一、单机模糊加工时间下最迟开工时间调度问题(论文文献综述)
王昕[1](2020)在《考虑恶化效应和维护需求的生产调度研究》文中进行了进一步梳理机械加工的“个性化定制”和“多品种小批量生产”需求与日俱增,生产的高度灵活性和设备维护的必要性给调度工作带来了巨大挑战,实际生产伴随的恶化效应使得调度问题更加复杂。因此,基于合适的维护策略,运用优化理论实现生产与维护的协同管理,对机加工企业降低运营成本、提高经济效益有重要意义。论文以单机环境为研究基础,对周期维护策略和状态维护策略下考虑工时恶化效应的生产调度问题进行了研究,总结了不同维护策略下的调度规律。基于单机分析结果,对考虑柔性周期维护与分段线性恶化的异速并行机调度问题建立模型并引入算法进行求解。论文主要工作如下:(1)分析了机械加工生产过程中的维护策略和恶化效应的影响因素。考虑加工过程存在的设备性能衰退,利用分段线性函数对工时恶化进行描述,从集成优化的角度出发,对考虑维护活动的生产调度问题进行了目标分析。(2)研究了周期维护策略下考虑恶化效应的单机调度问题。基于固定周期维护和柔性周期维护,分别建立调度模型。通过调参分析,确定了周期维护策略的关键和非关键因素,实现了维护策略的优劣对比。计算表明:柔性周期维护没有批次空闲,且能抵消恶化惩罚时间,较固定周期维护有显着优势。(3)研究了状态维护策略下考虑恶化效应的单机调度问题。基于连续故障检测和离散故障检测,引入失效率函数建立模型。通过调参分析,确定了参数对成本的影响。计算表明:离散检测易出现过维护或欠维护的情况,两策略“归一化”能得到较好结果,但不能柔性抵消恶化惩罚时间,目标成本不一定总是最小。(4)研究了考虑柔性周期维护与分段线性恶化的不相关异速并行机调度问题。分别利用装箱思想和位置转化思想构建了基于批次和基于位置的混合整数规划模型,通过参数对比证明了基于批次模型的优势。以遗传算法(Genetic Algorithm,GA)为主体框架,设计了基于改进启发式的GA-TEI和GA-CRI,数值实验证明:GA-CRI是求解该类并行机调度问题的有效算法。
孔敏[2](2020)在《面向离散制造过程考虑高效节能的生产调度优化问题研究》文中研究指明快速增长的制造产品需求使得全球能源消耗水平持续走高,在太阳能、风能等可再生能源未成为全球能源消耗来源的主体之前,煤炭、石油、天然气等化石类不可再生能源仍然是全球能源消耗来源的主力。面对化石类能源可能带来的环境污染和资源短缺问题,节能减排已经成为各国政府和能源消耗密集型企业共同关心的课题。除了开发节能装置等硬件技术外,立足于计划和调度层面进行能源的有效利用正在成为学术界的研究热点。本文研究了供电可断、分时能源消耗成本、机器处理速度可控以及柔性车间配置等四类节能机制,以数控机床切割过程以及钢铁连铸和轧制过程为背景,分别研究了四类高效节能生产调度优化问题。为解决上述问题,分析了各个节能机制对企业生产调度方案的影响,提出了问题最优调度方案的结构化性质,并据此开发了具有针对性的启发式算法或者改进元启发式算法,算法性能在一系列仿真实验中得到了验证。本文主要研究内容和创新点可以概括如下:1)研究了带有能源消耗和机器启动成本的订单接收和调度问题,分析了单机情形下该问题的结构化性质,提出了改进的变邻域搜索算法,利用仿真对比实验验证了所提算法的有效性。在传统的订单接收和调度问题中引入了机器启动选择、订单的释放时间、订单生产恶化效应等因素,目标是最大化绿色制造系统净收益。分析了该问题单机情形下最优调度方案关于订单内工件排序、订单排序和能源消耗成本计算等结构化性质,给出了该问题NP难性质的证明,设计了求解最优解决方案的单机调度算法。针对一般性问题,提出了改进的变邻域搜索算法,为了扩大邻域空间,结合编码和解码规则设计了交叉邻域结构和变异邻域结构等两类邻域结构。提出了基于动态规划算法的适应度值度量方法,以提供订单选择和机器启动选择方面的相关决策。仿真实验结果表明,所提改进变邻域搜索算法优于其他变邻域搜索算法以及其他基线算法。2)研究了分时能源消耗成本情形下高效节能生产重调度优化问题,分析了原有调度方案和重调度方案的最优化性质,提出了一类改进的变邻域搜索算法,通过与不同基线算法的对比验证了所提算法的有效性。在经典的平行机重调度优化模型的基础上,考虑了分时能源消耗成本和线性恶化效应等因素,目标函数是在考虑重调度扰动指标满足一定限制的前提下最小化制造系统总能源消耗成本。分析了原有调度方案和重调度方案在工件排序、能源消耗成本计算等方面的性质,设计了包含三种新型互换邻域结构的改进变邻域搜索算法,开发了基于动态规划算法的适应度值计算方法,以最优化分配各个机器上的扰动指标。仿真实验结果表明,所提算法较人工蜂群算法和差分进化算法而言,在求解上述重调度优化模型上具有一定的优势。3)研究了加工速率可控情形下考虑高效节能的混合生产调度优化问题,分析了单机调度问题的结构化特性,提出了基于动态规划算法的单机调度算法,开发了一系列多机情形下针对混合制造系统调度优化问题的启发式算法。混合制造系统环境下考虑了工件可变加工速度以及工件生产恶化效应的调度优化模型,目标函数是在总能耗成本和再制造成本预算的限制下最大程度地缩短制造周期。基于单机最优调度方案的结构化性质,提出了基于动态规划算法的单机调度算法,可以提供产品再制造选择、工件处理顺序、工件加工速度等方面的决策支持。同时考虑了能源成本预算无限以及给定工件集合最小化能源消耗成本的特例问题,并提出了相应的动态规划算法。针对多台机器的混合制造系统调度优化问题,提出了两类简单启发式算法以及一种贪婪算法。多组仿真实验分析了三类算法的求解性能。4)研究了柔性供应链情形下考虑工件恶化效应和高效节能的生产调度优化问题,构建了考虑平行批处理和恶化效应的生产和运输协同调度模型,目标函数是最小化总能源消耗水平和运输成本的总和。针对任一给定机器情形,提出了关于批生产和批排序的结构化特性。基于这些性质,开发了一种基于动态规划的启发式算法,以确定各个批运输点。为解决一般问题,提出了一种有效的混合智能优化算法,该算法结合了偏随机键遗传算法和花朵授粉算法,其中偏随机键遗传算法作为算法外围框架主要是将工件分配至机器上,基于花朵授粉算法的遗传算子主要用于种群的迭代。仿真实验结果表明,所提算法在求解质量和收敛性都优于偏随机键遗传算法、花朵授粉算法以及粒子群算法。本文系统地研究了面向离散制造过程的高效节能调度优化问题,研究内容涵盖了四类有效的工业生产节能机制,并考虑了诸如生产恶化效应、批生产等实际工业生产因素。研究成果丰富了高效节能生产调度方面的理论研究,在一定程度上可以为钢铁企业等能源消耗密集型企业提供节能减排方面的决策支持。
张燕华[3](2019)在《低碳环境下废钢铁再制造系统生产调度研究》文中研究说明废钢铁是一种可循环利用的再生资源,与铁矿石原料相比,具有明显的资源和低碳优势。在国家节能减排背景下,积极推动废钢铁再制造是钢铁工业实现低碳发展的重要途径,也是目前我国钢铁工业发展的主要方向。我国于2017年12月底启动了碳排放交易市场,将钢铁行业列为首批8个重点行业之一,该举措成为加快钢铁行业节能减排的有力“推手”。随着碳减排措施在具体生产环节中的不断落实,碳排放已然成为企业在制定生产调度方案时不得不考虑的关键因素之一。因此,在低碳环境下,研究如何科学地制定废钢铁再制造生产调度方案,以实现核心生产工序间的有效协调及子系统之间的高度协调运作,从生产调度层面降低二氧化碳排放,推进钢铁产业绿色循环发展,将具有重要的学术价值和实践意义。本文以废钢铁再制造系统为研究对象,以实现经济效益和环境效益的统一为再制造生产调度的优化目标,基于再加工子系统和再熔炼子系统中能源消耗和碳排放的关键生产环节,对低碳环境下废钢铁再制造生产调度优化展开研究。主要研究内容如下:(1)针对废钢铁再加工与电弧炉配料整个生产过程,考虑工艺约束、物料平衡等因素,设计了碳排放计量方法,构建了最小化经济成本与碳交易成本总和的低碳调度优化模型。将该模型与只考虑经济成本的模型进行比较,从理论方面论证了该模型在碳减排方面的可行性与有效性;进一步通过数值实验探讨了碳限额、碳价及碳交易对总成本、碳排放和最优调度方案的影响。该研究实现了废钢铁再加工子系统与再熔炼子系统之间的高度协调运作,从整体上减少了物质损耗和碳排放。(2)针对废钢铁炼钢模铸生产过程,设计了碳排放计量方法,构建了最小化makespan与碳排放的双目标优化模型。针对该模型等待时间受限的特征,提出了一种采用概率更新机制的种群增量学习算法。该算法结合炼钢模铸生产工艺要求将标准的2维概率矩阵扩展为3维矩阵,建立新的更新机制,利用概率模型产生每代种群;由于对解的基因位执行概率选择操作,算法能够对优质解的排列信息进行快速有效学习,可在较短时间内求得高质量的调度方案。通过仿真实验分析了影响碳排放的主要因素,以及makespan与碳排放之间的关系,从而为企业依据生产任务和碳排放环境选择综合目标最优化的生产调度方案提供有效方法。(3)针对工艺路径相同的废钢铁炼钢连铸生产过程,设计了碳排放计量方法,考虑工艺约束因素,构建了最小化makespan与碳排放的双目标优化模型。针对该模型炉次驻留时间受限、连铸阶段批量生产、准时开浇的强约束特征,提出了改进的种群增量学习算法。该算法利用改进的概率模型产生每代种群,对问题解空间执行较高效率的全局搜索;设计了融合时间窗后向推移法的局部搜索算法同时优化双目标;由于在全局和局部搜索之间达到了较好平衡,算法有能力获得问题的优良解。仿真结果表明,与只考虑经济指标最优化的调度结果相比,该优化模型可以在优化经济指标的同时有效降低碳排放,且调度方案满足驻留时间上限,从而有效降低了重调度风险造成的碳排放。(4)针对复杂工艺路径的废钢铁炼钢连铸生产过程,设计了碳排放计量方法,构建了最小化makespan、碳排放、炉次最大等待时间的多目标优化模型。针对该模型中目标种类多,目标之间相互矛盾等问题,提出了求解此问题的快速非支配排序遗传算法。该算法结合复杂工艺路径特征和工艺约束条件,设计了四层染色体编码方式,采用基于操作顺序的倒推解码方法,利用逆向计算安排炉次加工时间并消解时间冲突;快速非支配排序的个体评价及基于拥挤距离的多样性保持策略使算法达到了较好的求解效果。仿真结果表明,该优化模型的求解既能为调度决策者提供各目标有效均衡的折中方案,又能提供不同碳排放政策下的满意调度方案。本文的研究工作有利于丰富和完善废钢铁再制造的相关研究理论和方法,为废钢铁再制造企业在低碳环境下制定科学合理的生产调度方案提供决策依据。
