CN109447408B - 一种基于复杂网络理论的跨单元调度方法 - Google Patents
一种基于复杂网络理论的跨单元调度方法 Download PDFInfo
- Publication number
- CN109447408B CN109447408B CN201811109743.7A CN201811109743A CN109447408B CN 109447408 B CN109447408 B CN 109447408B CN 201811109743 A CN201811109743 A CN 201811109743A CN 109447408 B CN109447408 B CN 109447408B
- Authority
- CN
- China
- Prior art keywords
- cross
- population
- unit
- network
- unit scheduling
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 72
- 238000004519 manufacturing process Methods 0.000 claims abstract description 62
- 230000008569 process Effects 0.000 claims abstract description 39
- 238000004364 calculation method Methods 0.000 claims abstract description 5
- 238000012545 processing Methods 0.000 claims description 35
- 238000005457 optimization Methods 0.000 claims description 7
- 238000012163 sequencing technique Methods 0.000 abstract 1
- 238000003754 machining Methods 0.000 description 10
- 230000002068 genetic effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
-
- 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)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Biophysics (AREA)
- General Business, Economics & Management (AREA)
- Bioinformatics & Computational Biology (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Genetics & Genomics (AREA)
- Evolutionary Computation (AREA)
- Physiology (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Manufacturing & Machinery (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Factory Administration (AREA)
Abstract
本发明属于跨单元调度相关技术领域,其公开了一种基于复杂网络理论的跨单元调度方法,该方法包括以下步骤:(1)建立复杂网络环境下的跨单元调度模型及跨单元制造网络模型;(2)确定跨单元调度模型的目标函数;(3)分别基于工序序列、机器序列及制造单元序列进行编码,进而建立初始种群,并计算初始解的适应度;(4)根据小世界网络节点连接状态对初始种群进行交叉变异以得到子代种群;(5)将当前的父代种群与子代种群合并后及非支配排序以得到新种群,新种群参与下次循环计算直至达到预先设定的最大循环次数终止,终止后选取当前最优解作为解决跨单元调度问题的方案。本发明提高了效率及质量,准确度较好,适用性较强。
Description
技术领域
本发明属于跨单元调度相关技术领域,更具体地,涉及一种基于复杂网络理论的跨单元调度方法。
背景技术
单元制造系统是将能够加工某些具有相似加工路径工件的机器放置在一个单元内,当代最新、最有效的生产线设置方式之一。随着生产制造业的发展,现代化生产中产品需求越来越多样化,工件的某些工序可能需要其他单元里的某些特定机器加工,工件对于特殊机器的需求以及单元加工能力的期望越来越高。这种现象造成了一些工件需要跨越多个单元加工的情况,而工件在单元间转移就构成了跨单元调度问题。跨单元调度问题不仅要考虑单元内部的生产调度问题,还涉及单元间的运输调度问题。
网络化制造是指通过采用先进的网络技术、制造技术及其他相关技术来构建面向企业特定需求的基于网络的制造系统,并在系统的支持下突破空间对企业生产经营范围和方式的约束,以实现企业间的协同和各种社会资源的共享与集成。在网络化制造条件下,各个企业成为生产制造节点,各节点相连形成生产制造的复杂网络,在复杂环境下,实现了企业的生产资源共享、企业间的生产制造协同合作。
