CN113313283A - 一种基于知识驱动方法的分布式装配阻塞流水车间集成调度系统 - Google Patents
一种基于知识驱动方法的分布式装配阻塞流水车间集成调度系统 Download PDFInfo
- Publication number
- CN113313283A CN113313283A CN202110400333.3A CN202110400333A CN113313283A CN 113313283 A CN113313283 A CN 113313283A CN 202110400333 A CN202110400333 A CN 202110400333A CN 113313283 A CN113313283 A CN 113313283A
- Authority
- CN
- China
- Prior art keywords
- assembly
- sequence
- knowledge
- processing
- distributed
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- 230000000903 blocking effect Effects 0.000 title claims abstract description 37
- 238000012545 processing Methods 0.000 claims abstract description 62
- 238000005457 optimization Methods 0.000 claims abstract description 32
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 9
- 230000008569 process Effects 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 abstract description 20
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- ZTPNVPPLIDWEGE-UHFFFAOYSA-N P.S.S Chemical compound P.S.S ZTPNVPPLIDWEGE-UHFFFAOYSA-N 0.000 description 21
- 230000007246 mechanism Effects 0.000 description 6
- 238000003754 machining Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000013508 migration Methods 0.000 description 4
- 230000005012 migration Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000012804 iterative process Methods 0.000 description 3
- 241001634851 Apaturinae Species 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- YSSDALIKCHVBBZ-UHFFFAOYSA-N P.P.S.S Chemical compound P.P.S.S YSSDALIKCHVBBZ-UHFFFAOYSA-N 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002994 raw material Substances 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
- G06Q10/04—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
- 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
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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
- G06Q10/06316—Sequencing of tasks or work
-
- 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
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及制造生产调度领域,具体涉及一种基于知识驱动方法的分布式装配阻塞流水车间集成调度系统;其包括加工序列生成模块,使用知识驱动的方法,构造分布式装配阻塞流水车间各个加工工厂中待加工工件的调度序列;装配序列生成模块,使用知识驱动的方法,构造分布式装配阻塞流水车间装配工厂中待装配产品的调度序列;调度序列优化模块,使用知识驱动的协同学习优化系统,以产生分布式装配阻塞流水车间调度序列;其有益效果在于:实验结果表明了本发明的集成调度系统在解决分布式装配阻塞流水车间调度问题时的高效性和有效性。