杨烨[4](2019)在《分时电价下废钢铁配料与生产调度集成优化研究》文中指出我国是钢铁生产和消耗大国,钢铁工业粗放型生产方式以及国民经济的高速发展,导致钢铁产能过剩、钢铁产品大量囤积,为此,钢铁业提出了减少粗钢生产、增加废钢铁生产比的结构调整方案。近年来,气候变暖问题引起世界关注,各个国家纷纷制定减排目标,以承担相应的减排义务,国家层面的减排目标必然要分解到企业生产运营层面上,才能得以落实,钢铁生产具有高能耗、高排放的特点,探寻节能减排的绿色生产发展道路是钢铁企业不可推卸的责任和义务。相对于以铁矿石为主要原料、以高炉和转炉为主要冶炼设备的“长流程”炼钢,以废钢铁为主要原料、以电弧炉为主要冶炼设备的“短流程”炼钢,是更为节能、减排、环保且大量消纳废钢铁的绿色生产方式。但是,我国用电负荷过高,电力成本一直居高不下,电力政策和电力成本一直以来制约着以电力为主要能源的“短流程”炼钢的发展。冶炼生产调度是废钢铁重新实现其价值的核心步骤,配料是冶炼生产前的关键环节,两者相互影响、紧密相关。因此,本文对分时电价下废钢铁配料和生产调度集成优化问题的研究具有重要的学术价值和实践意义。本文综合利用生产调度、运筹学、鲁棒线性规划相关理论,围绕分时电价下废钢铁配料和生产调度集成优化相关问题进行研究。首先分别研究了废钢铁配料优化问题和分时电价下废钢铁生产调度优化问题,实现废钢铁配料系统和废钢铁生产调度系统的局部优化,为后续研究奠定基础,然后从整体角度对分时电价下废钢铁配料和生产调度集成优化问题进行进一步探索。具体的研究内容如下:(1)本文从废钢铁配料优化问题、考虑能源因素的车间生产调度问题、钢铁/废钢铁生产调度问题、鲁棒线性规划问题四个方面进行文献综述。其中,考虑能源因素的车间生产调度问题,主要从分时电价下单一外部电网供电的车间生产调度问题、考虑可再生能源供电的车间生产调度问题两方面详细展开阐述;对于钢铁/废钢铁生产调度问题,主要从静态钢铁/废钢铁生产调度问题、动态钢铁/废钢铁生产调度问题、分时电价下单一外部电网供电的钢铁/废钢铁生产调度问题、考虑可再生能源供电的钢铁/废钢铁生产调度问题四个方面展开阐述,以期为后续研究提供理论依据。(2)对废钢铁配料过程中的不确定性因素进行分析,在此基础上,研究了考虑金属元素浓度不确定的废钢铁配料优化问题。以废钢铁和铁合金使用成本最小化为目标,构建了求解问题的鲁棒线性优化模型,在假设随机参数在“有界不确定”和“有界对称不确定”两种集合中取值的情况下,基于鲁棒线性规划相关理论,将鲁棒优化模型转化成两种集合下的确定等价模型。通过数值分析,验证了模型的可行性和有效性,分析了模型中重要参数对目标函数的影响。(3)分析了废钢铁生产调度流程的特点,将其归结为带有特殊生产工艺约束的混合流水车间调度问题。在此基础上,考虑到炼钢厂生产用电来自于单一外部电网供电的情况,研究了分时电价下废钢铁生产调度优化问题。以最小化分时电价成本为目标,构建了求解问题的混合整数线性规划模型。通过数值分析,验证了模型的可行性和有效性,分析了分时电价对生产调度、生产用电情况的影响。(4)在(3)的研究基础上,进一步考虑到炼钢厂生产用电同时来自于外部电网供电和内部可再生能源供电的情况,研究了分时电价下废钢铁生产调度优化问题。以最小化可再生能源发电成本、分时电价成本、电池储能系统运营成本为目标,构建了求解问题的鲁棒混合整数线性优化模型,基于鲁棒线性规划相关理论,将其转化为确定等价形式。通过数值分析,验证了模型的可行性和有效性,分析了可再生能源发电及其不确定性对废钢铁生产调度电力相关成本、生产调度活动、生产用电情况的影响,探讨了分时电价下电网供电、可再生能源供电、电池储能系统充/放/储电之间的关系。(5)在(2)和(3)的研究基础上,考虑到炼钢厂生产用电来自于单一外部电网供电的情况,以及废钢铁配料过程中金属元素浓度的不确定性,研究了分时电价下废钢铁配料和生产调度集成优化问题。以分时电价成本、生产调度准备成本、废钢铁使用成本、铁合金使用成本最小化为目标,采用模块建模方法,构建了求解问题的鲁棒混合整数线性优化模型,并将其转化为两种确定等价形式。通过数值分析,验证了模型的可行性和有效性,分析了金属元素浓度不确定性对生产成本的影响、分时电价对生产调度的影响、电价波动对废钢铁和铁合金使用量及准备次数的影响。(6)在(4)和(5)的研究基础上,考虑到炼钢厂生产用电同时来自于外部电网供电和内部可再生能源供电的情况,以及废钢铁配料过程中金属元素浓度的不确定性、可再生能源发电的不确定性,研究了分时电价下废钢铁配料和生产调度集成优化问题。以可再生能源发电成本、分时电价成本、电池储能系统运营成本、生产调度准备成本、废钢铁使用成本、铁合金使用成本最小化为目标,采用模块建模方法,构建了求解问题的鲁棒混合整数线性优化模型,并将其转化为两种确定等价模型。通过数值分析,验证了模型的可行性和有效性,分析了可再生能源供电对分时电价下废钢铁配料与生产调度的影响,探讨了分时电价下电网供电、可再生能源供电、电池储能系统充/放/储电之间的关系。本文的创新之处主要体现在以下几个方面:(1)研究了考虑金属元素浓度不确定的废钢铁配料优化问题,假设不确定参数在有界、有界对称集合中取值,并采用鲁棒优化方法对不确定参数进行处理,相对于当前文献中假设废钢铁所含金属元素浓度服从某一概率分布或模糊数类型的情况,所构建的模型更符合生产实际。(2)针对分时电价下废钢铁生产调度问题,本文在传统的混合流水车间生产调度问题建模方法的基础上,在满足废钢铁生产调度过程中各种工艺约束的条件下,构建了一种新的分时电价下废钢铁生产调度混合整数线性优化模型,相对于现有文献中的相关模型,本文中的模型更为简洁、约束性更强,具有较好的扩展性。(3)当前,对考虑可再生能源供电的生产调度问题的相关研究,或者没有考虑分时电价的影响,或者没有考虑可再生能源发电的不确定性,或者假设可再生能源发电量服从某一概率分布类型,但实际中,概率分布类型的相关信息很难准确获得。本文则假设可再生能源发电量在某一集合内取值,并采用鲁棒优化相关理论对其进行处理,基于此,研究了分时电价下联合内部可再生能源供电的废钢铁生产调度鲁棒优化问题,所构建的模型更接近于生产实际。(4)当前,废钢铁配料优化问题和废钢铁生产调度优化问题是分开研究的,造成了两种活动的不协调,考虑到炼钢厂生产用电来自于单一外部电网供电的情况,本文对两者进行集成优化研究,探索分时电价对两种生产活动的影响,以达到废钢铁配料系统和废钢铁生产调度系统整体优化和协调。(5)在(4)的基础上,进一步考虑生产用电同时来自于外部电网供电和内部可再生能源供电的情况,研究分时电价下废钢铁配料和生产调度集成优化,探索分时电价影响下,炼钢厂电力供应系统(可再生能源供电、电网供电、电池储能系统充/放/储电)、配料系统、生产调度系统之间的有效协调。
代华凤[5](2019)在《具有恶化效应的多技能资源受限项目调度问题研究》文中指出多技能资源受限项目调度问题(Multi-Skill Resource Constrained Project Scheduling Problem,MS-RCPSPS)作为资源受限项目调度这一NP-hard问题的一个重要分支,项目调度方案除了满足资源约束及时序约束之外,对资源任务间的匹配关系也有严格要求。对该调度问题的研究旨在满足约束的前提下,对任务的开始时间及处理该任务的资源进行合理安排,从而实现完工时间最小化、延误时间最短、成本最低等目标。在经典项目调度问题中,任务处理时间通常被假设为固定不变的常数。然而,在制造系统及服务系统中,任务加工时间存在不确定性,它同时也是会对调度结果产生关键影响的因素,而恶化效应是其中一种十分重要且普遍的不确定性主观因素。带有恶化效应的调度问题中,任务的处理时间会随任务开始时间、处理顺序的变化而有所不同。就理论研究而言,具有恶化效应的多技能资源受限项目调度问题绝大多数属于NP-hard问题,并广泛存在于软件开发、建筑、飞机制造等各个领域。因此,为此类运用广泛、求解复杂的具有恶化效应的多技能资源受限项目调度问题设计求解质量高、运行速度快的优化算法具有重要的理论价值和现实意义。本文对一般线性恶化和阶跃恶化这两种恶化效应作用下的多技能资源受限项目调度问题进行了研究,并分析了问题的复杂性。由于问题的NP-hard特性,无法在多项式时间内获得问题的最优解。因此,在对问题及解结构特征进行分析的基础上,为问题的高效、高质量求解设计了启发式算法和智能优化算法。论文的主要工作及获得的主要结论如下:1.资源有限前提下具有一般线性恶化效应的单机调度问题最大任务完工时间的优化此单机问题作为其它加工环境的特例,对该模型的分析可帮助我们加深对问题内在性质及最优调度解的结构特征的认知。针对有限资源下具有一般线性恶化效应的单机调度问题,以最小化最大完工时间为优化方向,建立0-1混合整数规划模型,并证明该问题是NP-hard的。在对问题相关性质进行分析的基础上,基于调度解结构特征和对模型的特性分析提出了比率比较启发式方法RCA以及基于比率比较法的邻域搜索算法RCA-LS。通过对计算机产生的随机算例进行仿真分析以评估算法性能,结合LINGO精确求解器对小规模算例进行求解。算例仿真结果表明,所提出的RCA-LS算法能够匹配所有精确求解器求得的小规模算例最优解,并以极少的的时间成本获得明显优于RCA的调度结果。