具有学习效应的半导体晶圆制造绿色车间调度问题研究

针对最小化最大完工时间、总碳排放以及总拖期时间的具有学习效应的半导体晶圆制造绿色车间调度问题,构建了双影响因素的新型学习效应模型,提出了改进的多元宇宙优化算法,并对其收敛性进行证明。通过对初始种群进行反向学习、宇宙个体进行莱维飞行扰动和对外部档案中的个体进行邻域搜索变异更新,产生新的父代个体,扩大了种群的多样性,避免算法陷入局部最优。通过对小规模和大规模测试算例的仿真实验,以及利用改进算法求解具有异质性机器的学习型半导体晶圆制造绿色车间调度问题,验证了本文所提出的算法对于求解具有学习效应的半导体晶圆制造绿色车间调度问题的有效性和可行性。     

改进的萤火虫算法求解具有学习退化效应的JSP问题

作业车间调度问题是典型的NP难题,在生产调度领域具有很高的研究价值.一种更为符合实际的作业车间调度问题是加工机器具有学习退化效应,它能够为生产者安排生产计划提供借鉴.为了可以更好的解决具有学习退化效应的作业车间调度问题,本文提出了改进的萤火虫算法(IFA),即在基本的萤火虫算法基础上增加了局部寻优的过程,并融合了布谷鸟算法中生物移动的莱维分布特点.通过MATLAB模拟分析,IFA能够更快速的收敛到JSP的最优解.最后,本文分析了不同学习率与退化效应因子组合对目标函数求解的影响.     

基于MAS的多模式分布式资源约束多项目调度

针对实践中分布式多项目的活动往往具有多种执行模式,提出多模式分布式资源约束多项目调度问题。在项目动态到达环境下,考虑活动不同的执行模式,以工期最短和多项目延期成本最小为目标分别构建局部单项目调度模型和全局多项目决策模型,采用改进变邻域搜索算法求解初始局部调度计划,并设计基于模式调整的全局协商调度算法求解全局决策模型,通过双层算法实现分布式多项目调度中局部单项目调度与全局多项目调度系统性协调,减少项目中断和多项目延期成本。基于构建的多模式测试集进行的多项目数值实验表明：本文设计的双层算法可有效求解多模式分布式多项目调度问题,并且对不同规模问题求解具有良好的适应性。     

具有学习效应的置换流水车间调度问题布谷鸟搜索算法求解

对于以最小化最大完工时间为目标的置换流水车间调度问题,现有研究较少考虑学习效应对生产调度的影响,构建了具有学习效应的PFSP问题数学模型.采用ROV的编码方式,应用布谷鸟搜索算法进行离散优化问题求解.通过对Car类问题的大量仿真测试,表明了布谷鸟搜索算法求解该类问题的可行性和有效性.同时,证明了学习效应能够降低最大完工时间,从而提高生产效率.     

模糊环境下的差异作业平行机批调度优化问题研究

针对现实生产制造系统中存在的时间参数模糊化问题,采用梯形模糊数表征时间参数,给出了一种具有模糊加工时间与模糊批次间隔的,以最小化制造跨度为目标的差异作业平行机批调度问题模型。在问题求解方面,给出了一种基于粒子群优化和差异进化的混合优化算法,避免求解过程陷入局部最优,并通过改进的Batch First Fit算法获得优化的分批。仿真实验验证了该算法具有可行性和有效性。     

考虑出口箱进出场及预翻箱的箱位分配与场桥调度协同优化

为降低送箱集卡到场的不确定性对出口箱堆存和装船效率的影响,以最小化堆场进出场作业系统总作业时间为上层模型的目标,以最小化同一批入场出口箱的堆存时间下层模型的目标,构建了双层混合整数规划模型为进出场的出口箱分配箱位并优化场桥调度。设计改进的遗传模拟退火算法求解上层模型可得出口箱箱位分配方案,求解下层模型可得预翻箱和场桥调度方案,通过不断平衡上下层最优解使堆场堆存和装船作业效率最优。通过数值实验验证了算法和调度策略有效性,研究结果可丰富集装箱码头运营系统优化理论,为提高出口箱堆场作业效率提供决策参考。     