复杂网络环境下的跨单元调度优化问题涉及的制造单元规模大、加工任务多,特殊工件跨单元加工路径不唯一,以上因素减少了机器设备的约束,扩大了可行解的搜索范围,与传统车间调度问题相比是更加复杂的调度问题,对算法的求解速度和全局搜索能力提出了更高的要求,且现有方法解决上述问题比较困难,质量较差,效率较低,甚至无法解决。相应地,本领域存在着发展一种适用性较好的多目标跨单元调度方案获取方法的技术需求。
发明内容
针对现有技术的以上缺陷或改进需求,本发明提供了一种基于复杂网络理论的跨单元调度方法,其基于现有多目标跨单元的调度方法,研究及设计了一种适用性及速度均较好的基于复杂网络理论的跨单元调度方法。所述方法是基于改进的小世界遗传算法解决复杂网络环境下跨单元调度问题的方法,其能够在制造单元规模大、加工任务多、特殊工件跨单元加工路径不唯一的条件下快速获取可行解并具有良好的全局搜索能力。
为实现上述目的,本发明提供了一种基于复杂网络理论的跨单元调度方法,该方法包括以下步骤:
(1)建立复杂网络环境下的跨单元调度模型及跨单元制造网络模型,其中,所述跨单元制造网络模型中用节点表示机器设备,并按照机器序号对节点进行标号,节点之间的有向线段表示机器的加工先后顺序,有向线段的权重表示若干工序在某个节点加工后转向下一个节点加工,节点之间通过有向线段相互连接而形成复杂网络;
(2)确定所述跨单元调度模型的目标函数;
(3)分别基于工序序列、机器序列及制造单元序列进行编码,进而建立初始种群,并依据所述目标函数计算初始解的适应度;
(4)根据得到的所述适应度及所述跨单元制造网络模型的小世界网络节点连接状态对所述初始种群进行交叉变异以得到子代种群;
(5)将当前的父代种群与所述子代种群合并后进行非支配排序,继而得到新种群,所述新种群参与下次循环计算直至达到预先设定的最大循环次数终止,终止后选取当前最优解作为解决跨单元调度问题的方案。
进一步地,所述跨单元制造网络模型是多类型节点的组合,其中相同类型的节点连接数量大于不同类型节点的连接数量。
进一步地,步骤(2)中,以最小化最大完工时间和最小化总体加工成本为优化目标。
进一步地,所述目标函数为:
式中,Cm为加工时间;Sm为制造成本;n为工件标号;m为设备标号;Cij为第i个工件第j道工序的结束时间;Ai为工件i的加工成本;Bi为工件i的运输成本。
进一步地,所述初始种群的建立包括以下步骤:首先,设定所述初始种群的规模为n,所述初始种群由两组个体组成,两组个体分别占种群规模的a%、b%;之后,根据基于工序序列的三段式编码生成a%*2n个个体,并计算每个个体的模块度,选择模块度最大的a%*n作为第1组个体;最后,根据基于工序序列的编码随机生成b%*n个体作为第2组个体,由此建立所述初始种群。
进一步地,每个个体节点都与若干个节点相连,对于该个体相连的若干个个体进行非支配排序,并从中选取出最优个体,与该最优个体进行交叉变异生成子代个体。
进一步地,小世界网络节点连接介于随机网络与规则网络之间,其具有与随机网络相似的短平均最短路径,同时也具有和规则网络相似的大平均聚类系数。
总体而言,通过本发明所构思的以上技术方案与现有技术相比,本发明提供的基于复杂网络理论的跨单元调度方法主要具有以下有益效果:
1.建立复杂网络环境下的跨单元调度模型及跨单元制造网络模型,其中,所述跨单元制造网络模型中用节点表示机器设备,并按照机器序号对节点进行标号,节点之间的有向线段表示机器的加工先后顺序,有向线段的权重表示若干工序在某个节点加工后转向下一个节点加工,节点之间通过有向线段相互连接而形成复杂网络,由此解决了调度复杂问题,灵活性好,适应性较强。
2.根据得到的所述适应度及所述跨单元制造网络模型的小世界网络节点连接状态对所述初始种群进行交叉变异以得到子代种群,基于改进的小世界遗传算法解决了复杂网络环境下跨单元调度问题,且提高了效率及准确性。
3.所述跨单元制造网络模型是多类型节点的组合,其中相同类型的节点连接数量大于不同类型节点的连接数量,如此提高了所述跨单元制造网络模型与实际情况的一致性,进而提高了求解质量及速度。
附图说明
图1是本发明第一实施方式提供的基于复杂网络理论的跨单元调度方法的流程示意图。
图2是本发明第二实施方式提供的基于复杂网络理论的跨单元调度方法涉及的跨单元制造网络模型的复杂网络示意图。
图3是图2中的基于复杂网络理论的跨单元调度方法涉及的各制造单元间的距离矩阵图。
图4是采用图2中的基于复杂网络理论的跨单元调度方法得到的最大完工时间与迭代次数之间的关系示意图。
图5是采用图2中的基于复杂网络理论的跨单元调度方法得到的最大成本与迭代次数之间的关系示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
请参阅图1,本发明第一实施方式提供的基于复杂网络理论的跨单元调度方法,该方法主要包括以下步骤:
步骤一,建立复杂网络环境下的跨单元调度模型及跨单元制造网络模型,其中,所述跨单元制造网络模型中用节点表示机器设备,并按照机器序号对节点进行标号,节点之间的有向线段表示机器的加工先后顺序,有向线段的权重表示若干工序(至少一个工序)在某个节点加工后转向下一个节点加工,节点之间通过有向线段相互连接而形成复杂网络。
具体地,所述跨单元制造网络模型(复杂网络模型)不是大批性质相同节点的随机连接,而是多类型节点的组合,其中相同类型的节点存在较多的连接,而不同类型节点的连接则相对较少,呈现出网络社区结构。