2.阶跃恶化效应作用下多技能资源受限项目调度问题项目工期与项目成本的优化作为有限资源下具有恶化效应的单机调度问题的更一般性问题,以项目成本及项目工期为优化目标,为阶跃恶化下的多技能资源受限项目调度问题建立0-1混合整数规划模型,同时证明了该问题属于NP-hard问题。在问题模型基础上,分析最优解结构及相关性质,设计了一种集成了四种邻域结构和一个扰动步骤的改进禁忌搜索算法ITS进行求解,算法初始解的生成手段为基于SLS优先调度规则的简单启发式算法。为了检验算法的有效性,通过两组算例进行了计算机仿真分析。其中一组为MS-RCPSP领域已有的标准算例,通过对比目前已有的一些前沿算法,证明了ITS在多技能资源受限项目调度相关问题求解时寻优的能力;另一组算例则是通过修改标准案例,使算例中的任务处理时间具有阶跃恶化效应,随机算例仿真结果同样证明了ITS算法相较于其他算法的优越性。3.交货期约束下具有阶跃恶化效应的多技能资源受限项目调度问题任务总延误时间的优化在安排任务资源的调度过程中,加入对各任务交货期的要求,以总延误时间为优化方向,针对所研究问题,建立其0-1混合整数规划模型,同时证明相关问题的NPhard性质。基于调度问题最优解的结构特征,设计了基于任务优先级别PL和修正交货期MDD的启发式算法PL-MDD,同时还提出一种结合局部搜索阶段的路径重连算法PR对问题进行求解。在标准算例基础上生成随机算例进行仿真试验,对算法性能进行评估,实验结果表明PR能够对交货期下考虑阶跃恶化效应的多技能资源受限项目调度问题进行有效求解。4.一般线性恶化效应作用下多技能资源受限项目调度问题项目工期的优化以最小化完工工期为调度目标,对一般线性恶化效应下的多技能资源受限项目调度问题进行讨论,建立其对应的0-1混合整数规划模型。为求解该NP-hard问题,提出了一种集成了探寻新的解空间的重组算子与加强搜索当前解空间的局部搜索算子的基于一般变邻域搜素的模因算法(GVNS-MA)。在算法设计过程中,为节省算法运行时间,在算法寻优搜寻过程中加入能够对解质量进行快速评估的REM机制。同样,通过两组数值算例对算法求解性能进行分析。此外,设计对照试验以分析构成算法的两个重要组成部分对算法总体性能所起的作用。实验结果表明,算法GVNS-MA求解已有标准算例的结果相较于目前文献中已有的其它算法性能表现十分卓越,针对所生成的考虑了一般线性恶化的随机算例而言,GVNS-MA依旧是极其高效且稳定的,其求解能力对惩罚时间取值范围并不敏感。本论文针对具有一般线性恶化和阶跃恶化效应的任务处理时间,结合多技能资源受限项目调度问题,分别考虑了以最小化项目工期、总延误时间和项目成本为优化方向的多种调度模型,分析调度最优解的相关性质,并针对各个具体问题分别设计了对应的调度算法。本文创新性地提出在多技能资源受限项目调度问题中集成任务处理时间的恶化效应,该研究拓展了调度领域的研究内容,为求解该类问题提供了更为丰富的求解思路及方法,有利于项目实际生产缩短工期、节约资源、提高经济效益,具有重要的实际意义。
蒋南云[6](2018)在《存在返工的定点装配车间生产计划与调度集成优化》文中研究指明不合格品返工通常分为部件返工、产品返工及售后产品返厂维修三种情况,在制造系统中客观存在,且返工数量及发生时间是不确定的。尤其在定点装配车间,返工不确定性直接导致预先制定的调度不可行,进而影响生产计划执行。因此,本论文以定点装配车间为研究对象,研究部件返工、产品返工及售后产品返厂维修情况下生产计划与调度集成优化问题,提出增设单元检测点、将返工延后处理、预留返工处理时间的方法,以降低返工对生产管理的干扰,建立部件返工、产品返工及售后产品返厂维修不确定情况下定点装配车间生产计划与调度集成优化模型;并证明工件与装配班组的开工时间应满足的约束条件;通过对模型结构与特点的分析研究,提出了解决此类问题快速而有效的求解技术;最后进行算例运算仿真以检验模型与算法的有效性,进而完善补充不确定条件下生产计划与调度的集成优化理论。本论文的主要内容概括如下:1.研究了不确定可重入定点装配车间生产计划与调度问题,提出基于随机期望值规划的定点装配车间生产计划与调度集成优化方案。不确定可重入定点装配车间存在同一工件的不同加工阶段重复访问同一设备的情况,且重复次数依据上一工序的质检结果具有不确定性,这给生产计划制定带来很大难度。为满足工厂-车间一体化管理需求,分析了定点装配车间的特点。在工件质检成功事件服从的概率分布已知的情况下,利用期望值描述不确定可重入情况,建立了双层生产计划与调度集成优化随机期望值模型,上层为能力约束下成本最小的生产计划模型,下层为不确定可重入定点装配车间调度模型,并证明了可行调度解的递推公式。然后提出了一种具有双层结构的交替迭代式改进遗传算法,采用精英遗传算法求解上层模型获得生产计划,然后代入下层模型后采用基于随机模拟技术的遗传模拟退火算法求解调度,再将调度结果返回代入上层重新求解新计划,如此不断交替迭代实现计划与调度的同时优化。最后的算例仿真验证了所建模型及所提算法的有效性。为制定不确定可重入定点装配车间生产计划提供了一种合理可行的方法。2.研究了部件返工情况下定点装配车间生产计划与调度集成优化问题,提出在产品装配过程中父节点工件处增设装配单元检测点的方法,降低返工对生产管理的干扰。在部件返工次数波动所属区间数据已知的情况下,建立了定点装配车间双层生产计划与调度集成优化模型,上层为效益最大的生产计划模型,下层调度层中将各单元检测点工件返工次数的不确定情况用不同的场景表示,建立了基于场景的调度性能均值-方差模型,并证明各场景下工件与装配班组的开工时间应满足的约束条件。通过对模型结构复杂性的研究,提出一种具有双层结构的交替迭代式遗传-文化基因算法求解该模型,同时证明了算法的局部搜索条件。最后的算例验证了所提方法的可行性和实用性。3.研究了存在不合格产品返工的定点装配车间生产计划与调度集成优化问题,提出一种基于返工延后处理的定点装配车间生产计划与调度集成优化方法。在分析定点装配车间特点及返工流程的基础上,将每周期产生的不合格品放入缓冲区等待下周期期初重新调整生产计划及调度。首先在各周期每种产品不良品率已知的情况下,建立了以生产效益最大为目标的返工延后处理的粗生产计划模型,并设计遗传算法求解;下达计划生产后,针对实际装配过程中需返工的不合格品,采用二分法重新调整生产计划,并通过文化基因算法求解新计划下定点装配车间的最优调度,同时根据模型特点证明了文化基因算法的局部搜索条件,判断其是否满足装配班组负载率要求,交替迭代直至达到计划与调度的均衡和优化;最后的算例验证了所提方法的有效性,表明所提方法能有效化解不合格产品返工对生产计划和调度的影响。4.研究了售后产品返厂维修不确定情况下定点装配车间的生产计划与调度集成优化问题,提出在混合模式下分两阶段处理售后产品返厂维修不确定情况。第一阶段,在仅有需返厂维修的售后产品数量估计值情况下,提出预留空闲时间处理售后产品返修的方法,吸收售后产品返厂维修不确定性对生产计划的干扰,构建空闲时间的多情景规划模型,提出一种改进候鸟迁徙优化算法求解模型,并证明了算法邻域搜索的可行性质以及采用的启发式搜索规则;然后建立一种带空闲时间的生产计划与预测调度集成优化模型,并采用双层交替迭代遗传-候鸟迁徙优化算法求解,从而获得考虑含售后产品返厂维修情况下的生产计划及预测调度。第二阶段,在执行预测调度时对实际发生的售后产品返厂维修情况,利用空闲时间进行反应式调度。最后的算例仿真表明,该方法可以使车间在顺利完成生产计划的同时及时处理售后产品返厂维修,最终达到计划与调度的同时优化。
刘炜[7](2018)在《炼钢-精炼-连铸生产过程钢包智能调度方法及应用研究》文中指出现代大型炼钢-精炼-连铸生产过程由多台转炉,多台多种精炼炉,多台连铸机,以及装载钢水的多个钢包和运输钢包的多台天车组成。转炉将冶炼后的钢水注入钢包;天车运载装满钢水的钢包到精炼炉进行精炼,然后将装载精炼后钢水的钢包送到连铸机进行浇铸。炼钢-精炼-连铸生产调度包括炉次(一台转炉内冶炼的钢水)调度和钢包调度。炉次调度是保证炉次在炼钢与精炼工序加工时不冲突,在连铸工序上准时开浇并不断浇的情况下确定炉次的加工设备和加工开始时间,生成炼钢-精炼-连铸生产作业时间表。钢包调度以炉次计划为依据,在满足炉次计划中设备指派与在该设备上的开工与结束时间的条件下,选配承载炉次的钢包,并确定运输钢包的天车、天车运输钢包的路径和作业的开始/结束时间。钢包调度包括钢包选配、钢包路径编制和天车调度。钢包选配根据生产工艺为炉次选择脱碳钢包或者选择脱磷钢包然后选择脱碳钢包。钢包路径编制确定天车运送选配后的钢包从扒渣工位到精炼炉、连铸机和倒渣工位的路径。天车调度按钢包的路径编制计划和炉次调度计划确定运送钢包的天车及天车的作业起始和结束时间。由于钢包调度必须满足多个相互冲突的目标和相互冲突的约束条件,难以采用已有的优化调度方法;因此人工凭经验制定调度计划,造成编制调度计划费时,在线使用的钢包多,而且炉次按计划时间开工的命中率低。本文针对上述问题,开展了炼钢-精炼-连铸生产过程的钢包智能调度方法及应用研究,主要成果如下:1.建立炼钢-精炼-连铸生产过程钢包优化调度模型,该优化调度模型包括钢包优化选配模型,钢包优化路径编制模型和天车优化调度模型,分析了钢包优化调度为多冲突目标、多冲突约束的优化决策难题。(1)钢包优化选配模型,包括脱磷包选配模型和脱碳包选配模型,其中脱磷包优化选配模型以钢包温度最高、寿命最长、剩余在线使用时间最大为性能指标,以工艺规定的待选钢包温度、使用寿命和维护结束时间的约束条件建立约束方程,决策变量为脱磷钢包。脱碳包优化选配模型以钢包温度最高、寿命最长、材质等级最低和下水口数量最少为性能指标,以工艺规定的钢包温度、寿命、材质、下水口使用次数,维护结束时间和钢包烘烤时间的约束条件建立约束方程,决策变量为脱碳钢包。