广义优先关系约束下Max-npv项目调度问题及其遗传算法

以往Max-npv项目调度问题的研究都假定活动之间的关系为单一结束-开始类型,现实中活动之间关系复杂多变,因此,将广义优先关系引入Max-npv项目调度问题中,构建了广义优先关系约束下的Max-npv项目调度模型。针对该优化模型设计了一种双层遗传算法,外层遗传算法负责任务执行模式的优化,内层遗传算法负责任务调度的优化。在内层遗传算法中,采用任务开始时间之差作为新的编码方式,大大简化了交叉变异算子,针对网络图中的环状结构设计了修复算子,确保了编码的有效性。通过一个算例对算法进行了测试,实验结果验证了算法的有效性。     

一类具有资源限制的调度问题

研究了具有线性退化及学习效应作用下的单台机器调度问题,对于工件的到达时间是其资源消耗量的正的严格单调递减函数时,考虑了总资源消耗量限定情形下求最大完工时间最小化问题给出了最优算法.     

考虑碳排放的多机可持续调度问题

考虑多机器生产环境下,研究在加工空档期允许关闭机器的可持续调度问题。同时对工件的指派、工件的开始加工时刻和机器在空档期是否开关机进行决策,以最小化碳排放为目标建立数学规划模型。设计了禁忌搜索混合算法求解模型,首先通过一个企业案例验证了模型和算法的有效性,然后通过仿真算例分析了算法的效率。计算结果表明,可持续调度方式在机器调度层面为企业减少了大量的碳排放。     

混合无等待流水线干扰管理调度方法研究

针对带分批约束的混合无等待流水加工环境中干扰事件的出现导致初始调度计划发生偏离的问题,研究如何运用干扰管理理论来应对工件变更扰动情况,建立了兼顾最小化工件完工时间加权和指标(初始调度目标)和最小化工件完工滞后时间加权和指标(偏离校正目标)的干扰管理调度模型,提出了双层微粒群优化策略与随机多邻域搜索机制相结合的混合求解算法。数值算例仿真实验结果表明,包含“插入-交换”大概率邻域搜索算子的混合微粒群优化算法求解本文所构建的干扰管理调度模型是有效的。     

Learning and forgetting effects on a group scheduling problem

This paper proposes to investigate learning and forgetting effects on the problem of scheduling families of jobs on a single machine to minimize total completion time of jobs. A setup time is incurred whenever the single machine transfers job processing from a family to another family. To analyze the impact of learning and forgetting on this group scheduling problem, we structure three basic models and make some comparisons through computational experiments. The three models, including no forgetting, total forgetting and partial forgetting, assume that the processing time of a job is dependent on its position in a schedule. Some scheduling rules and a lower bound are derived in order to constitute our branch-and-bound algorithm for searching an optimal sequence. In addition, an efficient and simply-structured heuristic is also built to find a near-optimal schedule.     

Some single-machine scheduling problems with elapsed-time-based and position-based learning and forgetting effects

In this paper, a generalized model with past-sequence-dependent learning and forgetting effects is proposed. Both effects are assumed to be dependent on the sum of processing time as well as the scheduling position. Based on this model, we investigate and prove that some single-machine problems remain polynomially solvable with certain agreeable conditions. We further show that many models known in the literature are special cases of our proposed model. Several helpful lemmas are presented to analyze single-machine scheduling problems with various objective functions: makespan, total completion time, weighted completion time, and maximum lateness.     

具有前瞻区间的两个工件组单机在线排序问题

研究具有前瞻区间的两个不相容工件组单位工件单机无界平行分批在线排序问题.工件按时在线到达, 目标是最小化最大完工时间. 在无界平行分批排序中, 一台容量无限制机器可将多个工件形成一批同时加工, 每一批的加工时间等于该批中最长工件的加工时间. 具有前瞻区间是指在时刻t, 在线算法能预见到时间区间(t,t+\beta]内到达的所有工件的信息.不可相容的工件组是指属于不同组的工件不能安排在同一批中加工.对该问题提供了一个竞争比为\ 1+\alpha 的最好可能的在线算法,其中\ \alpha 是方程2\alpha^{2}+(\beta +1)\alpha +\beta -2=0的一个正根, 这里0\leq \beta <1.     

具有两个不相容工件族单位工件的有界分批在线排序问题

研究具有两个不相容工件族单位工件单机有界平行分批的在线排序问题.工件按时在线到达,目标是最小化最大完工时间.在有界平行分批排序中,容量有限制机器最多可将b个工件形成一批同时加工,每个工件及每一批的加工时间为1.不相容工件族是指来自不同工件组的工件不能放在同一批加工.对该问题提供了一个竞争比为√17+3/4的最好可能的在线算法.     