步骤二,确定所述跨单元调度模型的目标函数。具体地,以最小化最大完工时间和最小化总体加工成本为优化目标,所述目标函数的表达式如下:
式中,Cm为加工时间;Sm为制造成本;n为工件标号;m为设备标号;Cij为第i个工件第j道工序的结束时间;Ai为工件i的加工成本;Bi为工件i的运输成本。
所述跨单元调度模型的约束条件为:
Sij+1≥Cij+eij×Di,jj+1×Li (9)
其中,约束(3)表示每道工序只能在一台机器设备上加工完成;约束(4)为每道工序的实际加工时间;约束(5)表示每道工序都必须加工且只能加工一次;约束(6)表示每道工序的开始加工时间;约束(7)表示每道工序完工时间;约束(8)表示机器设备同一时间只能加工一道工序;约束(9)表示每道工序只有在上道工序完成并运输到相应单元后才能开始加工;约束(10)为工序的加工成本;约束(11)为工件的运输费用。
式中,Oi,j为工件i的第j道工序;Oi为工件i的工序总数;t为时间;Li为工件i在制造单元间单位距离的运输时间;Di,jj+1Oi,j和Oi,j+1被分配到不同制造单元之间的运输距离;Mi为工件i单位距离平均运输费用;Eijm为工序Oi,j在机器设备m上的加工成本;Pijm为工序Oi,j在机器设备m上的加工时间;Sij为工序Oi,j的开始加工时间;Pij为工序Oi,j的实际加工时间;Cij为工序Oi,j的结束时间;Ai为工件i的加工成本;Bi为工件i的运输费用;CM为最大完工时间;SM为总制造成本;
步骤三,分别基于工序序列、机器序列及制造单元序列进行编码,进而建立初始种群,并依据所述目标函数计算初始解的适应度。
所述初始种群的生成主要包括以下步骤:
(1)所述初始种群的规模设定为n。
(2)为了保持所述初始种群的多样性,所述初始种群由两组个体组成,两组个体分别占种群规模的a%、b%。
(3)根据基于工序序列的三段式编码生成a%*2n个个体,并计算每个个体的模块度,选择模块度最大的a%*n作为第1组个体。
(4)根据基于工序序列的编码随机生成b%*n个体作为第2组个体,由此建立所述初始种群。
步骤四,根据得到的所述适应度及所述跨单元制造网络模型的小世界网络节点连接情况对所述初始种群进行交叉变异以得到子代种群。
具体地,每个个体节点都与若干节点相连,对于该个体相连的若干个个体进行非支配排序,并从中选取出最优个体,与该最优个体进行交叉变异生成子代个体。小世界网络节点连接结构介于随机网络和规则网络之间,具有和随机网络相似的短平均最短路径,同时具有和规则网络相似的大平均聚类系数。
步骤五,将当前的父代种群与所述子代种群合并后进行非支配排序,进而得到新种群,所述新种群参与下次循环计算直至达到预先设定的最大循环次数tmax终止,终止后选取当前最优解作为解决跨单元调度问题的方案。
请参阅图2及图3,本发明第二实施方式提供的基于复杂网络理论的跨单元调度方法,该方法涉及的制造网络包括20个单元,每个单元包括不同的机器设备,每个制造单元具体包含的机器设备如表1所示。该实施方式中待加工工件数目为50,表2中给出了某些典型工件的可选制造单元及相应的机器设备、每道工序在不同机器上加工时间和成本。表2中,每个工件的加工路径有一种或者多种可选择路径,例如工件J2有多种加工路径可供选择,其第一种可选路径为在U2和U4两个单元中加工,加工机器为U2单元中的机器4、机器5、机器6以及U4单元中的机器11,其消耗的加工时间分别为80、90、100、80,加工成本分别为9、9、6、6。不同机器之间的运输距离由机器所在单元之间的距离决定,各个单元之间的距离用矩阵J表示,具体如图2所示。图2中所示的距离单元为单元距离,实施方式中设定每单位距离的运输时间为1,每单位运输距离运输消耗的成本为0.2倍的单位成本。
表1制造单元包含的机器设备
表2工件加工时间及成本
本发明第二实施方式提供的在网络环境条件下获取多目标跨单元方案的方法主要包括以下步骤:
S1,建立复杂网络环境下的跨单元调度模型及跨单元制造网络模型,将各机器设备与节点对应并对节点进行标号,按照机器加工先后顺序在节点间用有向线段连接,以构建出加工制造的复杂网络。
S2,确定以最小化最大完工时间和最小化总体加工成本为优化目标,建立所述跨单元调度模型的目标函数。所述目标函数的表达式为:
式中,Cm为加工时间;Sm为制造成本;n为工件标号;m为设备标号;Cij为第i个工件第j道工序的结束时间;Ai为工件i的加工成本;Bi为工件i的运输成本。
S3,设定循环参数,初始种群数目n=100,交叉概率q=0.3,变异概率r=0.3,小世界网络参数p=0.6、k=4,终止代数设置为200。
S4,依据工序序列、机器序列、制造单元序列进行编码。
S5,依据提出的基于制造网络模块度的初始解生成机制产生初始解,并依据优化目标的表达式计算初始解的适应度。
S6,根据所述跨单元制造网络模型的小世界网络节点连接情况对所述初始种群进行交叉变异,每个个体节点都与若干节点相连,对于该个体相连的若干个体进行非支配排序,从中挑选出最优个体,并与最优个体进行交叉变异生成子代个体。
S7,将父代种群与子代种群合并后进行非支配排序,并采用精英保留策略以形成新种群参与下次循环计算,直至达到预先设定的最大迭代次数tmax终止,终止后选取当前最优解作为解决跨单元调度问题的方案。
请参阅图4及图5,在相同条件下,运用带精英策略的非支配排序的遗传算法(NSGAII)、小世界遗传算法(SWGA)求解相同问题,本发明提出的改进小世界遗传算法在求解速度和求解质量上具有明显优势。
