具有学习-遗忘效应的半导体批调度问题研究

半导体生产制造系统具有大规模、工艺繁杂、随机性大、可重入等显著特点。以半导体最终测试阶段批处理调度为基础,把学习-遗忘效应应用到典型半导体批调度问题中,构建基于学习-遗忘效应的批调度模型。分别结合调度问题和调度模型对双层算法(粒子群算法&萤火虫算法)进行设计,通过仿真实验检验了双层算法在求解具有学习遗忘效应的批调度模型方面的可行性和有效性,并对比分析以最大完工时间为优化目标的实验结果,探讨学习遗忘效应对半导体批调度问题的影响程度,对实际半导体生产具有重要指导意义。     

布谷鸟算法求解置换流水车间调度问题

置换流水车间调度问题是典型的生产调度问题,当其规模大于3时已被证明是Np-hard问题.布谷鸟算法是新的群体智能算法,该算法选用参数少且有较强的全局寻优能力.采用最大位置法编码,以最小化最大完工时间为目标,为验证该算法在不同参数支配下的寻优效果,分别在不同影响因素下对Car8问题独立运行100次.为验证算法的优化性能,将Car1-Car8问题的寻优结果与猫群算法寻优结果相比较.结果均证明该算法求解离散调度问题的优越的优化性能.     

改进的布谷鸟算法求解考虑运输时间的分布式柔性流水车间调度问题

针对分布式制造环境下多车间调度问题特点,结合企业实际生产情况,考虑相邻工序间的运输时间,建立以最小化最大完工时间为优化目标的分布式柔性流水车间调度模型,提出一种改进布谷鸟算法用于求解该模型。算法改进包括设计了一种基于工序、车间和机器的三层编码方案;根据问题特点设计了混合种群初始化策略以提高种群质量;改进了布谷鸟搜索操作使其适用于求解该模型;设计了一种种群进化策略以提高算法收敛速度及解的质量。最后通过仿真实验,与多种算法对比,验证所提算法的有效性和优越性。     

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.     

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。     

考虑恶化和学习效应的多机制造系统智能优化方法

研究了考虑机器恶化和工人学习效应的平行机连续批调度问题,其中,工件具有不同的一般加工时间,机器具有不同的恶化率,工人具有不同的学习能力,批次的容量对于所有机器是相同的.目标是最小化最大完工时间.论文首先针对工件的组批排序问题推导了一系列重要性质,并提出了相应的启发式组批策略.然后,基于给定的工件分配和每个机器上工件的组批和排序,研究设计了工人和机器启发式匹配策略.由于所研究的问题在一般情形下被证明是NP-hard问题,论文设计了改进的变邻域搜索算法(IVNS)求解该问题并用算例验证了所提出算法的有效性.     

改进果蝇算法求解带有学习效应的PFSP

对基本果蝇算法进行改进,求解基于工件分类的带有学习效应的置换流水车间问题.改进算法的编码方式以及搜索机制,将转移概率矩阵运用到果蝇寻优过程中.经测试实验表明,改进后的果蝇算法在寻优速度以及寻优率上较其他算法有着较明显的优势.另根据工件的相似度对生产工件进行分类,提出了基于聚类距离的置换流水车间学习效应模型,用改进的果蝇算法对其模型进行求解,分析了不同学习率和聚类距离对完工时间的影响,一方面验证了算法的有效性,另一方面说明了学习效应对企业生产调度有一定影响.     

具有指数和位置学习效应的机器排序问题

本文考虑指数学习效应和位置学习效应同时发生的新的排序模型.工件的实际加工时间不仅依赖于已经加工过工件正常加工时间之和的指数函数,而且依赖于该工件所在的位置.单机排序情形下,对于最大完工时间和总完工时间最小化问题给出多项式时间算法.此外某些特殊情况下,总权完工时间和最大延迟最小化问题也给出了多项时间算法.流水机排序情形,对最大完工时间和总完工时间最小化问题在某些特殊情形下给出多项时间算法.     

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.     

一种双目标带约束工件成类的平行机器调度启发式规则

提出了一种快速而有效的启发式规则(fam ily slack,简称FSLACK),来求解极小化总延误时间和极小化最大完工时间两个目标,工件按产品类型成组,带模具数量约束的平行机器生产调度问题.本文提出的FSLACK与EDD、LPT及SLACK进行了比较.随机订单的测试结果表明,本文提出的启发式规则在求解双目标带约束工件成类的平行机器调度问题上是有效的.这表明该算法可以应用在成型加工业的现场作业调度.     

考虑序列设置时间的混合流水车间多目标调度研究

基于混合流水车间多品种的特性,序列设置时间和工序跳跃是很多车间在调度时需要考虑的两个重要问题,论文充分考虑这两种生产约束,建立了以最大完工时间和负荷均衡指标为双目标的混合流水车间多目标调度数学模型,并运用改进的NSGA-II算法对基于实际企业生产数据假设的算例进行仿真求解,结果表明求解的调度方案符合实际需求,能够为企业的实际调度提供有效的方案。     

基于加工时间之和学习效应下的单机成组排序问题

研究具有加工时间之和学习效应下的一个新型成组排序问题,工件的学习效应是之前工件加工时间之和的函数,组学习效应是成组加工所在的位置的函数. 考虑最大完工时间和总完工时间两个问题,证明了这两个问题都是多项式时间可解的,并提出了相应的多项式时间算法.     

