GA算法解决工厂调度问题——模型设计

简介: GA算法解决工厂调度问题——模型设计

在混合流水车间中n个工件加工队列进行m个工序的加工,工件依照加工流程中工序顺序进行排产,工件的加工流程中至少一个可重入工序,m个工序中至少有一个工序包含多个并行工位,工件在并行工位上的加工时间可以不同,但是工件在并行工位上至少要选择一个工位进行加工,排产结果要确定工件的工位分配加工顺序以及在其加工流程上每个工序的开工时间完工时间。


满足以下条件:


目标函数:


1. 最小化最大完工时间  


2.机器利用率


约束条件


1.每台机器(工位)每次只能加工一个工件


2.每个工件的每道工序只能在一台机器上加工


3.工件在加工过程中不允许中断


4.加工过程中工件在各工序间的转运时间忽略不计


5.冲砂车间有足够的空间放置多个构件;(可以设置1个工位)


6.将检查和报验时间计入作业时间;


7底漆面漆共用一个喷漆室,因此在此处有1次重入。


8.考虑每天工时约束,工作时间一定,8小时/班,2班/每天。


9.考虑冲砂完后必须在一定时间内完成底面喷涂,否则当天不进行冲砂,留待下个工作日。


说明:工序1一个工位,工序2一个工位,工序3 三个工位,工序4 三个工位,工序5 1个工位,工序6 3个工位,工序7  3个工位,工序8 1个工位,工序9 三个工位,工序10 三个工位。



考虑到港机典型构件喷涂时由构件类型和加工流程共同决定。


模型参数:

image.png


在上述公式中,公式 1 和 2 说明排产流程和工件类型与工件是一对多的关系,在排产过程包括的工件中,可能会存在多个工件采用同样加工流程或是多个工件具有同样的类型。


公式3说明在加工流程中可以包含多个重复加工的工序(通过加工顺序序号区分);公式4说明在具有可重入工序情况下,工件在其加工流程中开始加工时间、加工时间和结束加工时间之间的关系;


公式5说明同一工件在其加工流程中连续加工工序的开始加工时间和结束加工时间的之间关系;公式 6 说明在具有可重入工序的车间中,统计工位上加工工件的个数,要累计重复加工工件的数量。表示工序j是否需要人工参与;表示考虑冲砂完后必须在一定时间内完成底面喷涂其值为1,否则当天不进行冲砂,留待下个工作日其值为0。


其它约束条件如下:每个工位在同一时刻只能加工一个工件,每个工件在同一时刻只能在一个工位加工;工件加工过程不允许中断;涂装车间中工位设置为两个,在排产过程中不考虑缓冲工位限制;现场承载客车的滑壳平移车是人工操作的,时间难以统计,所以把转运时间计入加工时间。