本发明提供的基于复杂网络理论的跨单元调度方法,该方法采用了小世界遗传算法,其在求解速度和求解质量上均具有明显的优势,为复杂网络环境下的跨单元调度优化问题的解决提供了方案,有利于车间调度,实现了企业的生产资源共享及企业间的生产制造协同合作。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种基于复杂网络理论的跨单元调度方法,其特征在于,该方法包括以下步骤:
(1)建立复杂网络环境下的跨单元调度模型及跨单元制造网络模型,其中,所述跨单元制造网络模型中用节点表示机器设备,并按照机器序号对节点进行标号,节点之间的有向线段表示机器的加工先后顺序,有向线段的权重表示若干工序在某个节点加工后转向下一个节点加工,节点之间通过有向线段相互连接而形成复杂网络;
(2)确定所述跨单元调度模型的目标函数;
(3)分别基于工序序列、机器序列及制造单元序列进行编码,进而建立初始种群,并依据所述目标函数计算初始解的适应度;
(4)根据得到的所述适应度及所述跨单元制造网络模型的小世界网络节点连接状态对所述初始种群进行交叉变异以得到子代种群;
(5)将当前的父代种群与所述子代种群合并后进行非支配排序,继而得到新种群,所述新种群参与下次循环计算直至达到预先设定的最大循环次数终止,终止后选取当前最优解作为解决跨单元调度问题的方案。
2.如权利要求1所述的基于复杂网络理论的跨单元调度方法,其特征在于:所述跨单元制造网络模型是多类型节点的组合,其中相同类型的节点连接数量大于不同类型节点的连接数量。
3.如权利要求1所述的基于复杂网络理论的跨单元调度方法,其特征在于:步骤(2)中,以最小化最大完工时间和最小化总体加工成本为优化目标。
5.如权利要求1-4任一项所述的基于复杂网络理论的跨单元调度方法,其特征在于:所述初始种群的建立包括以下步骤:首先,设定所述初始种群的规模为n,所述初始种群由两组个体组成,两组个体分别占种群规模的a%、b%;之后,根据基于工序序列的三段式编码生成a%*2n个个体,并计算每个个体的模块度,选择模块度最大的a%*n作为第1组个体;最后,根据基于工序序列的编码随机生成b%*n个体作为第2组个体,由此建立所述初始种群。
6.如权利要求1-4任一项所述的基于复杂网络理论的跨单元调度方法,其特征在于:每个个体节点都与若干个节点相连,对于该个体相连的若干个个体进行非支配排序,并从中选取出最优个体,与该最优个体进行交叉变异生成子代个体。
7.如权利要求1-4任一项所述的基于复杂网络理论的跨单元调度方法,其特征在于:小世界网络节点连接介于随机网络与规则网络之间,其具有与随机网络相似的短平均最短路径,同时也具有和规则网络相似的大平均聚类系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811109743.7A CN109447408B (zh) | 2018-09-21 | 2018-09-21 | 一种基于复杂网络理论的跨单元调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811109743.7A CN109447408B (zh) | 2018-09-21 | 2018-09-21 | 一种基于复杂网络理论的跨单元调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109447408A CN109447408A (zh) | 2019-03-08 |
CN109447408B true CN109447408B (zh) | 2021-07-02 |
Family
ID=65530926
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811109743.7A Active CN109447408B (zh) | 2018-09-21 | 2018-09-21 | 一种基于复杂网络理论的跨单元调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109447408B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111210062B (zh) * | 2019-12-31 | 2023-04-07 | 深圳金赋科技有限公司 | 基于遗传算法的工件智能调度排产方法、设备及介质 |
CN117634749B (zh) * | 2024-01-25 | 2024-05-17 | 深圳市大数据研究院 | 柔性加工系统的工件加工方法及相关设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102385364A (zh) * | 2011-09-16 | 2012-03-21 | 北京理工大学 | 一种柔性路径下跨作业单元调度方法 |
CN102938102A (zh) * | 2012-10-19 | 2013-02-20 | 北京理工大学 | 一种带有批处理机的跨作业单元调度方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8023955B2 (en) * | 2005-08-22 | 2011-09-20 | Sony Corporation | Uplink resource allocation to control intercell interference in a wireless communication system |