Description
技术领域
本发明涉及制造生产调度领域,具体涉及一种基于知识驱动方法的分布式装配阻塞流水车间集成调度系统。
背景技术
制造业是国民经济的主体,是立国之本、兴国之器、强国之基。随着经济全球化的发展,世界经济结构发生了翻天覆地的变化,世界工厂的生产方式也面临着巨大的挑战。多国家合作,多地区合作,多企业合作,多个工厂合作的分布式生产方式已逐步走上历史舞台,成为主要的国际生产、制造方式,促进了经济全球化和生产国际化的发展。分布式制造不仅可以充分利用多个国家、地区,企业、工厂的各种生产资源,通过实现原材料的有效分配,生产力的最优组合以及合理的资源共享,更加可以在分布式工厂中以合理的成本快速实现产品的生产和制造。作为分布式制造一个十分的重要环节,分布式流水车间调度问题(Distributed Flow Shop Scheduling Problem,DFSP) 是一类以不同制造公司或加工工厂间的合作生产为背景,研究如何分配待加工工件及如何确定其加工顺序,从而实现某一特定调度指标的最优化的问题。由于存在着不同的加工工厂,则分布式流水车间调度问题面临着:加工工厂与加工工厂之间,加工工厂的内部各台机器的分配和待加工工件的排序等诸多因素的相互耦合关系。在分布式流水车间的加工、制造布局下,每一个待加工工件都是一个待分配处理单元,每一个工厂中的加工顺序都是一个独立的调度处理单元。与传统单工厂的流水车间调度问题相比,DFSP求解空间更大,求解难度更高,对求解算法的精度以及求解速度要求也更高,因此,其研究也具有更加重要的学术意义与应用价值。
帝王蝶优化算法(MBO)是一种有研究前景的群智能优化算法, MBO受帝王蝶在自然界中的迁移行为的启发而被提出用以解决优化问题。与其他现有的仅有一个种群的群智能优化算法不同的是,MBO算法具有两个基本运算符,它们分别属于不同的子种群。子种群1中的迁移算子(Migration Operator,MO)和子种群2中的蝴蝶调整算子 (ButterflyAdjusting Operator,BAO)在迭代过程中协同地更新整个种群。两个算子在不同的子群体中各司其职。位于不同子种群中的后代个体与其他个体交换邻域信息,以实现个体学习。然后在算法的迭代过程中则体现了群体智能。在这种理论下,MBO算法具有高级协作学习机制。对于所有群智能优化算法而言,在迭代过程中使得探索与开发之间取得适当的平衡是非常重要的。在MBO算法的启发式搜索中,MO和BAO协同控制局部搜索和全局搜索操作。协作的过程导致勘探与开发的平衡。MBO算法的新颖之处在于MO和BAO的有效结合。简单有效的运行机制在迭代过程中实现了群体智能。由于其自身可预见的性能,MBO算法已应用于解决常见的优化问题。
发明内容
本发明提供一种基于知识驱动方法的分布式装配阻塞流水车间集成调度系统,该集成调度系统能够优化分布式装配阻塞流水车间的运行效率和性能。
为实现上述目的,本发明提供如下技术方案:
一种基于知识驱动方法的分布式装配阻塞流水车间集成调度系统,包括以下步骤:
步骤1:加工序列生成模块,使用知识驱动的方法,构造分布式装配阻塞流水车间各个加工工厂中待加工工件的调度序列,该序列用于表示各个加工工厂中工件的加工工艺流程;
步骤2:装配序列生成模块,使用知识驱动的方法,构造分布式装配阻塞流水车间装配工厂中待装配产品的调度序列,该序列用于表示装配工厂中产品的组装工艺流程;
步骤3:调度序列优化模块,使用知识驱动的协同学习优化系统,对步骤1和步骤2中产生的加工序列与装配序列进行优化,以产生分布式装配阻塞流水车间调度序列,该序列用于表示分布式装配阻塞流水车间加工、组装的工艺流程。
优选地,在步骤1中,根据各个工件总处理时间的排序,在分布式阻塞加工流水车间中,以最小化加工完成时间为优化目标,构造产生各个加工车间中的加工序列。
优选地,在步骤2中,根据步骤1中所提供的各个工厂中的加工序列,结合各个产品的工件构成、开始组装时间、组装过程耗时,在装配工厂中,以最小化装配完成时间为优化目标,构造装配车间中的组装序列。
优选地,在步骤3中,根据上述步骤1和步骤2中产生的加工序列与组装序列,产生分布式装配阻塞流水车间调度序列,并使用知识驱动的协同学习优化系统对该调度序列进行优化,以达到最大装配完成时间最优。
一种计算机可读存储介质,其中包含计算机程序,该程序被CPU 处理时可实现一种基于知识驱动方法的分布式装配阻塞流水车间集成调度系统所提供的方法步骤。
本发明具有以下有益效果:
(1)本发明定量的表示了分布式阻塞流水车间调度问题的先验知识,为后续基于知识驱动方法的集成调度系统研究提供强有力的理论支撑。
(2)使用新的启发式方法KDHLL构造了一个高质量的初始化调度序列,使得系统能够快速的搜索可行域。
(3)使用知识驱动的协同学习优化系统,在KDHLL系统所得调度序列的基础上进一步优化解的精度。
(4)本发明逻辑简单、易于实现和易于扩展,本集成系统方便扩展到求解智能制造生产领域中的其他调度问题。
附图说明
图1是本发明的系统结构图;
图2是本发明的知识1效果对比图;
图3是本发明的知识2效果对比图;
图4是本发明的知识3效果对比图;
图5是本发明KDHLL启发式方法示意图;
图6是本发明使用KDHLL启发式方法之后的优化效果图;
图7是本发明的学习机制第一阶段示意图;
图8是本发明的学习机制第二阶段示意图;
图9是本发明与其他对比系统的概率图。
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例仅用于解释本发明,并不用于限定本发明。
实施例1
一种基于知识驱动方法的分布式装配阻塞流水车间集成调度系统,如图1所示,包括以下步骤:
步骤1:加工序列生成模块,使用知识驱动的方法,构造分布式装配阻塞流水车间各个加工工厂中待加工工件的调度序列,该序列用于表示各个加工工厂中工件的加工工艺流程;
步骤2:装配序列生成模块,使用知识驱动的方法,构造分布式装配阻塞流水车间装配工厂中待装配产品的调度序列,该序列用于表示装配工厂中产品的组装工艺流程;
步骤3:调度序列优化模块,使用知识驱动的协同学习优化系统,对步骤1和步骤2中产生的加工序列与装配序列进行优化,以产生分布式装配阻塞流水车间调度序列,该序列用于表示分布式装配阻塞流水车间加工、组装的工艺流程。
优选地,在步骤1中,根据各个工件总处理时间的排序,在分布式阻塞加工流水车间中,以最小化加工完成时间为优化目标,构造产生各个加工车间中的加工序列。
优选地,在步骤2中,根据步骤1中所提供的各个工厂中的加工序列,结合各个产品的工件构成、开始组装时间、组装过程耗时,在装配工厂中,以最小化装配完成时间为优化目标,构造装配车间中的组装序列。
优选地,在步骤3中,根据上述步骤1和步骤2中产生的加工序列与组装序列,产生分布式装配阻塞流水车间调度序列,并使用知识驱动的协同学习优化系统对该调度序列进行优化,以达到最大装配完成时间最优。
一种计算机可读存储介质,其中包含计算机程序,该程序被CPU 处理时可实现一种基于知识驱动方法的分布式装配阻塞流水车间集成调度系统所提供的方法步骤。
实施例2
下面将进一步说明基于知识驱动方法的集成调度系统在分布式装配阻塞流水车间调度问题中的应用。
一种基于知识驱动方法的分布式装配阻塞流水车间集成调度系统,具体包含以下步骤:
步骤1:系统初始化,分布式装配阻塞流水车间调度问题知识的定量表示,设定系统终止条件。
在本步骤中,根据分布式装配阻塞流水车间调度问题的特征,对其包含的三个子问题的知识进行了清晰地提炼,并提出了三种知识的定量表示,为集成系统下一步运行做准备。
如图2、图3、图4所示(分别代表三种知识的对比效果,图2 (a)代表遵守知识1情况下的甘特图,图2(b)代表违背知识1情况下的甘特图;图3(a)代表遵守知识2情况下的甘特图,图3(b) 代表违背知识2情况下的甘特图;图4(a)代表遵守知识3情况下的甘特图,图4(b)代表违背知识3情况下的甘特图),三种知识表示如下:
知识1表示属于同一产品的待加工工件应在不同的加工厂中进行分配,使该产品的各个工件的最早发布时间尽可能提前。属于同一产品的待加工工件应分配给不同的加工工厂,以分别加工。
知识2表示组装工厂中产品的组装顺序是根据加工工厂中待加工工件的处理顺序来确定的。一旦在加工工厂完成了属于某一产品的最后一个工件的加工工艺,就应立即发布该产品的所有工件,以完成后续的组装程序。
知识3表示在每个加工工厂内部,应将属于同一产品的所有待加工工件一起分配,以使该产品的最早开始组装时间更早。
步骤2:系统加工序列生成模块与系统装配序列生成模块运行,产生高质量的初始序列,如图5((a)对应第一阶段,(b)对应第二阶段,(c)对应第三阶段)所示。
(1)在第一阶段,基于总处理时间对属于同一产品的待加工工件进行分类。重复该过程,直到考虑所有产品为止。然后,获得基于总处理时间的待加工工件序列。此外,在对作业进行排序时会使用LPT 规则。
(2)在第二阶段,对于每个产品,最早的发布时间也称为最早的工件加工完成时间或最早的开始组装时间。本发明提出了一种基于待加工工件的最早发布时间对工件初始序列进行排序的新方法NLI。根据NLI方法,假定属于同一产品的待加工工件被分配给所有加工厂中的每个可能位置。同时假设,加工工厂当前仅加工属于某一产品的所有未加工工件,然后在所有可能的加工工厂中以该类工件最早的释放时间选择所有合适的位置来插入其中。
(3)在第三阶段中,本步骤的第三阶段按照提供的工件的初始序列生成了工件的最终序列。在本发明中,选择提供的初始序列中的工件,一个接一个地分配给加工厂中可能的位置。然后,选择具有最小装配完成时间的加工工厂和相应的位置来插入该工件。最后,生成加工工件的最终序列与此时的装配序列,并获得最小的组装完成时间。
系统加工序列生成模块与系统装配序列生成模块运行后实施的实例结果如图6所示。
步骤3:调度序列优化模块,使用知识驱动的协同学习方法,包括基于交换机制的学习型迁移算子(LMO)和基于交叉机制的学习型蝴蝶调整算子(LBAO)优化步骤2中产生的调度序列。
(1)学习型迁移算子
在调度序列优化模块中,子种群1中的候选解由LMO生成。LMO 定义为:
学习型蝴蝶调整算子
在调度序列优化模块中,子种群2中的候选解由LBAO生成。LBAO 过程可表示为:
在调度序列优化模块中,此时先验知识的评价由每个操作的绩效分数表示。由此,如果其适应度值比以前好,则将当前操作的绩效分数由等式3.7产生。但是,每个操作的绩效分数被认为是处于不同迭代的两个条件。在第一个条件下,如图7所示,可表示如下:
在第二个个条件下,如图8所示,可表示如下:
步骤4:系统终止条件判断,若系统运行状态未达到设置的终止条件,则返回步骤3,否则输出当前集成系统中的最优个体及其对应的最大装配完成时间。
本发明所选对比系统为:Heu3(Q.K.P.A.B,L.G.C,X. Y.C,and F.M.J.D,“Effective constructive heuristics and meta-heuristics for the distributedassembly permutation flowshop scheduling problem,”Applied Soft Computing,vol.81,2019),H2NRa(S.Weishi,P.Dechang,and S.Zhongshi,“Local Search Methods for aDistributed Assembly No-ldle Flow Shop Scheduling Problem,”IEEE SystemsJournal,vol.PP,pp. 1-12,2018.),H22(S.Hatami,R.Ruiz,and C.Andres-Romano,“TheDistributed Assembly Permutation F lowshop Scheduling Problem,”InternationalJournal of Production Research,vol. 51,no.17-18,pp.5292-5308,2013.)。
为了和其他系统之间进行有效分析,如图9所示为本集成系统 KDLMBO与其他先进系统实例对比概率图,由图可知,KDLMBO系统的均值和标准差均显著优于其他对比系统。
以上显示和描述了本发明的基本原理和主要特征及本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (5)
1.一种基于知识驱动方法的分布式装配阻塞流水车间集成调度系统,包括以下步骤:
步骤(1):加工序列生成模块,使用知识驱动的方法,构造分布式装配阻塞流水车间各个加工工厂中待加工工件的调度序列,该序列用于表示各个加工工厂中工件的加工工艺流程;
步骤(2):装配序列生成模块,使用知识驱动的方法,构造分布式装配阻塞流水车间装配工厂中待装配产品的调度序列,该序列用于表示装配工厂中产品的组装工艺流程;
步骤(3):调度序列优化模块,使用知识驱动的协同学习优化系统,对步骤(1)和步骤(2)中产生的加工序列与装配序列进行优化,以产生分布式装配阻塞流水车间调度序列,该序列用于表示分布式装配阻塞流水车间加工、组装的工艺流程。
2.根据权利要求1所述的一种基于知识驱动方法的分布式装配阻塞流水车间集成调度系统,其特征在于:在步骤(1)中,根据各个工件总处理时间的排序,在分布式阻塞加工流水车间中,以最小化加工完成时间为优化目标,构造产生各个加工车间中的加工序列。
3.根据权利要求1所述的一种基于知识驱动方法的分布式装配阻塞流水车间集成调度系统,其特征在于:在步骤(2)中,根据步骤(1)中所提供的各个工厂中的加工序列,结合各个产品的工件构成、开始组装时间、组装过程耗时,在装配工厂中,以最小化装配完成时间为优化目标,构造装配车间中的组装序列。
4.根据权利要求1所述的一种基于知识驱动方法的分布式装配阻塞流水车间集成调度系统,其特征在于:在步骤(3)中,根据上述步骤(1)和步骤(2)中产生的加工序列与组装序列,产生分布式装配阻塞流水车间调度序列,并使用知识驱动的协同学习优化系统对该调度序列进行优化,以达到最大装配完成时间最优。
5.一种计算机可读存储介质,其中包含计算机程序,该程序被CPU处理时可实现权利要求1中所提供的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110400333.3A CN113313283B (zh) | 2021-04-14 | 2021-04-14 | 一种基于知识驱动方法的分布式装配阻塞流水车间集成调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110400333.3A CN113313283B (zh) | 2021-04-14 | 2021-04-14 | 一种基于知识驱动方法的分布式装配阻塞流水车间集成调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113313283A true CN113313283A (zh) | 2021-08-27 |
CN113313283B CN113313283B (zh) | 2022-08-19 |
Family
ID=77372115
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110400333.3A Active CN113313283B (zh) | 2021-04-14 | 2021-04-14 | 一种基于知识驱动方法的分布式装配阻塞流水车间集成调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113313283B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102411306A (zh) * | 2011-11-17 | 2012-04-11 | 浙江工业大学 | 一种基于蜂社会自组织模型的混流装配生产调度控制方法 |
EP2738719A1 (en) * | 2012-11-30 | 2014-06-04 | General Electric Company | Systems and methods for management of risk in industrial plants |
CN106611270A (zh) * | 2016-01-29 | 2017-05-03 | 四川用联信息技术有限公司 | 一种求解并行机作业车间调度的混合启发式转移瓶颈算法 |
CN108153268A (zh) * | 2017-12-31 | 2018-06-12 | 武汉企鹅能源数据有限公司 | 一种混合流水车间调度节能控制方法 |
CN108647859A (zh) * | 2018-04-17 | 2018-10-12 | 东莞理工学院 | 知识驱动的置换流水线双种群协同学习策略与优化方法 |
US20190012851A1 (en) * | 2017-07-07 | 2019-01-10 | The Boeing Company | Fault detection system and method for vehicle system prognosis |
CN110288185A (zh) * | 2019-05-16 | 2019-09-27 | 清华大学 | 一种分布式柔性流水线调度方法 |
CN110472799A (zh) * | 2019-08-23 | 2019-11-19 | 兰州理工大学 | 一种基于引力搜索算法的阻塞流水车间调度优化方法 |
CN110632907A (zh) * | 2019-10-30 | 2019-12-31 | 山东师范大学 | 一种分布式装配式置换流水车间调度优化方法及系统 |
CN110969362A (zh) * | 2019-12-09 | 2020-04-07 | 山东师范大学 | 一种云计算系统下多目标任务调度方法及系统 |
-
2021
- 2021-04-14 CN CN202110400333.3A patent/CN113313283B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102411306A (zh) * | 2011-11-17 | 2012-04-11 | 浙江工业大学 | 一种基于蜂社会自组织模型的混流装配生产调度控制方法 |
EP2738719A1 (en) * | 2012-11-30 | 2014-06-04 | General Electric Company | Systems and methods for management of risk in industrial plants |
CN106611270A (zh) * | 2016-01-29 | 2017-05-03 | 四川用联信息技术有限公司 | 一种求解并行机作业车间调度的混合启发式转移瓶颈算法 |
US20190012851A1 (en) * | 2017-07-07 | 2019-01-10 | The Boeing Company | Fault detection system and method for vehicle system prognosis |
CN108153268A (zh) * | 2017-12-31 | 2018-06-12 | 武汉企鹅能源数据有限公司 | 一种混合流水车间调度节能控制方法 |
CN108647859A (zh) * | 2018-04-17 | 2018-10-12 | 东莞理工学院 | 知识驱动的置换流水线双种群协同学习策略与优化方法 |
CN110288185A (zh) * | 2019-05-16 | 2019-09-27 | 清华大学 | 一种分布式柔性流水线调度方法 |
CN110472799A (zh) * | 2019-08-23 | 2019-11-19 | 兰州理工大学 | 一种基于引力搜索算法的阻塞流水车间调度优化方法 |
CN110632907A (zh) * | 2019-10-30 | 2019-12-31 | 山东师范大学 | 一种分布式装配式置换流水车间调度优化方法及系统 |
CN110969362A (zh) * | 2019-12-09 | 2020-04-07 | 山东师范大学 | 一种云计算系统下多目标任务调度方法及系统 |
Non-Patent Citations (6)
Title |
---|
GAI-GE WANG等: "A Novel Monarch Butterfly Optimization with Greedy Strategy and Self-Adaptive", 《2015 SECOND INTERNATIONAL CONFERENCE ON SOFT COMPUTING AND MACHINE INTELLIGENCE (ISCMI)》 * |
RATH,C.K等: "A Monarch Butterfly Optimization Approach to Dynamic Task Scheduling", 《ADVANCED COMPUTING AND INTELLIGENT ENGINEERING. PROCEEDINGS OF ICACIE 2018. ADVANCES IN INTELLIGENT SYSTEMS AND COMPUTING (AISC 1089)》 * |
ZHAO FUQING等: "A cooperative water wave optimization algorithm with reinforcement learning for the distributed assembly no-idle flowshop scheduling problem", 《COMPUTERS & INDUSTRIAL ENGINEERING》 * |
任彩乐: "基于候鸟优化算法的混合流水车间调度问题研究", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
圣玉祥: "面向应急调度的车辆路径智能规划方法研究", 《中国优秀博硕士学位论文全文数据库(硕士) 工程科技II辑》 * |
赵乐汐: "分布式阻塞流水车间调度问题及其求解算法研究", 《中国优秀博硕士学位论文全文数据库(硕士) 工程科技II期》 * |
Also Published As
Publication number | Publication date |
---|---|
CN113313283B (zh) | 2022-08-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021036658A1 (zh) | 用于铸造并行车间主生产计划的多目标优化方法及系统 | |
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 | |
Sun et al. | Hybrid genetic algorithm with variable neighborhood search for flexible job shop scheduling problem in a machining system | |
CN111985672B (zh) | 一种多Agent深度强化学习的单件作业车间调度方法 | |
CN104636871B (zh) | 一种基于数据的单阶段多产品批处理的控制方法 | |
Petropoulos et al. | A particle swarm optimization algorithm for balancing assembly lines | |
CN112836974A (zh) | 一种基于dqn和mcts的箱区间多场桥动态调度方法 | |
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 | |
CN114186791A (zh) | 一种面向多型号小批量的复杂装备产品装调生产动态调度方法 | |
CN106446134A (zh) | 基于谓词规约和代价估算的局部多查询优化方法 | |
CN107817771A (zh) | 考虑关机重启策略的混合流水车间节能调度的建模方法 | |
CN107831740A (zh) | 一种应用于笔记本零件的分布式生产制造过程中的优化调度方法 | |
CN117132181B (zh) | 一种分布式柔性生产与运输协同调度方法 | |
CN113313283B (zh) | 一种基于知识驱动方法的分布式装配阻塞流水车间集成调度方法 | |
CN114839930A (zh) | 一种用于分布式装配阻塞流水车间集成调度系统 | |
CN115456268A (zh) | 一种导向辊制造资源优化配置方法、装置、设备及介质 | |
Lou et al. | Improved hybrid immune clonal selection genetic algorithm and its application in hybrid shop scheduling | |
CN115933570A (zh) | 一种考虑产品工序差异的混流装配线平衡方法 | |
Laili et al. | DSAC-configured Differential Evolution for Cloud-Edge-Device Collaborative Task Scheduling | |
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 | |
CN113485278A (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 | |
Zhou et al. | A modified column generation algorithm for scheduling problem of reentrant hybrid flow shops with queue constraints | |
Wu et al. | An improved genetic-shuffled frog-leaping algorithm for permutation flowshop scheduling | |
Li et al. | Optimization of foreign trade service logistics warehousing system based on immune genetic algorithm and wireless network technology | |
CN113505910B (zh) | 一种含多路径有限连续输出库存的混合车间生产调度方法 |
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 |