CN106339774B - 一种模具热处理车间动态批调度方法 - Google Patents

一种模具热处理车间动态批调度方法 Download PDF

Info

Publication number
CN106339774B
CN106339774B CN201610692653.XA CN201610692653A CN106339774B CN 106339774 B CN106339774 B CN 106339774B CN 201610692653 A CN201610692653 A CN 201610692653A CN 106339774 B CN106339774 B CN 106339774B
Authority
CN
China
Prior art keywords
batch
workpiece
genes
heat treatment
gene
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN201610692653.XA
Other languages
English (en)
Other versions
CN106339774A (zh
Inventor
罗俊智
刘建军
蔡国桢
詹智勇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong University of Technology
Original Assignee
Guangdong University of Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guangdong University of Technology filed Critical Guangdong University of Technology
Priority to CN201610692653.XA priority Critical patent/CN106339774B/zh
Publication of CN106339774A publication Critical patent/CN106339774A/zh
Application granted granted Critical
Publication of CN106339774B publication Critical patent/CN106339774B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Biophysics (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Evolutionary Biology (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Development Economics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Primary Health Care (AREA)
  • Evolutionary Computation (AREA)
  • Educational Administration (AREA)
  • Physiology (AREA)
  • Genetics & Genomics (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Manufacturing & Machinery (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • General Factory Administration (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种模具热处理车间动态批调度方法，该方法应用了基因表达式编程算法，将根据工件属性获得批次基因和结构基因，其中批次基因蕴含一类工件族的优先级计算公式，结构基因决定各批次工件的上机顺序，通过算法使每代的优秀个体得以保留并进一步遗传，从而获得最优的方案。