US10096060B2 (en) * | 2012-12-06 | 2018-10-09 | Xcira, Inc | Interest gauge based auction |
-
2018
- 2018-09-21 CN CN201811109743.7A patent/CN109447408B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102385364A (zh) * | 2011-09-16 | 2012-03-21 | 北京理工大学 | 一种柔性路径下跨作业单元调度方法 |
CN102938102A (zh) * | 2012-10-19 | 2013-02-20 | 北京理工大学 | 一种带有批处理机的跨作业单元调度方法 |
Non-Patent Citations (1)
Title |
---|
基于多目标多约束的跨企业制造单元构建与调度风险控制应用研究;李强;《中国优秀硕士学位论文全文数据库经济与管理科学辑》;20180215;22-55 * |
Also Published As
Publication number | Publication date |
---|---|
CN109447408A (zh) | 2019-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110632907B (zh) | 一种分布式装配式置换流水车间调度优化方法及系统 | |
US20180357610A1 (en) | Method and system for collaborative scheduling of production and transportation based on shuffled frog leaping and path relinking algorithms | |
CN107392402A (zh) | 基于改进禁忌搜索算法的生产运输协同调度方法及系统 | |
CN105629927A (zh) | 一种基于混合遗传算法的mes生产计划排产方法 | |
CN104155931B (zh) | 基于nsga-ii的轮胎模具加工及装配集成优化方法 | |
CN110598941A (zh) | 一种基于仿生策略的粒子群优化制造系统双目标排产方法 | |
CN101901425A (zh) | 一种基于多种群协同进化的柔性作业车间调度方法 | |
CN109447408B (zh) | 一种基于复杂网络理论的跨单元调度方法 | |
CN106611275A (zh) | 针对作业车间生产问题的排产算法 | |
CN112381273B (zh) | 一种基于u-nsga-iii算法的多目标作业车间节能优化方法 | |
CN116700176A (zh) | 一种基于强化学习的分布式阻塞流水车间调度优化系统 | |
CN108446814B (zh) | 同顺序流水线车间调度问题的树搜索方法及装置 | |
CN113705978B (zh) | 一种多机任务刀具静态与动态集成决策方法及系统 | |
CN110929930A (zh) | 一种船用曲轴生产线排产调度优化方法 | |
CN117132181B (zh) | 一种分布式柔性生产与运输协同调度方法 | |
CN109214695A (zh) | 基于改进eda的高端装备研发制造协同调度方法及系统 | |
CN104700157B (zh) | 一种考虑运输能力受限的跨单元工件生产路径搜索方法 | |
CN116300756A (zh) | 带运输机器人柔性制造车间的双目标优化调度方法及系统 | |
CN113139774B (zh) | 一种面向多仓库运输的车辆路径优化方法 | |
Li et al. | An improved whale optimisation algorithm for distributed assembly flow shop with crane transportation | |
Xu et al. | Flexible job shop scheduling based on multi-population genetic-variable neighborhood search algorithm | |
CN115700647A (zh) | 一种基于禁忌搜索遗传算法的车间柔性作业调度方法 | |
CN113095572A (zh) | 一种分布式装配零等待流水车间调度问题的优化系统 | |
Liu et al. | Scheduling optimization of flexible flow shop | |
Wu et al. | Design and application of workshop production scheduling strategy based on manufacturing big data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |