产能耗,具有实际应用价值。; 王婷于颖赵曜

滚动生产模式下的柔性作业车间调度问题: 2025年; 针对滚动生产模式下的柔性作业车间调度过程中,工序级生产子批的开工时间受到其所含盖工件所属紧前工序生产子批完成时间、所属紧前工序传输子批周转时间、同工序上一生产子批完成时间及设备资源已有任务占用等实际约束综合影响的问题,构建考虑滚动生产、外部动态来料及设备资源存在已有任务占用约束的柔性作业车间调度模型,提出一种改进遗传算法并设计了相适应的交叉、变异策略,避免迭代过程中非法解的产生。在设备选择阶段提供3种设备选取方式,基于迭代过程最优解停滞代数动态调整各自选取概率,实现了迭代过程中优异个体信息继承与局部最优突破能力的平衡,提升了算法寻优能力。最后,基于标准算例及在标准算例基础上增加相关约束后的扩展算例,对所提模型和算法进行测试,结果表明所提算法能够优化调度结果,获得满足车间实际生产过程中存在的动态来料、资源约束等约束关系的调度方案。; 黄飘郑祖杰李新宇于谋雨陆丰玮郑方志

柔性作业车间调度问题的课程强化学习算法: 2025年; 针对深度强化学习在柔性作业车间调度问题上泛化能力不足的问题,提出结合课程学习和深度强化学习的方法。通过动态调整训练实例难度,重点增强最难实例的训练,以适应不同数据分布,避免学习过程中的遗忘问题。仿真测试结果表明,算法在未经训练的大规模问题和基准数据集上保持了不错的性能。在2种人造分布的4个未训练大规模问题上取得了更好的性能表现。相较于精确方法和元启发式方法,对于计算量较大的问题实例,能快速地获得质量不错的解。同时算法可以适应不同的数据分布的柔性作业车间调度问题,具有较快收敛速度和较好泛化能力。; 卢超肖洋张彪高亮; 关键词：柔性作业车间调度课程学习

基于多群体禁忌蜂群算法的柔性作业车间调度: 2025年; 针对人工蜂群算法解决柔性作业车间调度问题时存在的收敛速度慢、易陷入局部最优解等问题,提出了多群体禁忌蜂群算法(multi-swarm taboo artificial bee colony algorithm,MTABC),在初始化阶段提出多规则方法,引入反向学习规则,提高种群的多样性;雇佣蜂阶段提出两种不同的交叉算子,分别应用在工序编码和机器编码中,指导种群进化方向;跟随蜂阶段将禁忌列表添加到关键路径移动局部搜索策略中,更加符合实际调度问题的执行特点;侦察蜂阶段提出双侦察群体,以不同的方式进行初始化,避免陷入局部最优等问题;最后在Brandimarte数据集上与其它算法进行测试对比,证明了该算法的有效性。; 卢法凯田野蔡雨轩; 关键词：人工蜂群算法柔性作业车间调度问题禁忌搜索

考虑峰值功率受限约束的柔性作业车间调度研究: 2025年; 针对车间峰值功率受限约束下的柔性作业车间调度面临的作业周期增加、机器负荷增大的问题,建立以最小化最大完工时间和最小化机器最大负载为优化目标、考虑车间峰值功率约束的柔性作业车间调度问题(PPCFJSP)模型。为更好地调度决策,首先将该问题转化为马尔可夫决策过程,基于此设计了一个结合离线训练与在线调度的用于求解PPCFJSP的调度框架。然后设计了一种基于优先级经验重放的双重决斗深度Q网络(D3QNPER)算法,并设计了一种引入噪声的ε-贪婪递减策略,提高了算法收敛速度,进一步提高了求解能力和求解结果的稳定性。最后开展实验与算法对比研究,验证了模型和算法的有效性。; 李益兵曹岩郭钧郭钧李西兴王磊; 关键词：柔性作业车间调度马尔可夫决策过程

考虑能耗的分布式柔性作业车间调度问题研究: 2025年; 针对分布式装配车间的柔性作业车间调度问题(distributed assembly flexible job-shop scheduling problem,DAFJSP),构建了以最小化最大完工时间、车间能耗和机器总负载为优化目标的DAFJSP数学模型。为求解DAFJSP模型,提出了一种改进的启发式算法(improving gold rushing optimization algorithm,IGROA),该算法以改进的淘金算法为全局搜索组件,多种领域搜索算子为局部搜索组件。首先,设计3种领域搜索算子,对Pareto前沿个体进行领域搜索,提高了种群的多样性与收敛速度;其次,在种群选择中提出一种结合模拟退火算法的竞标赛选择方式,提高了全局寻优能力;最后,基于Kacem、MK等算例进行算法验证,证明了算法的优越性。; 李岳威宋李俊; 关键词：多目标优化能耗

基于数字孪生仿真的柔性作业车间调度优化研究: 2025年; 智能制造是世界制造业发展的共同趋势,数字孪生作为推进实施智能制造的重要使能技术,是迈向智能制造的关键环节。为应对车间作业过程中的不确定事件以及生产信息透明度低的问题,提出了一种基于数字孪生仿真的柔性作业车间调度优化方法。首先,设计了数字孪生车间调度框架,构建了基于AnyLogic软件的柔性作业车间数字孪生仿真模型。其次,综合考虑最大完工时间、设备能耗及设备总负荷建立柔性作业车间调度模型,提出了一种改进NSGA-Ⅱ进行求解,采用多策略混合种群初始化方法,并对工序、设备编码采用不同的交叉变异策略。最后,基于标准算例与发动机缸盖制造实例,验证了所提方法的有效性。; 刘亮贺禹铭祁思远; 关键词：柔性作业车间调度多目标优化

加载更多 ∨

相关作者

用户反馈

相关作者

用户登录

用户反馈