Description

一种模具热处理车间动态批调度方法
技术领域
本发明涉及模具热处理车间动态批调度方法，尤其涉及一种模具热处理车间动态批调度方法。
背景技术
模具热处理车间动态批调度问题的种类很多,情况较为复杂,即使是单机调度问题,除了少数具有特殊结构的问题之外,绝大多数都属于NP—难问题。目前，许多企业的生产车间配置可以提炼为单机调度问题,积累优化单机调度的知识和经验无疑能为企业的生产行为提供有价值的指导。
企业在生产排产计划以及车间的实时控制计划等方面几乎依赖于个人经验。其中，生产排产中常用的调度规则有FIFO规则，SPT规则和EDD规则等。这种基于个人经验得到的计划不仅缺乏足够的科学依据，而且不能最大化释放企业的生产能力，引起工件拖期量的增加。同时，热处理作为模具制造的瓶颈工序，其生产过程存在的各种不确定性使得车间管理人员只能依靠当前有限确定的信息制定生产计划，并根据实时状况不断调整计划，这严重影响了热处理车间的生产效率。
目前，将基因表达式编程算法应用于求解车间动态批调度问题已经被提出，并有该领域的学者对此展开研究。然而，现在的研究成果绝大多数是直接对工件进行编码。当工件规模较大时，该编码方式的运算复杂度将指数型增长，运算速度大大减慢。
发明内容
本发明的目的在于克服现有技术的不足，提供一种模具热处理车间动态批调度方法，其特征在于，包括以下步骤：
S1.通过ERP系统获取动态到达模具热处理车间的工件属性{Tr,Tp,Td,N,α,Pin,Pout}，其中，Tr为到达时间、Tp为加工时间、Td为加工时间余量、N为该工件族的工件总数、a为工件拖期惩罚系数，Pin为工件内部生产成本、Pout为外协成本；
S2.设计基因表达式编程算法中的批次基因和结构基因，其中批次基因表示一类工件族，结构基因决定各批次工件的上机顺序，批次基因和结构基因均包括函数集、终端集、染色体头部长度、尾部长度、函数目数；
S3.基于批次基因和结构基因初始化种群，包括对多个批次基因初始化以及对单个结构基因初始化；
S4.解码批次基因获取组批信息，解码结构基因获取上机顺序信息；
S5.计算个体适应值，并依据其适应值选取优秀个体；
S6.精英策略和轮盘赌算法对种群中优秀个体进行选优和复制；
S7.对所选择的个体进行遗传操作，选择变异，插串和交叉遗传算子，优秀个体在自然选择中生存下去并繁衍下一代；
S8.种群代数增加，判断是否达到最大迭代次数，若未达到迭代次数，继续执行S4的操作；若已达到，则输出最优的组批调度方案，结束算法流程。
进一步，所述S2中，批次基因的函数集为四则运算符，对应的终端集为所述工件属性，头部由函数符和终止符组成，尾部只由终止符组成；结构基因的函数集为移位符号，最大函数目数不超过三个，其基因头部只能由函数集符号构成，尾部长度稍大于批次数，由尾部长度计算头部有效长度，对应的终端集为工件批次编号和所设置的空批次编号。
进一步，所述S2中，结构基因头部取有效长度以及设置空批次编号。
进一步，所述批次基因的编码对象为组批规则函数。
进一步，所述S5中计算个体适应度值的计算方式如下：
Figure GDA0002534907540000021
其中，Outi为外协成本，early_outi为不满足外协准备时间的外协成本，latter_outi为满足外协准备时间的外协成本；
f＝Ini·(n-no)+Outi·no+∑Tk；
其中，f为工件生产成本，Ini为企业内部生产成本，Outi为外协成本，∑Tk为拖期惩罚成本；
Figure GDA0002534907540000031
其中，Fitness为个体适应值，f为工件生产成本，fmin为最小工件生产成本，fmax为最大工件生产成本；
Figure GDA0002534907540000032
ΔT＝Ck-dj
Figure GDA0002534907540000033
Figure GDA0002534907540000034
其中dj为交货时间，Tk为批次拖期总惩罚量，Ck为批次热处理结束时间，tstar为第一批上机的时刻,Waiti是批次上机的等待时间；当上一批次完成热处理时，下一批上机的批次还未完成组批时则需要计算上机等待时间；Xjk表示判断工件所在批次，ajk为工件的到达时间；Pi为批次的加工时间。
进一步，所述S7中结构基因的遗传操作独立作用于基因头部和尾部，确保不会产生非法个体。
本发明的有益效果是：本发明的模具热处理车间动态批调度方法应用了基因表达式编程算法，将根据工件属性获得批次基因和结构基因，其中批次基因蕴含一类工件族的优先级计算公式，结构基因决定各批次工件的上机顺序，通过算法使每代的优秀个体得以保留并进一步遗传，从而获得最优的方案。由面向工件编码改向为规则挖掘、引入多基因以得到包含排产与外协双重计划的一体化方案，并解决了模具热处理车间批调度中由于工件规模增长所带来的基因编码过长、求解速度显著下降以及重编码的问题。
附图说明
图1为本发明的流程图。
具体实施方式
现结合附图和具体实施例对本发明所要求保护的技术方案作进一步详细说明。
参见附图1所示，本发明的一种模具热处理车间动态批调度方法，包括以下步骤：
S1.通过ERP系统获取动态到达模具热处理车间的工件属性{Tr,Tp,Td,N,α,Pin,Pout}，其中，Tr为到达时间、Tp为加工时间、Td为加工时间余量、N为该工件族的工件总数、a为工件拖期惩罚系数，Pin为工件内部生产成本、Pout为外协成本。
S2.设计基因表达式编程算法中的批次基因和结构基因，其中批次基因表示一类工件族，结构基因决定各批次工件的上机顺序，批次基因和结构基因均包括函数集、终端集、染色体头部长度、尾部长度、函数目。在本实施例中，批次基因的函数集为四则运算符，对应的终端集为所述工件属性，头部由函数符和终止符组成，尾部只由终止符组成；结构基因的函数集为移位符号，最大函数目数不超过三个，其基因头部只能由函数集符号构成，尾部长度稍大于批次数，由尾部长度计算头部有效长度，对应的终端集为工件批次编号和所设置的空批次编号。此外，结构基因头部取有效长度以及设置空批次编号；批次基因的编码对象为组批规则函数。
S3.基于批次基因和结构基因设计种群规模并初始化种群，包括对多个批次基因初始化以及对单个结构基因初始化。所谓的初始化种群，其一是初始化批次基因，并分工件族计算工件优先级。其批次基因为多层基因，每层基因表征一类工件族，均为定长度基因，每一层对应一个优先级公式。通过批次基因中所蕴含的K-表达式，可以计算出每个工件的优先级数值。数值越小，优先级越高。从优先级最高的工件开始，按热处理炉容量将工件组批。所述的工件优先级，目的之一在于寻找外协工件。工件外协概率与工件优先级成反比，即工件优先级越高，其外协的概率越低。获取工件优先级数值后，按优先级数值升序排列。定义工件序列的后1/3为“外协序列”。在该外协序列中，工件外协的概率逐渐增加。赋予外协序列中的每个工件各一个随机值(0,1)，将该随机值与工件对应的外协概率进行对比，从而选出外协工件。其目的之二在于完成工件族内工件组批。选出外协工件后，将剩余的工件按优先级数值升序排序。从优先级数值最低的一端开始，按热处理炉容量对工件进行组批。编号。工件族1的编号为A1，A2……；工件族2的编号为B1,B2……。结构基因调整工件族间批次上机顺序。结构基因的函数集为
Figure GDA0002534907540000056
移位符号，终止符集为工件批次编号(包含空批)，染色体头部只能为函数集，且头部长度根据批次数量确定，从而确保批次信息不丢失。染色体长度恒定，并约束基因头部前段都是“＝”，以缩小搜寻空间。
S4.解码批次基因获取组批信息，解码结构基因获取上机顺序信息。
S5.计算个体适应值，并依据其适应值选取优秀个体；在本实施例中个体适应度值的计算方式如下：
Figure GDA0002534907540000051
其中，Outi为外协成本，early_outi为不满足外协准备时间的外协成本，latter_outi为满足外协准备时间的外协成本；
f＝Ini·(n-no)+Outi·no+∑Tk；
其中，f为工件生产成本，Ini为企业内部生产成本，Outi为外协成本，∑Tk为拖期惩罚成本；
Figure GDA0002534907540000052
其中，Fitness为个体适应值，f为工件生产成本，fmin为最小工件生产成本，fmax为最大工件生产成本；
Figure GDA0002534907540000053
ΔT＝Ck-dj
Figure GDA0002534907540000054
Figure GDA0002534907540000055
其中dj为交货时间，Tk为批次拖期总惩罚量，Ck为批次热处理结束时间，tstar为第一批上机的时刻,Waiti是批次上机的等待时间；当上一批次完成热处理时，下一批上机的批次还未完成组批时则需要计算上机等待时间；Xjk表示判断工件所在批次，ajk为工件的到达时间；Pi为批次的加工时间。
S6.精英策略和轮盘赌算法对种群中优秀个体进行选优和复制。优选操作即保留最优个体——精英策略。将当前代中种群的最优个体(当种群中有多个最优个体的时候，选中种群中最后一个最优个体)，其余个体将依据适应度值，采用轮盘赌法进行选择与复制，对选中的个体进行遗传操作。其中，遗传算子选用变异，插串和重组。所述遗传操作，分为对批次基因遗传操作和对结构基因的遗传操作。对批次基因而言，(1)批次基因头部除却第一个符号以外的所有符号都可以变异为函数集和终点集，组批基因尾部终端符只能变成另一个终端符；(2)插串分为IS移项和RIS移项；(3)重组为单点重组；对结构基因而言，(1)基因头部函数符可以变异为另一个函数符，基因尾部不进行变异操作；(2)结构基因不进行插串操作；(3)重组。结构基因的头部进行单点重组。
S7.对所选择的个体进行遗传操作，选择变异，插串和交叉遗传算子，优秀个体在自然选择中生存下去并繁衍下一代；在本实施例中结构基因的遗传操作独立作用于基因头部和尾部，确保不会产生非法个体。
S8.种群代数增加，判断是否达到最大迭代次数，若未达到迭代次数，继续执行S4的操作；若已达到，则输出最优的组批调度方案，结束算法流程。
以上所述之实施例仅为本发明的较佳实施例，并非对本发明做任何形式上的限制。任何熟悉本领域的技术人员，在不脱离本发明技术方案范围情况下，都可利用上述揭示的技术内容对本发明技术方案作出更多可能的变动和润饰，或修改为等同变化的等效实施例。故凡未脱离本发明技术方案的内容，依据本发明之思路所作的等同等效变化，均应涵盖于本发明的保护范围内。

Claims (4)

1.一种模具热处理车间动态批调度方法，其特征在于，包括以下步骤：
S1.通过ERP系统获取动态到达模具热处理车间的工件属性{Tr,Tp,Td,N,α,Pin,Pout}，其中，Tr为到达时间、Tp为加工时间、Td为加工时间余量、N为该工件族的工件总数、a为工件拖期惩罚系数，Pin为工件内部生产成本、Pout为外协成本；
S2.设计基因表达式编程算法中的批次基因和结构基因，其中批次基因表示一类工件族，结构基因决定各批次工件的上机顺序，批次基因和结构基因均包括函数集、终端集、染色体头部长度、尾部长度、函数目数；批次基因的函数集为四则运算符，对应的终端集为所述工件属性，头部由函数符和终止符组成，尾部只由终止符组成；结构基因的函数集为移位符号，最大函数目数不超过三个，其基因头部只能由函数集符号构成，尾部长度稍大于批次数，由尾部长度计算头部有效长度，对应的终端集为工件批次编号和所设置的空批次编号；
S3.基于批次基因和结构基因初始化种群，包括对多个批次基因初始化以及对单个结构基因初始化；
S4.解码批次基因获取组批信息，解码结构基因获取上机顺序信息；
S5.计算个体适应值，并依据其适应值选取优秀个体，其中计算个体适应度值的计算方式如下：
Figure FDA0002534907530000011
其中，Outi为外协成本，early_outi为不满足外协准备时间的外协成本，latter_outi为满足外协准备时间的外协成本；
f＝Ini·(n-no)+Outi·no+∑Tk
其中，f为工件生产成本，Ini为企业内部生产成本，Outi为外协成本，∑Tk为拖期惩罚成本；n为该工件族的工件总数，no为该工件族外协工件的数量；
Figure FDA0002534907530000012
其中，Fitness为个体适应值，f为工件生产成本，fmin为最小工件生产成本，fmax为最大工件生产成本；
Figure FDA0002534907530000013
ΔT＝Ck-dj
Figure FDA0002534907530000014
Figure FDA0002534907530000015
其中dj为交货时间，Tk为批次拖期总惩罚量，Ck为批次热处理结束时间，tstar为第一批上机的时刻,Waiti是批次上机的等待时间；当上一批次完成热处理时，下一批上机的批次还未完成组批时则需要计算上机等待时间；Xjk表示判断工件所在批次，ajk为工件的到达时间；Pi为批次的加工时间；
S6.精英策略和轮盘赌算法对种群中优秀个体进行选优和复制；
S7.对所选择的个体进行遗传操作，选择变异，插串和交叉遗传算子，优秀个体在自然选择中生存下去并繁衍下一代；
S8.种群代数增加，判断是否达到最大迭代次数，若未达到迭代次数，继续执行S4的操作；若已达到，则输出最优的组批调度方案，结束算法流程。
2.根据权利要求1所述的一种模具热处理车间动态批调度方法，其特征在于：所述S2中，结构基因头部取有效长度以及设置空批次编号。
3.根据权利要求1所述的一种模具热处理车间动态批调度方法，其特征在于：所述批次基因的编码对象为组批规则函数。
4.根据权利要求1所述的一种模具热处理车间动态批调度方法，其特征在于：所述S7中结构基因的遗传操作独立作用于基因头部和尾部，确保不会产生非法个体。
CN201610692653.XA 2016-08-18 2016-08-18 一种模具热处理车间动态批调度方法 Expired - Fee Related CN106339774B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610692653.XA CN106339774B (zh) 2016-08-18 2016-08-18 一种模具热处理车间动态批调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610692653.XA CN106339774B (zh) 2016-08-18 2016-08-18 一种模具热处理车间动态批调度方法

Publications (2)

Publication Number Publication Date
CN106339774A CN106339774A (zh) 2017-01-18
CN106339774B true CN106339774B (zh) 2020-09-29