image.png



相关文章
|
6天前
|
算法 调度 Python
【调度算法】并行机调度问题遗传算法
【调度算法】并行机调度问题遗传算法
19 2
|
5天前
|
算法 数据可视化 数据挖掘
算法金 | 一个强大的算法模型:t-SNE !!
**t-SNE算法简介** t-SNE(t-Distributed Stochastic Neighbor Embedding)是一种非线性降维技术,用于高维数据的可视化和结构保留。它通过保持高维数据点间的局部相似性来创建低维表示,尤其适用于揭示复杂数据集的模式。算法的关键在于使用高斯分布计算高维相似性,而用t分布计算低维相似性,并通过最小化Kullback-Leibler散度来优化低维空间的位置。t-SNE在图像、文本和生物信息学等领域有广泛应用,但计算复杂度高,不适合大规模数据。
21 6
算法金 | 一个强大的算法模型:t-SNE !!
|
10天前
|
机器学习/深度学习 存储 人工智能
算法金 | 一个强大的算法模型,GP !!
高斯过程是一种非参数机器学习方法,利用高斯分布描述数据,并通过核函数衡量相似性。它在小样本和不确定性估计上有优势,常用于回归、分类和优化。高斯过程基于函数分布,通过核函数(如线性、RBF、多项式)捕捉数据关系。与传统方法相比,它在处理不确定性和非线性问题时更具灵活性。虽然计算复杂度高、内存需求大,但通过稀疏高斯过程等方法可改善。高斯过程还可扩展到非平稳和多任务场景。本文通过代码示例展示了高斯过程在战斗胜率预测中的应用。
36 11
算法金 | 一个强大的算法模型,GP !!
|
8天前
|
机器学习/深度学习 数据采集 监控
算法金 | 选择最佳机器学习模型的 10 步指南
许多刚入门的学习者也面临着相似的挑战,特别是在项目启动初期的方向确定和结构规划上。本文意在提供一份全面指南,助你以正确的方法开展项目。 遵循本文提供的每一步至关重要(虽有少数例外)。就像不做饭或点餐就无法享用美食一样,不亲自动手构建模型,就无法实现模型部署。
34 7
算法金 | 选择最佳机器学习模型的 10 步指南
|
6天前
|
算法 调度 Python
【调度算法】开放车间调度问题遗传算法
【调度算法】开放车间调度问题遗传算法
12 1
|
15天前
|
算法
基于GA-PSO遗传粒子群混合优化算法的VRPTW问题求解matlab仿真
摘要: 本文介绍了考虑时间窗的车辆路径问题(VRPTW),在MATLAB2022a中进行测试。VRPTW涉及车辆从配送中心出发,服务客户并返回,需在指定时间窗内完成且满足车辆容量限制,目标是最小化总行驶成本。文章探讨了遗传算法(GA)和粒子群优化(PSO)的基本原理及其在VRPTW中的应用,包括编码、适应度函数、选择、交叉、变异等步骤。同时,提出了动态惯性权重、精英策略、邻域搜索、多种群和启发式信息等优化策略,以应对时间窗限制并提升算法性能。
|
11天前
|
数据采集 机器学习/深度学习 人工智能
算法金 | 一个强大的算法模型,多项式回归!!
```markdown # 多项式回归简述 - 多项式回归是线性回归扩展,用于处理非线性关系。 - 通过添加高次项来拟合复杂模式,但可能引发过拟合。 - 示例中展示了如何用Python创建模拟数据,使用`PolynomialFeatures`生成多项式特征,训练线性回归模型并可视化结果。 - 优点:灵活捕捉非线性关系,易于理解。 - 缺点:易过拟合,计算复杂度高。 - 相关概念:正则化(岭回归、Lasso回归)及其他非线性模型(如支持向量回归)。 - 注意事项:选择合适阶数,避免过拟合,重视数据预处理和模型评估。 ```
22 0
算法金 | 一个强大的算法模型,多项式回归!!
|
21小时前
|
算法
基于GA遗传优化的混合发电系统优化配置算法matlab仿真
**摘要:** 该研究利用遗传算法(GA)对混合发电系统进行优化配置,旨在最小化风能、太阳能及电池储能的成本并提升系统性能。MATLAB 2022a用于实现这一算法。仿真结果展示了一系列图表,包括总成本随代数变化、最佳适应度随代数变化,以及不同数据的分布情况,如负荷、风速、太阳辐射、弃电、缺电和电池状态等。此外,代码示例展示了如何运用GA求解,并绘制了发电单元的功率输出和年变化。该系统原理基于GA的自然选择和遗传原理,通过染色体编码、初始种群生成、适应度函数、选择、交叉和变异操作来寻找最优容量配置,以平衡成本、效率和可靠性。
|
4天前
|
机器学习/深度学习 算法 搜索推荐
【机器学习】近邻类模型:KNN算法在数据科学中的实践与探索
【机器学习】近邻类模型:KNN算法在数据科学中的实践与探索
24 0
|
6天前
|
算法 调度 Python
【调度算法】单机调度问题遗传算法
【调度算法】单机调度问题遗传算法
13 0