期刊文献+
共找到6篇文章
< 1 >
每页显示 20 50 100
带批处理机的多阶段柔性流水车间调度优化 被引量:5
1
作者 王君妍 王薛苑 轩华 《郑州大学学报(工学版)》 CAS 北大核心 2017年第5期86-90,共5页
从钢铁行业的炼钢—连铸—热轧过程提炼出中间阶段有多台批处理机,其它阶段为离散机的多阶段柔性流水车间调度问题.首先,结合工件动态到达、各阶段间的运输时间以及机器的调整时间等生产特征,对问题进行描述,建立以最小化总加权完成时... 从钢铁行业的炼钢—连铸—热轧过程提炼出中间阶段有多台批处理机,其它阶段为离散机的多阶段柔性流水车间调度问题.首先,结合工件动态到达、各阶段间的运输时间以及机器的调整时间等生产特征,对问题进行描述,建立以最小化总加权完成时间为目标的数学模型.然后,针对该问题提出了改进的自适应遗传算法,使遗传参数随其迭代及适应函数值调节.对150个工件的大量随机数据进行测试,结果表明,与常规遗传算法相比,所提出的自适应遗传算法能在较短的计算时间内得到更好的解;与拉格朗日松弛算法相比,求解大规模问题时,所提算法在解的质量方面优势较为明显. 展开更多
关键词 柔性流水车间调度 批处理机 总加权完成时间 自适应遗传算法 自适应调节
在线阅读 下载PDF
求解柔性流水车间调度问题的粒子群优化算法 被引量:3
2
作者 范雅男 逄焕利 《长春工业大学学报》 CAS 2022年第3期258-264,共7页
改进了粒子群优化算法,并将其应用到柔性流水车间调度问题中。首先,算法将禁忌搜索和粒子群优化算法相结合,提高算法的收敛速度;其次,初始种群采用NEH启发式算法产生,该方法能够使粒子更具多样性;最后,为了增强算法的全局寻优能力,自适... 改进了粒子群优化算法,并将其应用到柔性流水车间调度问题中。首先,算法将禁忌搜索和粒子群优化算法相结合,提高算法的收敛速度;其次,初始种群采用NEH启发式算法产生,该方法能够使粒子更具多样性;最后,为了增强算法的全局寻优能力,自适应惯性权重采用非线性自适应的更新方式;此外,将扰动因子引入速度更新公式,避免算法陷入局部最优解。将改进前后的粒子群算法在车间调度基准数据集上进行了实验对比,仿真结果验证了该算法的有效性。 展开更多
关键词 粒子群算法 柔性流水车间调度 禁忌搜索 自适应权重
在线阅读 下载PDF
考虑机器调整次数和产品质量的卷烟批量计划和柔性流水车间调度集成问题 被引量:4
3
作者 柴剑彬 刘赫 贝晓强 《运筹与管理》 CSSCI CSCD 北大核心 2019年第10期165-174,共10页
针对卷烟企业生产中的批量计划和柔性流水车间调度集成问题,构建了整数规划模型,目标函数由卷烟生产时间、生产线调整次数、卷烟质量、库存成本四部分组成。鉴于该问题的NP-hard性,设计遗传算法进行求解,通过合理设计遗传算子,避免不可... 针对卷烟企业生产中的批量计划和柔性流水车间调度集成问题,构建了整数规划模型,目标函数由卷烟生产时间、生产线调整次数、卷烟质量、库存成本四部分组成。鉴于该问题的NP-hard性,设计遗传算法进行求解,通过合理设计遗传算子,避免不可行解出现。应用某卷烟企业数据得到优化排产结果,与该企业之前依照经验排产方案进行对比,发现优化排程结果在减少品牌转换次数,提高生产的连续性方面具有明显优势。该算法已作为某卷烟企业排产人员的排产参考,应用于排产决策中,取得了良好的效果,对卷烟企业制定排产计划具有一定的实际指导意义。 展开更多
关键词 能力约束批量计划 柔性流水车间调度 遗传算法 最大完工时间 最小化调整次数
在线阅读 下载PDF
基于改进蚁群算法的绿色柔性流水车间调度问题研究 被引量:2
4
作者 宋佳容 申雪峰 +1 位作者 冯悦 陈鑫 《辽宁工业大学学报(自然科学版)》 2023年第4期245-251,共7页
针对解决以最大化加工收益和最小化碳排放总量为目标的柔性流水车间调度问题,提出一种改进的蚁群算法对其进行求解。对解空间使用3种邻域规则进行搜索,以提高解的质量;为提高解的多样性,采用1种自适应构造概率调整蚁群生成路径的方式;... 针对解决以最大化加工收益和最小化碳排放总量为目标的柔性流水车间调度问题,提出一种改进的蚁群算法对其进行求解。对解空间使用3种邻域规则进行搜索,以提高解的质量;为提高解的多样性,采用1种自适应构造概率调整蚁群生成路径的方式;通过使用以帕累托规则为基础的多目标优化方法产生多个非支配解。通过数值实验,验证了所提出的改进蚁群算法的有效性——与传统的蚁群算法相比,所提出的方法在求解数量、质量上都具有明显优势。 展开更多
关键词 柔性流水车间调度 加工收益 碳排放量 蚁群算法 帕累托规则
在线阅读 下载PDF
云边端协同驱动的陶瓷制造过程能效调度方法 被引量:1
5
作者 李敏 马帅印 +1 位作者 殷磊 孔宪光 《兵器装备工程学报》 CAS CSCD 北大核心 2024年第8期174-183,共10页
陶瓷制造企业作为典型的多品种小批量高能耗制造企业,面临着能耗高、生产周期长、品种繁多、生产工艺复杂等问题,因此如何提高陶瓷制造的能源和资源利用效率,并进一步实现节能降耗,已经成为陶瓷企业亟需解决的重要问题。针对这一目标,... 陶瓷制造企业作为典型的多品种小批量高能耗制造企业,面临着能耗高、生产周期长、品种繁多、生产工艺复杂等问题,因此如何提高陶瓷制造的能源和资源利用效率,并进一步实现节能降耗,已经成为陶瓷企业亟需解决的重要问题。针对这一目标,提出了一种云边端协同驱动的陶瓷制造过程能效调度架构,该架构依赖于云边端协同技术来支持陶瓷制造过程的调度优化。以最小化最大完工时间和最小化总能耗为优化目标,建立陶瓷制造过程柔性流水车间调度模型。利用灰狼优化算法具有较强的全局搜索能力的特性,使用灰狼优化算法求解调度模型。结合陶瓷工厂实际情况设计算例,并以其作为实验数据,验证了灰狼优化算法在陶瓷制造过程中柔性流水车间调度优化的有效性。 展开更多
关键词 云边端协同 柔性流水车间调度 能效调度 灰狼优化算法 多目标优化
在线阅读 下载PDF
Research on Flexible Flow⁃Shop Scheduling Problem with Lot Streaming in IOT⁃Based Manufacturing Environment 被引量:3
6
作者 DAI Min WANG Lixing +2 位作者 GU Wenbin ZHANG Yuwei DORJOY M M H 《Transactions of Nanjing University of Aeronautics and Astronautics》 EI CSCD 2020年第6期831-838,共8页
It is urgent to effectively improve the production efficiency in the running process of manufacturing systems through a new generation of information technology.According to the current growing trend of the internet o... It is urgent to effectively improve the production efficiency in the running process of manufacturing systems through a new generation of information technology.According to the current growing trend of the internet of things(IOT)in the manufacturing industry,aiming at the capacitor manufacturing plant,a multi-level architecture oriented to IOT-based manufacturing environment is established for a flexible flow-shop scheduling system.Next,according to multi-source manufacturing information driven in the manufacturing execution process,a scheduling optimization model based on the lot-streaming strategy is proposed under the framework.An improved distribution estimation algorithm is developed to obtain the optimal solution of the problem by balancing local search and global search.Finally,experiments are carried out and the results verify the feasibility and effectiveness of the proposed approach. 展开更多
关键词 IOT-based manufacturing flexible flow-shop scheduling intelligent algorithm lot-streaming strategy
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部