(2)钢包优化路径编制模型以钢包运输路径最短、起吊放下次数最少、同一路径中先后相邻两个钢包的间隔时间最长、运输温降和时间最少为性能指标;以路径上的天车载重、路径可运输时间、可用路径长度、路径中运输的钢水温降不超标的约束条件建立约束方程;决策变量为钢包运输路径。(3)天车优化调度模型以天车运输时间最短,相互避让次数最少,运行效率最大为性能指标;以天车载重、可用运输任务时间、天车之间安全距离、运输钢水温降不超标的约束条件建立约束方程;决策变量为运输钢包的天车和天车作业开始/结束时间。通过上述调度模型分析了钢包优化调度是多冲突目标、多冲突约束的优化难题。2.采用基于最小一般泛化的规则推理、启发式和基于甘特图的人机交互等智能方法与钢包调度过程的特点相结合,提出了钢包智能调度方法,包括基于最小一般泛化规则推理的钢包选配方法,基于多优先级的启发式钢包路径编制方法,基于冲突解消策略和基于甘特图编辑人机交互调整炉次的启发式天车调度方法。其中,钢包选配方法采用最小一般泛化智能方法建立钢包选配规则,钢包优化选配钢包路径按性能指标重要程度确定钢包路径优先级并对可用路径排序,优化了钢包运输路径;天车调度针对天车调度中的冲突问题,将基于甘特图编辑的人机交互调整炉次计划和启发式天车调度相结合,明显提高了天车调度的炉次按计划时间开工的命中率。3.采用所提出的钢包智能调度算法,研发了炼钢-精炼-连铸过程钢包调度软件系统,并成功应用于某国内大型钢铁企业的炼钢-精炼-连铸生产过程。采用面向对象思想和模块化复用技术开发了炼钢-精炼-连铸过程钢包调度软件系统,该软件系统包括调度算法图形化组态、算法管理、可视化仿真、结果显示与分析功能模块。调度算法图形化组态使用图形化组态技术配置算法规则,生成钢包调度方法;算法管理负责钢包调度算法的注册、维护和分组管理;可视化仿真的验证采用了计算机动画技术,对钢包和炉次调度计划进行仿真,实时显示钢包调度过程运行参数并进行数据统计,图表形式对钢包调度结果进行显示,调度人员通过甘特图可以方便的进行钢包调度计划调整。将研制的钢包调度软件系统成功应用于国内最大的炼钢-精炼-连铸生产线的钢包调度。应用结果表明:编制钢包调度计划的时间由人工平均编制时间30秒减小为3.4秒,需要钢包数量由23个减少为19个,日钢包维护次数由17次减少为12次。炉次在炼钢-精炼-连铸生产中按炉次计划开工的时间命中率由61%提升到65%,为企业带来显着的社会经济效益。
肖世昌[8](2018)在《加工时间具有随机性的Job Shop鲁棒调度问题研究》文中认为Job Shop制造环境中的不确定因素,如随机机器故障、刀具或物料短缺、工人熟练程度差异等,均会造成加工时间随机变化,这会导致调度实际执行效果偏离最优调度方案,严重情况下可能造成交货期、工人和原材料的配置等发生改变,从而影响车间的生产成本、系统稳定性和客户满意度。为保证加工时间随机变化条件下生产调度方案的稳定、高效执行,在优化调度性能的同时降低潜在扰动对调度性能的影响,研究加工时间具有随机性的Job Shop调度问题(Stochastic Job Shop Scheduling Problems,SJSSP)具有重要理论及实践意义。本文针对加工时间具有随机性的Job Shop调度问题,采用鲁棒调度的方法,系统研究了不同约束下基于加工时间场景的SJSSP鲁棒调度问题,为调度决策者快速提供兼顾性能和鲁棒性的调度方案。首先,考虑不确定因素对加工时间随机性的影响,研究了基于加工时间随机场景的SJSSP鲁棒调度问题;进而,针对工人负面主观因素导致的工人故意推迟开工或拖延而产生资源浪费和调度紊乱,研究了考虑工人负面主观因素的SJSSP鲁棒调度问题;最后,考虑实际制造环境中工人熟练程度对加工时间随机性的控制作用,研究了机器-工人双资源约束的SJSSP鲁棒调度问题。主要研究内容和成果如下:1.考虑加工时间随机性的SJSSP鲁棒调度问题建模根据SJSSP鲁棒调度子问题特点,采用对应的鲁棒调度方法建立了三种鲁棒调度模型。首先,采用期望性能作为鲁棒性评价指标建立基于加工时间随机场景仿真的SJSSP鲁棒调度模型(SJSSP robust scheduling based on stochastic scenarios of processing times,SJSSP-SSP);其次,考虑Job Shop制造系统中工人“学生综合症”和“帕肯森定律”两种典型负面主观因素,采用“轨道执行策略”降低工人负面主观因素对调度过程的不利影响,建立基于加工时间期望场景的SJSSP鲁棒调度模型(SJSSP robust scheduling based on expected scenarios of processing times,SJSSP-ESP);最后,考虑工人熟练程度对加工时间随机性的控制,建立机器-工人双资源约束下基于加工时间期望场景的SJSSP鲁棒调度模型(Dual-Resource Constrained SJSSP-ESP,DR-SJSSP-ESP)。2.基于加工时间随机场景仿真的SJSSP鲁棒调度研究提出了包含评价空间缩减策略的混合分布估计算法求解SJSSP-SSP。首先,为提升算法求解性能,提出一种基于分布估计算法(Estimation of Distribution Algorithm,EDA)的混合算法(HEDA)。进而,为提升SJSSP-SSP的求解效率,提出评价空间缩减策略(Reduction Strategy,RS),并嵌入HEDA构造改进的RS-HEDA。仿真结果表明HEDA的优化性能优于五种现有典型算法;RS-HEDA可在不降低优化性能的前提下,显着提升SJSSP-SSP的求解效率;通过制造企业调度案例的仿真,验证了模型和算法用于实际调度问题的有效性。3.基于加工时间期望场景的SJSSP鲁棒调度研究提出了基于鲁棒性代理指标的多目标优化算法求解SJSSP-ESP。首先,针对鲁棒性仿真评价效率低下的问题,利用加工时间的随机信息及调度方案的扰动吸收能力信息,提出了两种基于关键和非关键工序集的鲁棒性代理指标。针对此模型双目标优化的需求,提出了基于改进非支配排序的多目标HEDA。采用此算法,通过将所提出的鲁棒性代理指标与现有三种典型代理指标进行比较,验证了所提出的代理指标用于SJSSP-ESP鲁棒性评价的有效性。进而,采用多目标HEDA,将所提出的鲁棒性代理指标用于SJSSP-ESP鲁棒调度,并与基于仿真的鲁棒性指标在多个维度下进行对比,验证了所提出的鲁棒性代理指标在显着提升计算效率的同时可得到性能优异的Pareto解集。最后,通过制造企业调度案例的仿真,验证了所提鲁棒性代理指标和算法用于实际Job Shop鲁棒调度的有效性。4.机器-工人双资源约束下基于加工时间期望场景的SJSSP鲁棒调度研究提出了机器-工人两阶段指派方法和双资源约束下的鲁棒性代理指标,并采用多目标HEDA求解DR-SJSSP-ESP。首先,建立了工人熟练程度与加工时间随机性的关系模型;进而,提出了基于工人熟练程度和负载均衡的机器-工人两阶段指派策略;最后,为提高多目标HEDA鲁棒性评价的效率,在分析工序间加工时间扰动传播过程的基础上,提出基于扰动传播的鲁棒性代理指标。仿真实验验证了所提出的鲁棒性代理指标的有效性以及两阶段指派策略对于调度性能优势;进而,采用多目标HEDA,通过对DR-SJSSP-ESP进行Pareto鲁棒调度优化结果的分析,验证了采用所提出的指派策略和基于扰动传播的鲁棒性代理指标可得到性能优异的Pareto解集,且问题求解效率显着提升。最后,通过从制造系统中抽取的调度案例仿真,验证了所提指派策略和鲁棒性代理指标用于解决双资源约束下实际Job Shop鲁棒调度问题的有效性。
徐云琴[9](2019)在《含搬运机器人的柔性车间调度问题研究》文中研究说明随着制造自动化技术的提高与人力成本的提高,在生产制造单元中引进搬运机器人(AGV:automated guided vehicle)的现象比较常见。企业为了实现快速响应、尽早交货的目标,这需要在建立合理的生产模型的情况下利用优秀的优化算法求解。在传统的柔性作业车间模型中,忽略了加工工件在设备与设备间的移动时间,然而这些时间是客观存在的,且占工件总加工时间的比例可观。近年来,越来越多的学者在研究作业调度问题时考虑工件在生产设备间的搬运时间。为了研究AGV最优调度方案使加工时间最小和最佳AGV数量,本文建立了含AGV的柔性车间调度模型。针对该模型的特点,提出基于搬运工序、加工设备和AGV分配的粒子编码方式,并结合遗传算法的思想采用新的粒子群算法更新位置方式。通过数值算例验证了改进粒子群算法的有效性和可行性,并发现AGV符合边际效用递减规律,即随着AGV数量的增加,总加工时间减少,但每增加一台AGV缩短的时间变少。在具有行为效应的含AGV柔性车间调度问题中,在含有AGV的柔性车间调度模型的基础上结合学习恶化效应,采用改进的鲸鱼算法结合混沌局部搜索求解。通过数值算例验证了算法的有效性和可行性,并发现不同的效应因子对加工时间的影响不同;发现学习效应、恶化效应、学习-恶化效应、不考虑效应这四种情况对加工时间的影响不同;并发现不同批量与数量不同的AGV对加工时间的影响也不同。在柔性车间内AGV最优替换比问题中,本文建立了员工、AGV共同搬运的柔性车间调度模型,并以完工时间最小、成本最少为目标。针对该模型的特点,提出启发式规则分配AGV、员工搬运操作。通过算例得出AGV最优替换比,并发现AGV最优替换比和AGV价格有关。