蔬果类商品网上直销包装作业工序优化模型研究

针对蔬果类商品网上直销模式下,其标准销售单元包装作业问题规模大、商品品类多、订单个性化强、生产配送周期多等特点,基于批量流水作业生产、JIT准时制生产及周期调度的思想,研究该类商品标准销售单元包装作业的生产调度问题,建立蔬果类商品网上直销包装作业优化模型,并设计改进的“模拟增压——退火算法”对其进行求解,以便制定出合理的包装作业计划,有效衔接采摘和订单分拣作业以及后续装车作业,缩短包装时间,保证蔬菜的新鲜性。最后,通过应用实例验证模型和算法的有效性,结果表明,本文周期调度方法得到的调度方案比一般的非周期调度方法大大节约了包装作业成本,为蔬果类商品网上直销企业生成包装作业计划提供了理论指导。     

On-line scheduling on a batch processing machine with unbounded batch size to minimize the makespan

We present on-line algorithms to minimize the makespan on a single batch processing machine. We consider a parallel batching machine that can process up to b jobs simultaneously. Jobs in the same batch complete at the same time. Such a model of a batch processing machine has been motivated by burn-in ovens in final testing stage of semiconductor manufacturing. We deal with the on-line scheduling problem when jobs arrive over time. We consider a set of independent jobs. Their number is not known in advance. Each job is available at its release date and its processing requirement is not known in advance. This general problem with infinite machine capacity is noted 1∣p − batch, r_j, b = ∞∣C_max. Deterministic algorithms that do not insert idle-times in the schedule cannot be better than 2-competitive and a simple rule based on LPT achieved this bound [Z. Liu, W. Yu, Scheduling one batch processor subject to job release dates, Discrete Applied Mathematics 105 (2000) 129–136]. If we are allowed to postpone start of jobs, the performance guarantee can be improved to 1.618. We provide a simpler proof of this best known lower bound for bounded and unbounded batch sizes. We then present deterministic algorithms that are best possible for the problem with unbounded batch size (i.e., b = ∞) and agreeable processing times (i.e., there cannot exist an on-line algorithm with a better performance guarantee). We then propose another algorithm that leads to a best possible algorithm for the general problem with unbounded batch size. This algorithm improves the best known on-line algorithm (i.e. [G. Zhang, X. Cai, C.K. Wong, On-line algorithms for minimizing makespan on batch processing machines, Naval Research Logistics 48 (2001) 241–258]) in the sense that it produces a shortest makespan while ensuring the same worst-case performance guarantee.     

Single Machine Scheduling with Learning Effect Considerations

In this paper we study a single machine scheduling problem in which the job processing times will decrease as a result of learning. A volume-dependent piecewise linear processing time function is used to model the learning effects. The objective is to minimize the maximum lateness. We first show that the problem is NP-hard in the strong sense and then identify two special cases which are polynomially solvable. We also propose two heuristics and analyse their worst-case performance.     

并行分批排序综述

并行分批排序起源于半导体芯片制造过程。在并行分批排序中,工件可成批加工,批加工机器最多可同时加工B个工件,批的加工时间为批中所有工件的最大工时。首先根据传统的机器环境和目标函数对并行分批排序已有成果进行分类介绍,主要为单机和平行机的机器环境,以及极小化最大完工时间、极小化总完工时间、极小化最大延迟、极小化误工工件数、极小化总延误和极小化最大延误的目标函数;然后梳理了由基本问题所衍生出来的具有新特点的16类新型并行分批排序,包括差异尺寸工件、多目标、工件加工时间或顺序存在限制、考虑费用和具有特殊机制等情况;最后展望未来的研究方向。     

具有线性恶化效应的在线分批排序问题

本文研究一类具有线性恶化效应的单机在线分批排序问题,工件$J_j$的加工时间为$p_j=b_j+\alpha t$, 其中$b_j$为基本加工时间, $\alpha>0$为恶化率, $t$是开工时间. 工件的到达时间是未知的, 工件的基本加工时间只有在工件到达之后才能知道.多个工件可以作为一批被机器同时加工, 批的加工时间为该批中工件最大加工时间.本文对于目标为极小化makespan的批容量无限的单机问题给出一个在线算法$\beta H^\infty$,并证明其竞争比和问题的下界相同, 进而算法是最优的.