Family

ID=57824253

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610692653.XA Expired - Fee Related CN106339774B (zh) 2016-08-18 2016-08-18 一种模具热处理车间动态批调度方法

Country Status (1)

Country Link
CN (1) CN106339774B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110837981B (zh) * 2019-11-18 2022-06-24 广东工业大学 一种调度与控制协同处理方法及相关设备
CN112947345B (zh) * 2021-03-09 2022-04-01 河海大学 面向确定性可重入传感器车间动态批调度智能优化方法
CN115808909A (zh) * 2022-11-23 2023-03-17 湘南学院 一种面向模具热处理准时与节能生产的动态批调度方法
CN117094511A (zh) * 2023-08-23 2023-11-21 广州聚超软件科技有限公司 一种基于时间函数的工序排程方法、装置、终端及介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7043322B1 (en) * 2005-03-08 2006-05-09 International Business Machines Corporation System and method for batch scheduling of lots based on flow time and number of batches
CN101364292A (zh) * 2008-09-18 2009-02-11 浙江工业大学 一种asp模式下企业间生产调度优化方法
CN103246923A (zh) * 2013-04-25 2013-08-14 中山大学 基于自适应遗传算法的弹性车间调度技术

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103020763B (zh) * 2012-12-03 2015-08-05 西北工业大学 基于关系链的作业车间调度关键外协工序辨识方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7043322B1 (en) * 2005-03-08 2006-05-09 International Business Machines Corporation System and method for batch scheduling of lots based on flow time and number of batches
CN101364292A (zh) * 2008-09-18 2009-02-11 浙江工业大学 一种asp模式下企业间生产调度优化方法
CN103246923A (zh) * 2013-04-25 2013-08-14 中山大学 基于自适应遗传算法的弹性车间调度技术

Also Published As

Publication number Publication date
CN106339774A (zh) 2017-01-18

Similar Documents

Publication Publication Date Title
CN106339774B (zh) 一种模具热处理车间动态批调度方法
Chiang et al. A simple and effective evolutionary algorithm for multiobjective flexible job shop scheduling
KR102376117B1 (ko) 병렬 결정 트리 프로세서 아키텍처
CN110909787B (zh) 基于聚类的进化算法进行多目标批调度优化的方法和系统
CN110046810B (zh) 一种基于赋时Petri网的车间制造系统多目标调度方法
CN104572297B (zh) 一种基于遗传算法的Hadoop作业调度方法
CN111507641A (zh) 一种批处理设备调度方法及其装置
Han et al. Effective hybrid discrete artificial bee colony algorithms for the total flowtime minimization in the blocking flowshop problem
CN106611382A (zh) 一种基于布谷鸟搜索算法解决作业车间工艺瓶颈问题
CN107870866A (zh) Io命令调度方法与nvm接口控制器
CN112462704A (zh) 一种面向传感器车间生产的混流批调度优化方法
Orozco-Arias et al. Inpactor2: a software based on deep learning to identify and classify LTR-retrotransposons in plant genomes
US8032561B1 (en) System and method for scheduling and arbitrating events in computing and networking
Chetty et al. Genetic algorithms for studies on AS/RS integrated with machines
WO2016157367A1 (ja) 間口設定システム
Liu et al. Research on bi-objective scheduling of dual-resource constrained flexible job shop
CN112528524A (zh) 一种混流装配线平衡优化调度方法
CN116703113A (zh) 一种高维多目标柔性产线排产方法
CN113485278B (zh) 优化两生产指标的柔性作业车间调度多目标分布估计方法
CN108920269B (zh) 容器的i/o传输任务的调度方法和装置
US8417652B2 (en) System and method for effecting optimization of a sequential arrangement of items
CN115392616A (zh) 一种知识挖掘结合遗传算法的多目标离散车间调度方法
CN107808214B (zh) 车间制造系统的启发式二叉决策图变量序优化表示方法
CN111105164A (zh) 一种车间调度方法、装置及设备
CN114237166A (zh) 基于改进spea2算法求解多转速节能调度问题的方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20200929

Termination date: 20210818