焦璇[10](2015)在《基于混合量子算法的柔性作业车间调度问题研究》文中研究指明随着市场全球化的迅速发展,作为国民经济重要基础产业的制造业全球性竞争也日益加剧。自上世纪90年代以来,我国国内制造业逐渐成为推动国民经济发展的主要支柱,同时也面临着严峻的考验。在全球化市场竞争下,如何通过低成本、高质量、快速度以及令用户满意的服务来提高企业综合的竞争力?如何改善生产管理机制以满足现代生产的产品需求规模小、产品结构复杂和订单交货期短的要求?研究怎样的策略才能更好地缩短理论研究与实际生产的距离?这些都是制造企业在有效提高管理水平时需要关注的核心问题,也是关系企业竞争成败的关键。车间调度是生产调度的重要组成部分,它的好坏对企业生产成本有很大的影响,因此对作为车间调度关键环节的柔性作业车间调度问题(FJSP)的研究受到越来越多的关注。虽然国内外学者在建模、最优解选择及算法应用等方面对该问题进行了大量研究,但由于实际生产调度环境复杂多变,使得各种优化算法无法完全发挥其功能。在问题规模变大时,当前方法无法适应问题解的状态空间的相应变化,导致求解效率下降。鉴于此,本文研究与实际生产调度相一致的柔性作业车间调度问题及其性能评价,既有理论研究的科学创新又有实际的应用价值,本文主要探讨了生产实践中存在的一般多目标FJSP、模糊多目标FJSP和动态多目标FJSP三方面问题,并使用经典测试集和实际生产车间调度数据对所提出的方法进行了有效性验证。首先,针对实际作业车间调度多目标指标不同而产生冲突的问题,建立最小化交货期惩罚值、最小化最大完工时间、最小化加工机器负荷、最小化加工成本以及最大化用户满意度等模型;提出了设置不同目标权重系数;引入拥挤距离的选择策略对非支配解进行优化排序以平衡多目标。其次,针对多目标柔性作业车间调度中完工时间和交货期的要求模糊的问题,建立了模糊柔性作业车间调度问题的数学模型,提出了结合混沌理论局部优化策略以及改进旋转角的混沌量子算法,解决了算法局部收敛问题和后期种群多样性丢失而过早收敛的问题。然后,在实际柔性作业车间生产加工过程中可能会出现突发性事件,例如紧急工件插入、机器损坏等。本文在上述研究基础上对问题的动态方面进行定义和分类,设计了基于重调度周期驱动和重调度事件驱动的滚动窗口策略,同时提出了用两条基因链分别表示机器分配链和工序排序链的双链编码方法。为了均衡调度效率和调度稳定性目标,又提出了混合多相量子粒子群对问题进行求解。最后,通过使用标准的Kacem测试集、Brandimarte测试集和某机车厂加工车间的实际数据,分析了生产过程中存在的问题,设计了FJSP的调度原型系统,对如何将本文算法应用于生产实践中进行了研究,便于该算法的推广和应用。
二、单机模糊加工时间下最迟开工时间调度问题(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、单机模糊加工时间下最迟开工时间调度问题(论文提纲范文)
(1)考虑恶化效应和维护需求的生产调度研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 设备维护研究现状 |
1.2.1 基于时间的设备维护研究现状 |
1.2.2 基于状态的设备维护研究现状 |
1.3 生产调度研究现状 |
1.3.1 具有恶化效应的调度问题研究现状 |
1.3.2 具有维护需求的调度问题研究现状 |
1.3.3 考虑恶化效应和维护需求的调度问题研究现状 |
1.4 论文主要研究内容与技术路线 |
1.4.1 研究内容 |
1.4.2 技术路线 |
1.5 本章小结 |
第2章 考虑维护与恶化的生产调度问题及目标分析 |
2.1 维护策略分析 |
2.1.1 基于周期的维护 |
2.1.2 基于状态的维护 |
2.2 工时恶化分析 |
2.3 优化目标分析 |
2.3.1 优化目标概述 |
2.3.2 产能受限的单机调度目标 |
2.3.3 产能不受限的并行机调度目标 |
2.4 模型假设条件 |
2.5 本章小结 |
第3章 周期维护策略与工时恶化作用下的单机调度 |
3.1 固定/柔性周期维护概述 |
3.2 固定周期维护策略下的模型建立 |
3.2.1 问题描述 |
3.2.2 符号说明 |
3.2.3 混合整数规划模型 |
3.3 柔性周期维护策略下的模型建立 |
3.3.1 问题描述 |
3.3.2 符号说明 |
3.3.3 混合整数规划模型 |
3.4 模型有效性分析 |
3.4.1 枚举法与Gurobi求解对比 |
3.4.2 生产与维护联合决策对比 |
3.4.3 恶化工期取值变化对比 |
3.5 数值实验与分析 |
3.5.1 固定/柔性周期维护策略比较 |
3.5.2 单因素调试结果分析 |
3.5.3 成本与权重比值影响 |
3.6 本章小结 |
第4章 状态维护策略与工时恶化作用下的单机调度 |
4.1 设备状态维护概述及符号说明 |
4.1.1 连续/离散故障率检测维护概述 |
4.1.2 符号说明 |
4.2 连续故障检测维护策略下的模型建立 |
4.2.1 问题描述 |
4.2.2 混合整数规划模型 |
4.3 离散故障检测维护策略下的模型建立 |
4.3.1 问题描述 |
4.3.2 混合整数规划模型 |
4.4 模型求解及实验分析 |
4.4.1 连续/离散检测策略比较 |
4.4.2 单位时间拖期成本影响 |
4.4.3 维护与小修时间比值影响 |
4.5 本章小结 |
第5章 考虑柔性周期维护和工时恶化的并行机调度 |
5.1 问题描述 |
5.2 模型建立与对比 |
5.2.1 基于加工批次的模型 |
5.2.2 基于加工位置的模型 |
5.2.3 模型对比分析 |
5.3 算法研究与设计 |
5.3.1 最优解的性质 |
5.3.2 基于启发式规则的遗传算法 |
5.3.3 基于改进启发式的遗传算法 |
5.3.4 遗传算法整体过程 |
5.4 算法求解与分析 |
5.4.1 参数设定 |
5.4.2 结果分析 |
5.5 本章小结 |
结论与展望 |
结论 |
展望 |
致谢 |
参考文献 |
攻读硕士学位期间发表的论文及科研成果 |
(2)面向离散制造过程考虑高效节能的生产调度优化问题研究(论文提纲范文)
致谢 |
摘要 |
abstract |
1 绪论 |
1.1 研究背景 |
1.2 研究目的及意义 |
1.2.1 提升数控机床切割过程的能源利用率 |
1.2.2 提升钢锭均热与轧制过程的能源利用率 |
1.3 研究路线和主要研究内容 |
1.3.1 主要研究内容及创新点 |
1.3.2 研究技术路线 |
2 文献综述 |
2.1 基于供电可断的高效节能生产调度优化研究 |
2.1.1 基于供电可断的高效节能单机生产调度优化研究 |
2.1.2 基于供电可断的高效节能作业车间或流水车间生产调度优化研究 |
2.2 基于速率可控的高效节能生产调度优化研究 |
2.2.1 基于速率可控的高效节能作业车间生产调度优化研究 |
2.2.2 基于速率可控的高效节能流水车间生产调度优化研究 |
2.3 基于分时能源消耗成本的高效节能生产调度优化研究 |
2.3.1 基于分时能源消耗成本的高效节能单机生产调度优化研究 |
2.3.2 基于分时能源消耗成本的高效节能作业车间和流水车间生产调度优化研究 |
2.4 基于柔性车间动态配置的高效节能生产调度优化研究 |
2.5 研究评述 |
2.6 本章小结 |
3 考虑能源消耗和机器启动成本的订单接收和调度问题 |
3.1 引言 |
3.2 问题描述 |
3.3 最优解性质及复杂度分析 |
3.4 改进的变邻域搜索算法 |
3.4.1 编码及解码策略 |
3.4.2 基于动态规划的适应度计算方法 |
3.4.3 交叉邻域结构 |
3.4.4 变异邻域结构 |
3.5 仿真实验 |
3.5.1 仿真数据来源 |
3.5.2 参数调整预实验 |
3.5.3 改进变邻域搜索算法与其他变邻域算法的比较 |
3.5.4 改进变邻域搜索算法与其他基准算法的比较 |
3.6 本章小结 |
4 分时能源消耗成本情形下高效节能生产重调度优化问题 |
4.1 引言 |
4.2 问题描述 |
4.3 最优解性质及单机调度算法 |
4.4 改进的变邻域搜索算法 |
4.4.1 平行机环境下该高效节能生产调度问题的复杂性 |
4.4.2 编码及解码策略 |
4.4.3 基于动态规划的适应度计算方法 |
4.4.4 三种交换邻域结构 |
4.4.5 VNS算法的总体框架 |
4.5 仿真实验 |
4.5.1 数据来源及实验设计 |
4.5.2 新型邻域结构对算法性能的影响 |
4.5.3 改进的变邻域搜索算法与其他基准算法的对比 |
4.6 本章小结 |
5 加工速率可控情形下考虑高效节能的混合生产调度优化问题 |
5.1 引言 |
5.2 问题描述与问题建模 |
5.3 单机调度问题及其特例问题的解决方案 |
5.3.1 针对单机调度问题的性质及动态规划算法 |
5.3.2 不考虑能源消耗约束的特例问题 |
5.3.3 给定工件集合情形下最小化能源消耗成本的特例问题 |
5.4 平行机调度问题的解决方案 |
5.4.1 启发式算法1(H1) |
5.4.2 启发式算法2(H2) |
5.4.3 启发式算法3(H3) |
5.5 计算性实验和讨论 |
5.5.1 实例数据及实验设计 |
5.5.2 实验结果及讨论 |
5.5.3 非参数检验 |
5.6 本章小结 |
6 柔性供应链情形下考虑工件恶化效应和高效节能的生产调度优化问题 |
6.1 引言 |
6.2 问题描述与问题建模 |
6.3 最优解性质分析 |
6.4 特例问题的最优解决方案 |
6.5 基本的偏随机键遗传算法和花朵授粉算法 |
6.5.1 基本的偏随机键遗传算法(BRKGA) |
6.5.2 花朵授粉算法(FPA) |
6.6 混合偏随机键遗传算法和花朵授粉算法及启发式算法 |
6.6.1 基于SNPT的启发式算法 |
6.6.2 混合偏随机键遗传算法和花朵授粉算法 |
6.7 仿真实验 |
6.7.1 仿真数据来源和实验设计 |
6.7.2 实验参数预调整 |
6.7.3 混合算法与其他基准算法的对比 |
6.8 本章小结 |
7 总结与展望 |
7.1 全文总结 |
7.2 未来展望 |
参考文献 |
攻读博士学位期间的学术活动及成果情况 |
1 )攻读学位期间参与的科研项目和学术交流 |
2 )攻读学位期间发表及撰写的论文 |
3 )攻读学位期间授权专利 |
(3)低碳环境下废钢铁再制造系统生产调度研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景 |
1.1.1 环保责任规制、产业升级驱使废钢铁再制造发展 |
1.1.2 我国废钢铁再制造发展的资源基础和战略依据 |
1.1.3 废钢铁再制造低碳生产开辟经济环保新途径 |
1.2 研究意义 |
1.2.1 理论意义 |
1.2.2 实践意义 |
1.3 研究内容与框架 |
1.3.1 研究内容 |
1.3.2 研究框架 |
1.4 本文主要创新点 |
第二章 文献综述 |
2.1 再制造系统生产调度研究 |
2.2 废钢铁再制造系统生产调度研究 |
2.2.1 废钢铁再加工子系统生产调度研究 |
2.2.2 废钢铁再熔炼子系统生产调度研究 |
2.3 生产调度层面的碳排放研究 |
2.4 低碳环境下废钢铁再制造生产调度研究 |
2.5 研究现状述评 |
第三章 低碳环境下废钢铁再制造系统生产流程及碳排放因素分析 |
3.1 废钢铁再制造系统概述 |
3.1.1 废钢铁再制造概念和内涵 |
3.1.2 废钢铁再制造的特征 |
3.2 废钢铁再制造系统流程及碳排放环节分析 |
3.2.1 废钢铁再制造一般流程 |
3.2.2 废钢铁再制造子系统及碳排放关键环节 |
3.3 碳排放相关政策 |
3.4 本章小结 |
第四章 集成电弧炉配料的废钢铁再加工低碳生产调度优化 |
4.1 问题提出背景 |
4.2 问题描述及参数定义 |
4.2.1 问题描述 |
4.2.2 参数定义 |
4.3 模型构建 |
4.3.1 碳排放的度量 |
4.3.2 建立模型 |
4.3.3 理论分析 |
4.4 仿真实验 |
4.4.1 三种优化模型的实验结果分析 |
4.4.2 碳价和碳限额对总成本、碳排放和最优调度方案的影响 |
4.5 本章小结 |
第五章 废钢铁炼钢模铸低碳生产调度优化 |
5.1 问题提出背景 |
5.2 问题描述及参数定义 |
5.2.1 问题描述 |
5.2.2 参数定义 |
5.3 模型构建 |
5.3.2 碳排放的度量 |
5.3.3 建立模型 |
5.3.4 模型转换 |
5.4 算法设计 |
5.4.1 编码方式 |
5.4.2 算法步骤 |
5.5 仿真实验 |
5.6 本章小结 |
第六章 工艺路径相同的废钢铁炼钢连铸低碳生产调度优化 |
6.1 问题提出背景 |
6.2 问题描述及参数定义 |
6.2.1 问题描述 |
6.2.2 参数定义 |
6.3 模型构建 |
6.3.2 碳排放的度量 |
6.3.3 建立模型 |
6.4 算法设计 |
6.4.1 编码方式 |
6.4.2 时间窗后向推移局部搜索算法 |
6.4.3 IPBIL搜索策略 |
6.4.4 IPBIL算法步骤 |
6.5 仿真实验 |
6.6 本章小结 |
第七章 复杂工艺路径的废钢铁炼钢连铸低碳生产调度优化 |
7.1 问题提出背景 |
7.2 问题描述及参数定义 |
7.2.1 问题描述 |
7.2.2 参数定义 |
7.3 模型构建 |
7.3.2 碳排放的度量 |
7.3.3 建立模型 |
7.4 算法设计 |
7.4.1 染色体编码、解码、初始种群的生成 |
7.4.2 交叉和变异 |
7.4.3 剪枝 |
7.4.4 选择 |
7.5 仿真实验 |
7.5.1 优化结果分析 |
7.5.2 三种碳排放政策下的调度方案选择 |
7.6 本章小结 |
第八章 结论与展望 |
8.1 研究结论 |
8.2 研究展望 |
致谢 |
参考文献 |
攻读博士期间完成学术论文与参与项目列表 |
(4)分时电价下废钢铁配料与生产调度集成优化研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景 |
1.1.1 废钢铁产业发展的资源基础和战略依据 |
1.1.2 节能减排、绿色生产理念助力电弧炉冶炼废钢铁的发展 |
1.1.3 废钢铁加工行业的规范化管理保障电弧炉冶炼的炉料来源和质量 |
1.1.4 电力成本制约了电弧炉冶炼废钢铁的发展 |
1.2 研究意义 |
1.2.1 理论意义 |
1.2.2 实践意义 |
1.3 研究内容与框架结构 |
1.3.1 研究内容 |
1.3.2 框架结构 |
1.4 主要创新点 |
第二章 文献综述 |
2.1 废钢铁配料优化研究 |
2.2 考虑能源因素的车间生产调度研究 |
2.2.1 分时电价下单一外部电网供电的车间生产调度研究 |
2.2.2 考虑可再生能源供电的车间生产调度研究 |
2.3 钢铁/废钢铁生产调度研究 |
2.3.1 静态钢铁/废钢铁生产调度研究 |
2.3.2 动态钢铁/废钢铁生产调度研究 |
2.3.3 分时电价下单一外部电网供电的钢铁/废钢铁生产调度研究 |
2.3.4 考虑可再生能源供电的钢铁/废钢铁生产调度研究 |
2.4 鲁棒线性规划研究 |
2.5 研究现状评述 |
第三章 考虑金属元素浓度不确定的废钢铁配料鲁棒优化 |
3.1 废钢铁配料过程中的不确定性因素分析 |
3.2 问题描述 |
3.3 鲁棒优化模型构建 |
3.3.1 索引和集合、参数、决策变量 |
3.3.2 数学模型 |
3.4 两种集合下的确定等价模型 |
3.4.1 “有界不确定”集合下的确定等价模型 |
3.4.2 “有界对称不确定”集合下的确定等价模型 |
3.5 数值分析 |
3.6 本章小结 |
第四章 分时电价下单一外部电网供电的废钢铁生产调度优化 |
4.1 废钢铁生产调度流程分析 |
4.2 问题描述 |
4.3 模型构建 |
4.3.1 索引和集合、参数、决策变量 |
4.3.2 数学模型 |
4.4 数值分析 |
4.5 本章小结 |
第五章 分时电价下联合内部可再生能源供电的废钢铁生产调度鲁棒优化 |
5.1 问题描述 |
5.2 鲁棒优化模型构建 |
5.2.1 索引和集合、参数、决策变量 |
5.2.2 数学模型 |
5.3 确定等价模型 |
5.4 数值分析 |
5.5 本章小结 |
第六章 分时电价下单一外部电网供电的废钢铁配料与生产调度集成鲁棒优化 |
6.1 问题描述 |
6.2 鲁棒优化模型构建 |
6.2.1 模块建模方法 |
6.2.2 索引和集合、参数、决策变量 |
6.2.3 数学模型 |
6.3 两种集合下的确定等价模型 |
6.3.1 “有界不确定”集合下的确定等价模型 |
6.3.2 “有界对称不确定”集合下的确定等价模型 |
6.4 数值分析 |
6.5 本章小结 |
第七章 分时电价下联合内部可再生能源供电的废钢铁配料与生产调度集成鲁棒优化 |
7.1 问题描述 |
7.2 鲁棒优化模型构建 |
7.2.1 索引和集合、参数、决策变量 |
7.2.2 数学模型 |
7.3 两种确定等价模型 |
7.4 数值分析 |
7.5 本章小结 |
第八章 结论与展望 |
8.1 研究结论 |
8.2 研究展望 |
致谢 |
参考文献 |
攻读博士期间完成学术论文与参与项目列表 |
(5)具有恶化效应的多技能资源受限项目调度问题研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 调度问题的提出与发展 |
1.3 具有恶化效应的调度问题研究现状 |
1.4 资源受限项目调度问题研究现状 |
1.4.1 精确求解方法 |
1.4.2 启发式优化方法 |
1.5 多模式及多目标资源受限项目调度问题研究现状 |
1.6 多技能资源受限项目调度问题研究背景及现状 |
1.7 本文选题意义及研究内容 |
1.7.1 本文选题的意义 |
1.7.2 本文研究内容及章节安排 |
第2章 有限资源下求解具有一般线性恶化效应的单机调度问题 |
2.1 引言 |
2.2 问题描述 |
2.3 问题的0-1混合整数规划模型 |
2.4 算法设计 |
2.4.1 启发式优化算法 |
2.4.2 基于RCA的邻域搜索算法 |
2.5 算例仿真 |
2.5.1 实验设计 |
2.5.2 实验结果与分析 |
2.6 本章小结 |
第3章 改进禁忌搜索算法求解阶跃恶化下的多技能资源受限项目调度问题 |
3.1 引言 |
3.2 问题描述 |
3.3 算法设计 |
3.3.1 解初始化 |
3.3.2 邻域结构 |
3.3.3 变异算子 |
3.3.4 解的可行性检验 |
3.3.5 禁忌表管理及违背准则 |
3.3.6 总体框架 |
3.4 计算机仿真实验 |
3.4.1 不考虑阶跃恶化效应的计算机仿真实验 |
3.4.2 考虑阶跃恶化的计算机仿真实验 |
3.5 本章小结 |
第4章 交货期约束下考虑阶跃恶化效应的多技能资源受限项目调度问题 |
4.1 引言 |
4.2 问题描述 |
4.3 问题复杂性分析 |
4.4 启发式优化算法设计 |
4.5 路径重连算法 |
4.5.1 评价函数 |
4.5.2 路径重连算法总体框架 |
4.5.3 种群初始化 |
4.5.4 路径重连算子 |
4.5.5 随机局部搜索 |
4.5.6 种群更新准则 |
4.6 算例仿真 |
4.6.1 算例设计 |
4.6.2 参数设置 |
4.6.3 实验结果与分析 |
4.7 本章小结 |
第5章 一种求解一般线性恶化下的多技能资源受限项目调度问题的模因算法 |
5.1 引言 |
5.2 问题描述 |
5.3 算法设计 |
5.3.1 解空间及评价函数 |
5.3.2 GVNS-MA算法的总框架 |
5.3.3 种群初始化 |
5.3.4 交叉算子 |
5.3.5 一般变邻域搜索算子 |
5.3.6 种群更新机制 |
5.4 仿真实验 |
5.4.1 标准算例集 |
5.4.2 参数设置 |
5.4.3 求解MS-RCPSP的实验结果 |
5.4.4 求解MS-RCPSPLD的实验结果 |
5.5 分析和讨论 |
5.5.1 快速评价机制REM |
5.5.2 模因算法框架 |
5.6 本章小结 |
第6章 实例验证 |
6.1 案例数据输入 |
6.2 算法求解MS-RCPSP案例 |
6.3 算法求解MS-RCPSPSD案例 |
6.4 算法求解MS-RCPSPLD案例 |
6.5 本章小结 |
结论与展望 |
致谢 |
参考文献 |
攻读博士学位期间发表的论文及科研成果 |
(6)存在返工的定点装配车间生产计划与调度集成优化(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 本论文的研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 生产计划与调度研究概述 |
1.2.2 定点装配车间生产计划与调度研究概述 |
1.2.3 考虑不确定因素的生产计划与调度方法研究概述 |
1.2.4 返工不确定情况下的生产计划与调度研究概述 |
1.3 本文的研究对象及主要研究内容 |
第二章 不确定可重入定点装配车间生产计划与调度集成优化 |
2.1 引言 |
2.2 问题描述 |
2.3 生产计划与调度集成优化模型构建 |
2.3.1 问题假设 |
2.3.2 模型建立 |
2.4 基于随机模拟的交替迭代式双层改进遗传算法 |
2.4.1 集成优化模型求解方法 |
2.4.2 初始生产计划与初始生产调度优化模型 |
2.4.3 上层EGA算法 |
2.4.4 下层SS-GSAA算法 |
2.5 算例研究 |
2.5.1 算例分析 |
2.5.2 算法比较 |
2.6 本章小结 |
第三章 基于场景分析的部件返工情况下定点装配车间生产计划与调度集成优化 |
3.1 引言 |
3.2 问题描述 |
3.2.1 航空发动机装配特点 |
3.2.2 返工情况下定点装配车间特点 |
3.3 增设单元检测点的解决方案 |
3.4 生产计划与调度集成优化方法及模型 |
3.4.1 基于场景分析的定点装配车间生产计划与调度集成优化方法 |
3.4.2 符号说明 |
3.4.3 上层计划层模型 |
3.4.4 下层调度层均值-方差模型 |
3.5 双层遗传-文化基因算法 |
3.5.1 算法流程 |
3.5.2 初始计划层模型与初始调度层模型 |
3.5.3 上层计划层遗传算法 |
3.5.4 下层调度层文化基因算法 |
3.6 算例研究 |
3.6.1 仿真算例 |
3.6.2 算法验证 |
3.7 本章小结 |
第四章 存在产品返工的定点装配车间生产计划与调度集成优化 |
4.1 引言 |
4.2 问题描述 |
4.3 整体解决方案的思路框架 |
4.4 存在返工的粗生产计划制定 |
4.4.1 粗生产计划模型构建 |
4.4.2 基于遗传算法的粗生产计划求解算法 |
4.5 面向返工产品的生产计划调整方法 |
4.6 定点装配车间生产调度优化 |
4.6.1 定点装配车间调度模型构建 |
4.6.2 基于可行域搜索的文化基因算法 |
4.7 算例研究 |
4.7.1 仿真算例 |
4.7.2 算法性能对比 |
4.8 本章小结 |
第五章 混合模式下售后产品返厂维修不确定的定点装配车间生产计划与调度集成优化 |
5.1 引言 |
5.2 问题描述 |
5.3 解决方案 |
5.4 预留空闲时间设置 |
5.4.1 空闲时间的模型构建 |
5.4.2 改进候鸟迁徙优化算法 |
5.5 预留空闲时间的定点装配车间生产计划与调度集成优化 |
5.5.1 集成优化模型构建 |
5.5.2 交替迭代算法 |
5.6 反应式调度 |
5.7 算例研究 |
5.8 本章小结 |
第六章 结束语 |
6.1 论文工作总结 |
6.2 论文中有待进一步研究的问题 |
参考文献 |
附件 |
攻读博士学位期间发表、录用或已投出的学术论文 |
攻读博士学位期间发表的其他学术论文 |
致谢 |
(7)炼钢-精炼-连铸生产过程钢包智能调度方法及应用研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究意义及课题背景 |
1.1.1 研究意义 |
1.1.2 课题背景 |
1.2 炼钢-精炼-连铸生产调度的研究与应用现状 |
1.2.1 调度问题的分类 |
1.2.2 炼钢-精炼-连铸调度方法 |
1.2.2.1 经典优化方法 |
1.2.2.2 智能优化方法 |
1.2.2.3 人工智能方法 |
1.2.2.4 混合优化方法 |
1.2.2.5 优化方法分析 |
1.2.3 炼钢-精炼-连铸钢包调度的研究现状 |
1.2.3.1 钢包调度算法研究现状 |
1.2.3.2 钢包调度软件研究现状 |
1.3 炼钢—精炼—连铸钢包调度存在的问题 |
1.4 论文的主要工作 |
第2章 炼钢-精炼-连铸生产过程钢包优化调度模型 |
2.1 钢包调度过程描述 |
2.1.1 常用术语概述 |
2.1.2 钢包调度与主设备调度的关系 |
2.1.3 钢包调度过程描述 |
2.1.4 钢包调度计划 |
2.1.4.1 钢包调度相关代码涵义 |
2.1.4.2 钢包选配计划表 |
2.1.4.3 钢包路径编制计划表 |
2.1.4.4 天车调度计划表 |
2.2 钢包优化调度模型 |
2.2.1 钢包优化选配模型 |
2.2.1.1 钢包选配问题涵义 |
2.2.1.2 脱磷钢包选配模型 |
2.2.1.3 脱磷钢包优化选配难点分析 |
2.2.1.4 脱碳钢包选配模型 |
2.2.1.5 脱碳钢包优化选配难点分析 |
2.2.2 钢包优化路径编制模型 |
2.2.2.1 钢包路径编制问题涵义 |
2.2.2.2 钢包优化路径编制模型 |
2.2.2.3 钢包优化路径编制难点分析 |
2.2.3 天车优化调度模型 |
2.2.3.1 天车调度问题涵义 |
2.2.3.2 天车优化调度模型 |
2.2.3.3 天车优化调度难点分析 |
2.3 钢包调度现状及问题 |
2.4 本章小结 |
第3章 炼钢-精炼-连铸生产过程钢包智能调度方法 |
3.1 炼钢-精炼-连铸生产过程钢包智能调度策略 |
3.2 钢包智能调度算法 |
3.2.1 最小一般泛化与规则推理相结合的钢包选配算法 |
3.2.1.1 钢包选配对生产效率影响程度分析 |
3.2.1.2 基于最小一般泛化方法的选配规则提取 |
3.2.1.3 脱磷钢包选配算法 |
3.2.1.4 脱碳钢包选配算法 |
3.2.2 基于多优先级的钢包路径启发式编制算法 |
3.2.2.1 钢包路径编制对生产效率影响程度分析 |
3.2.2.2 基于多优先级的钢包路径编制启发式算法 |
3.2.3 冲突解消策略和甘特图编辑相结合的启发式人机交互天车调度算法 |
3.2.3.1 天车调度对生产效率影响程度分析 |
3.2.3.2 冲突解消策略和甘特图编辑相结合的启发式人机交互天车调度算法 |
3.3 钢包调度算法仿真验证 |
3.4 本章小结 |
第4章 炼钢-精炼-连铸钢包调度软件 |
4.1 炼钢-精炼-连铸钢包调度软件需求分析 |
4.2 炼钢-精炼-连铸钢包调度软件功能设计 |
4.3 炼钢-精炼-连铸钢包调度软件开发 |
4.3.1 人机交互界面 |
4.3.2 算法管理 |
4.3.3 可视化仿真 |
4.3.4 数据显示管理 |
4.3.5 调度算法模块 |
4.4 本章小结 |
第5章 工业应用 |
5.1 炼钢-精炼-连铸生产过程简介 |
5.1.1 设备条件 |
5.1.2 生产工艺特点 |
5.1.3 实际厂区分布 |
5.2 钢包调度系统软硬件平台简介 |
5.3 软件系统工业应用 |
5.4 软件系统工业应用效果 |
5.5 本章小结 |
第6章 结论与展望 |
6.1 结论 |
6.2 展望 |
参考文献 |
致谢 |
博士期间发表的论文、获奖情况、发明专利及所做科研工作 |
作者简介 |
(8)加工时间具有随机性的Job Shop鲁棒调度问题研究(论文提纲范文)
摘要 |
ABSTRACT |
1 绪论 |
1.1 引言 |
1.2 国内外相关研究进展 |
1.2.1 考虑加工时间随机性的生产调度问题模型 |
1.2.2 鲁棒调度方法相关研究进展 |
1.2.3 考虑工人因素的生产调度问题 |
1.2.4 求解SJSSP的智能优化算法 |
1.2.5 国内外相关研究总结 |
1.3 本文主要研究工作及内容安排 |
1.3.1 研究路线 |
1.3.2 章节安排 |
1.3.3 课题来源 |
1.4 本章小结 |
2 加工时间具有随机性的JOB SHOP鲁棒调度问题建模 |
2.1 不同约束下SJSSP鲁棒调度问题 |
2.1.1 基于加工时间随机场景的SJSSP鲁棒调度问题 |
2.1.2 考虑工人负面主观因素的SJSSP鲁棒调度问题 |
2.1.3 机器-工人双资源约束的SJSSP鲁棒调度问题 |
2.2 SJSSP鲁棒调度问题数学模型 |
2.2.1 SJSSP鲁棒调度问题的析取图模型 |
2.2.2 SJSSP-SSP鲁棒调度模型 |
2.2.3 SJSSP-ESP鲁棒调度模型 |
2.2.4 DR-SJSSP-ESP鲁棒调度模型 |
2.3 本章小结 |
3 基于加工时间随机场景仿真的SJSSP鲁棒调度研究 |
3.1 求解SJSSP-SSP的混合分布估计算法 |
3.1.1 编码设计和解码方法 |
3.1.2 概率模型与更新机制 |
3.1.3 种群初始化和新个体采样方法 |
3.1.4 基于父代工序继承的个体重组方法 |
3.1.5 个体变异方法 |
3.1.6 HEDA个体选择方法 |
3.1.7 HEDA算法复杂度分析 |
3.1.8 算法总体流程 |
3.2 基于评价空间缩减策略的改进HEDA |
3.2.1 评价空间缩减策略 |
3.2.2 RS-HEDA算法流程 |
3.3 仿真实验 |
3.3.1 实验设置 |
3.3.2 HEDA实验结果及分析 |
3.3.3 RS-HEDA实验结果及分析 |
3.3.4 制造企业调度案例仿真 |
3.4 本章小结 |
4 基于加工时间期望场景的SJSSP鲁棒调度研究 |
4.1 基于关键和非关键工序集的鲁棒性代理指标 |
4.1.1 现有鲁棒性代理指标分析 |
4.1.2 随机加工时间扰动程度量化方法 |
4.1.3 调度方案的扰动吸收能力分析 |
4.1.4 基于关键和非关键工序集的鲁棒性代理指标 |
4.2 多目标HEDA(MO-HEDA) |
4.2.1 改进的非支配排序算法 |
4.2.2 拥挤度距离计算和比较 |
4.2.3 MO-HEDA算法流程 |
4.3 仿真实验 |
4.3.1 实验设置 |
4.3.2 鲁棒性代理指标SM-CO的性能分析 |
4.3.3 基于MO-HEDA的 SJSSP-ESP鲁棒调度优化 |
4.3.4 制造企业调度案例仿真 |
4.4 本章小结 |
5 机器-工人双资源约束下基于加工时间期望场景的SJSSP鲁棒调度研究 |
5.1 基于工人熟练程度的工时方差缩减模型 |
5.2 机器-工人双资源两阶段指派 |
5.2.1 机器-工人两阶段指派方法 |
5.2.2 机器-工人两阶段指派策略 |
5.3 基于扰动传播的鲁棒性代理指标 |
5.3.1 工人约束和机器约束的交互影响 |
5.3.2 扰动传播过程分析及SM-DP |
5.4 仿真实验 |
5.4.1 实验设置 |
5.4.2 SM-DP相关性实验分析 |
5.4.3 两阶段指派策略性能分析 |
5.4.4 基于两阶段指派策略的DR-SJSSP-ESP鲁棒调度优化 |
5.4.5 制造企业调度案例仿真 |
5.5 本章小结 |
6 总结与展望 |
6.1 工作总结 |
6.2 研究展望 |
参考文献 |
英文缩写索引 |
攻读博士期间科研、论文发表情况 |
致谢 |
(9)含搬运机器人的柔性车间调度问题研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 课题来源和目的 |
1.2 研究背景及意义 |
1.2.1 研究背景 |
1.2.2 研究意义 |
1.3 研究现状 |
1.3.1 柔性车间调度问题研究现状 |
1.3.2 含AGV的柔性车间调度问题研究现状 |
1.3.3 具有行为效应的柔性车间调度研究现状 |
1.3.4 柔性车间内AGV最优替换比研究现状 |
1.4 本文研究内容 |
1.4.1 拟解决的关键问题 |
1.4.2 研究内容 |
第二章 理论知识 |
2.1 搬运机器人 |
2.1.1 搬运机器人换人的必要性 |
2.1.2 搬运机器人 |
2.2 含有AGV的制造单元 |
2.2.1 柔性车间 |
2.2.2 含AGV的制造单元 |
2.3 学习效应 |
2.4 恶化效应 |
2.5 学习-恶化效应 |
2.6 算法设计 |
2.6.1 调度算法简介 |
2.6.2 粒子群算法 |
2.6.3 鲸鱼算法 |
第三章 含AGV的柔性车间调度 |
3.1 引言 |
3.2 含有AGV的 FJSP描述与建模 |
3.2.1 问题描述 |
3.2.2 模型建立 |
3.3 粒子群算法设计 |
3.3.1 算法编码 |
3.3.2 种群初始化 |
3.3.3 粒子位置更新 |
3.3.4 算法求解步骤 |
3.4 问题求解 |
3.4.1 算法寻优能力验证 |
3.4.2 AGV边际效用 |
3.5 结论与展望 |
第四章 具有行为效应的含AGV柔性车间调度 |
4.1 引言 |
4.2 问题描述 |
4.3 模型的建立 |
4.3.1 学习效应模型 |
4.3.2 恶化效应模型 |
4.3.3 学习-恶化效应 |
4.4 鲸鱼算法设计 |
4.4.1 算法编码和解码 |
4.4.2 种群初始化 |
4.4.3 混沌搜索策略 |
4.4.4 算法求解步骤 |
4.5 问题求解 |
4.5.1 参数分析 |
4.5.2 算法寻优能力验证 |
4.5.3 实验分析 |
4.6 结论与展望 |
第五章 柔性车间内AGV最优替换比研究 |
5.1 引言 |
5.2 静态分析——柔性车间内AGV最优替换比 |
5.2.1 柔性车间内AGV最优替换比建模 |
5.2.2 问题求解 |
5.2.3 单价和工资敏感性分析 |
5.3 动态分析——柔性车间内AGV最优替换比 |
5.3.1 柔性车间内AGV最优替换比问题描述与建模 |
5.3.2 粒子群算法设计 |
5.3.3 问题求解 |
5.4 结论与展望 |
第六章 结论与展望 |
6.1 成果总结 |
6.2 研究展望 |
附录 |
1 粒子群优化算法核心代码 |
2 鲸鱼优化算法核心代码 |
参考文献 |
在读期间公开发表的论文 |
致谢 |
(10)基于混合量子算法的柔性作业车间调度问题研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 课题来源、背景及意义 |
1.1.1 课题来源和研究目的 |
1.1.2 研究背景和意义 |
1.2 国内外研究现状 |
1.2.1 车间调度问题的定义与分类 |
1.2.2 柔性作业车间调度问题研究概述 |
1.3 现有研究中存在的问题 |
1.4 论文的组织结构 |
2 柔性作业车间调度及量子进化算法研究 |
2.1 柔性作业车间调度问题 |
2.1.1 问题定义 |
2.1.2 问题分类 |
2.2 FJSP模型 |
2.3 研究方法 |
2.3.1 研究方法现状 |
2.3.2 量子进化方法 |
2.4 量子进化算法的应用进展 |
2.4.1 量子粒子群算法 |
2.4.2 量子遗传算法 |
2.4.3 量子退火算法 |
2.5 本章小结 |
3 一般多目标柔性作业车间调度算法研究 |
3.1 FJSP问题相关理论 |
3.2 FJSP问题评价指标及数学模型 |
3.2.1 评价指标体系 |
3.2.2 目标函数 |
3.2.3 约束条件 |
3.3 基于改进旋转角的量子粒子群算法 |
3.3.1 量子粒子群更新方程 |
3.3.2 动态量子门旋转角的生成 |
3.3.3 非支配解优化排序 |
3.3.4 IQPSO的算法描述 |
3.4 数据分析与验证 |
3.4.1 算例分析 |
3.4.2 实例验证 |
3.5 本章小结 |
4 模糊多目标柔性作业车间调度算法研究 |
4.1 模糊FJSP问题概况 |
4.1.1 研究现状 |
4.1.2 问题定义 |
4.1.3 问题分类 |
4.1.4 建模策略 |
4.2 模糊FJSP数学模型 |
4.2.1 优化目标函数 |
4.2.2 问题约束条件 |
4.3 基于混沌理论的混合量子算法 |
4.3.1 完工时间和交货期的模糊数表示 |
4.3.2 惩罚系数设计 |
4.3.3 混沌理论 |
4.3.4 混沌量子算法的实现 |
4.3.5 算法设计 |
4.4 数据分析与验证 |
4.4.1 编码设计 |
4.4.2 算例分析 |
4.4.3 实例验证 |
4.5 本章小结 |
5 动态多目标柔性作业车间调度算法研究 |
5.1 动态FJSP问题概况 |
5.1.1 研究现状 |
5.1.2 问题定义 |
5.2 动态FJSP数学模型 |
5.2.1 优化目标函数 |
5.2.2 问题约束条件 |
5.3 动态FJSP调度策略 |
5.4 动态FJSP的混合量子粒子群算法 |
5.4.1 链量子编码 |
5.4.2 基于Logistic映射的粒子群算法 |
5.4.3 量子旋转角更新个体 |
5.4.4 评价函数的计算 |
5.4.5 混合多相量子粒子群算法的实现 |
5.5 数据分析与验证 |
5.5.1 粒子表示 |
5.5.2 算例分析 |
5.5.3 仿真验证分析 |
5.6 本章小结 |
6 柔性作业车间调度实例应用研究 |
6.1 案例背景简介 |
6.2 作业车间调度管理系统 |
6.3 原型系统功能模块设计与实现 |
6.3.1 BOM管理模块 |
6.3.2 车间作业计划管理模块 |
6.3.3 多目标评价模块 |
6.3.4 车间管理模块 |
6.4 本章小结 |
7 全文总结与工作展望 |
7.1 全文总结 |
7.2 创新点摘要 |
7.3 工作展望 |
参考文献 |
攻读博士学位期间科研项目及科研成果 |
致谢 |
作者简介 |
四、单机模糊加工时间下最迟开工时间调度问题(论文参考文献)
- [1]考虑恶化效应和维护需求的生产调度研究[D]. 王昕. 西南交通大学, 2020(07)
- [2]面向离散制造过程考虑高效节能的生产调度优化问题研究[D]. 孔敏. 合肥工业大学, 2020(01)
- [3]低碳环境下废钢铁再制造系统生产调度研究[D]. 张燕华. 东南大学, 2019
- [4]分时电价下废钢铁配料与生产调度集成优化研究[D]. 杨烨. 东南大学, 2019
- [5]具有恶化效应的多技能资源受限项目调度问题研究[D]. 代华凤. 西南交通大学, 2019(06)
- [6]存在返工的定点装配车间生产计划与调度集成优化[D]. 蒋南云. 东南大学, 2018(05)
- [7]炼钢-精炼-连铸生产过程钢包智能调度方法及应用研究[D]. 刘炜. 东北大学, 2018(01)
- [8]加工时间具有随机性的Job Shop鲁棒调度问题研究[D]. 肖世昌. 西北工业大学, 2018
- [9]含搬运机器人的柔性车间调度问题研究[D]. 徐云琴. 上海理工大学, 2019(04)
- [10]基于混合量子算法的柔性作业车间调度问题研究[D]. 焦璇. 大连理工大学, 2015(03)