具有一般学习效应的单机排序问题

在具有学习效应的环境下,由于机器重复加工相同或相似的工件,因此以后加工的工件的加工时间变小.本文研究新的更一般的学习效应:Dejong学习效应.我们证明单机最大完工时间问题,总完工时间问题和两类多目标问题是多项式时间可解的.     

整数规划的布谷鸟算法

布谷鸟搜索算法是一种新型的智能优化算法．本文采用截断取整的方法将基本布谷鸟搜索算法用于求解整数规划问题．通过对标准测试函数进行仿真实验并与粒子群算法进行比较,结果表明本文所提算法比粒子群算法拥有更好的性能和更强的全局寻优能力,可以作为一种实用方法用于求解整数规划问题．     

基于混沌算法的改进布谷鸟搜索算法及其应用

对布谷鸟搜索算法的Lévy飞行机制进行简化,利用混沌算法改进种群初始化,并按适应度值进行排序,参考蛙跳算法对排在末位的若干个鸟巢进行随机变异,提出一种基于混沌算法的改进布谷鸟搜索算法.通过测试函数验证,并与其他算法进行比较,该算法显示出更好的搜索性能和精度,将其应用于水电站经济调度问题,与传统算法相比,效果更好.     

混合布谷鸟搜索算法求解非线性方程组

针对当前算法求解非线性方程组存在求解个数不完整、精度低等问题,提出一种混合布谷鸟搜索算法(HCS).首先分析原始布谷鸟搜索算法不足,再结合差分进化算法和二次插值优势,将其进行深度融合.通过12个非线性方程组的仿真实验,结果表明算法能有效搜索到非线性方程组的较多解,并与其他算法进行比较,算法在解的数量和质量上具有优越性.     

不确定环境下再制造生产调度研究

针对再制造过程中存在的再制造件质量状况和加工时间不确定性调度问题,分别采用随机数和三角模糊数表示质量状况和加工时间的不确定性。在满足工序顺序、机器等限制下,将各自带有权重系数的最大完工时间和总成本之和最小值当做目标函数,构造不确定环境下再制造生产调度模糊模型且转换成确定的单目标非线性规划模型。应用多层编码遗传算法求解某个再制造子系统算例得到,决策者对于最大完工时间和总成本的重视程度不同,调度方案不同,其需要根据自身关注的重点做出决策,选择合适的调度方案。并且调度结果会受到决策者消极或积极态度的影响,态度越积极,结果越好,反之,态度越消极,结果越差,从而检验了再制造生产调度模型的正确性。希望为再制造实现产业化,规模化提供相关参考意见。     

同时具有学习效应和退化效应的单机排序问题

本文给出了一种同时具有一般化学习效应和退化效应的单机排序模型。在此模型中,工件的实际加工时间既与工件所在位置又与其开工时间有关,且工件在加工之后具有一个配送时间。其中学习效应是工件所在位置的函数,退化效应是工件开工时间的函数。证明了极小化最大完工时间和极小化总完工时间问题是多项式可解的,在满足一定的条件下,极小化加权总完工时间和极小化最大延误问题也是多项式可解的。推广了一些已有文献中的结论。     

钢厂生产的模糊作业时间及其在管理中的应用

结合抚顺钢厂的实际,利用模糊数学理论对生产实际中的模糊作业时间进行处理,将模糊作业时间转换为非模糊精确问题,利用禁忌搜索智能优化方法对问题进行求解,使调度计划具有一定的柔性,让管理者能够掌握调度时间范围,从而使计划调度更接近现实,大大缩短了总完工时间,对于钢厂一体化管理,使连铸生产的高温铸坯能够在允许时间范围内到达热轧厂,降低了能源消耗,缩短了生产周期。     

改进回溯搜索算法求解多目标柔性作业车间调度问题

随着绿色制造的到来，在调度问题中考虑能源消耗相关的目标变得至关重要，这已经成为了当下热点研究领域。因此，本文建立以最小化最大完工时间、机器总负荷和总能量消耗为目标的柔性作业车间调度数学模型。就回溯搜索算法的缺点提出改进，该算法通过结合改变个体搜索幅度因子对变异操作进行动态控制，防止种群迭代过程中陷入局部最优，然后通过结合个体引导与随机数扰乱提出一种新的交叉算子，提高后期寻优能力，防止了算法过早收敛。最后，运用基准算例对该算法的求解性进行了验证，并与文献中其他算法从求解精度、求解多样性、求解最优值等方面进行对比，结果表明该改进算法具有优越的求解性能。最后为该问题后续研究提供了三个可行方向：考虑更多约束条件、增加局部搜索算子和考虑实例分析。