一种基于蚁狮优化算法的跨单元模糊调度方法

    公开(公告)号:CN118917620A

    公开(公告)日:2024-11-08

    申请号:CN202411114612.3

    申请日:2024-08-14

    Applicant: 重庆大学

    Abstract: 本发明属于跨单元生产技术领域,尤其涉及一种基于蚁狮优化算法的跨单元模糊调度方法,包括:S1、以三角模糊数表征工件加工过程中的模糊加工时间和模糊运输时间;以最小化模糊最大完工时间为优化目标,构建跨单元调度生产的调度模型;S2、获取工件的加工数据信息和跨单元运输数据信息,并生成所有可能的潜在调度方案;S3、基于工序排序、机器选择以及制造单元选择,对各潜在调度方案进行三段式编码;S4、使用蚁狮优化算法对调度模型进行求解,得到最佳的调度方案;S5、使用S4得到的最佳的调度方案,进行实际的跨单元调度生产。本方法可以得到有效的跨单元调度的调度方案,保证其与实际加工情况符合,能够对实际生产进行有效的指导。

    一种柔性作业车间带准备工序的自适应分批调度方法

    公开(公告)号:CN112668789A

    公开(公告)日:2021-04-16

    申请号:CN202011616212.4

    申请日:2020-12-30

    Applicant: 重庆大学

    Abstract: 本发明公开了一种柔性作业车间带准备工序的自适应分批调度方法,其将分批问题与柔性作业车间调度问题同时考虑,在遗传算法迭代处理过程中,通过内循环借助动态调整贪婪解码对作业过程的作业工序调度方式进行调整和优化,并以调度优化结果作为自适应分批的依据,通过外循环借助自适应分批策略对作业过程的批次、批量划分方式进行调整和优化,从而实现了分批问题与柔性作业车间调度问题的同时优化,能够有效增加加工设备间隙时段的利用率、提高遗传算法的求解质量,并解决了分批中存在的搜索空间大、效率低等问题,对于求解考虑准备工序与不等批次、批量的柔性作业车间分批调度问题具有可行性与有效性,能够优化其分批调度的效率。

    基于改进混合蛙跳算法的柔性作业车间可变分批调度方法

    公开(公告)号:CN116430811A

    公开(公告)日:2023-07-14

    申请号:CN202310329347.X

    申请日:2023-03-30

    Applicant: 重庆大学

    Abstract: 本发明属于车间调度技术领域,尤其涉及一种基于改进混合蛙跳算法的柔性作业车间可变分批调度方法,本发明以最小化最大完工时间为优化目标,基于混合蛙跳算法开发了一种考虑工序重叠与可变子批的柔性作业车间调度方法。本发明设计了一种工序级分批编码方法,将子批批量划分方案融入到编码内,更加完整地表达了解空间,并且不用引入额外的分批策略或规则,进而更高效地完成分批与调度问题的协同优化。并且针对工序重叠操作的特性,开发了一种基于工件分配与右移操作的主动解码方法,从而保证调度解的质量。还设计了一种子批扰动局部搜索算法并将其嵌入模因组进化的流程内,并通过变级操作来引导算法的搜索倾向,进而提升算法搜索效率。

    基于CSI和RSSI结合定位的教室灯光控制系统

    公开(公告)号:CN113242633A

    公开(公告)日:2021-08-10

    申请号:CN202110526926.4

    申请日:2021-05-14

    Applicant: 重庆大学

    Abstract: 本发明公开了一种基于CSI和RSSI结合定位的教室灯光控制系统,包括设置于教室内的中央控制器、CSI信号接收器、无线路由器、多个WiFi收发器以及多个LED灯组;中央处理器、无线路由器以及多个WiFi收发器无线连接形成局域网;CSI信号接收器实时检测教室内的CSI值的变化情况,中央控制器对无线路由器和多个WiFi收发器与手机之间的RSSI信号强度进行检测;根据将检测到的RSSI值在指纹库中进行匹配,得到手机所在区域;然后控制手机所在区域的LED灯组的开启及亮度调节。本发明采用自动化控制、能耗更低,成本也更低,能有效解决传统室内灯光系统对于电能的大量浪费问题。

    一种柔性作业车间带准备工序的自适应分批调度方法

    公开(公告)号:CN112668789B

    公开(公告)日:2023-11-24

    申请号:CN202011616212.4

    申请日:2020-12-30

    Applicant: 重庆大学

    Abstract: 本发明公开了一种柔性作业车间带准备工序的自适应分批调度方法,其将分批问题与柔性作业车间调度问题同时考虑,在遗传算法迭代处理过程中,通过内循环借助动态调整贪婪解码对作业过程的作业工序调度方式进行调整和优化,并以调度优化结果作为自适应分批的依据,通过外循环借助自适应分批策略对作业过程的批次、批量划分方式进行调整和优化,从而实现了分批问题与柔性作业车间调度问题的同时优化,能够有效增加加工设备间隙时段的利用率、提高遗传算法的求解质量,并解决了分批中存在的搜索空间大、效率低等问题,对于求解考虑准备工序与不等批次、批量的柔性作业车间分批调度问题具有可行性与有效性,能够优化其分批调度的效率。

    一种工人数量配置与柔性作业车间调度的集成优化方法

    公开(公告)号:CN116739140A

    公开(公告)日:2023-09-12

    申请号:CN202310484171.5

    申请日:2023-04-28

    Applicant: 重庆大学

    Abstract: 本发明属于车间调度技术领域,尤其涉及一种工人数量配置与柔性作业车间调度的集成优化方法,根据实际车间的特点,设置总成本中的人工成本既包括工人的基础工资又包括工人的绩效工资;针对问题的特性以及引入工人数量配置为决策变量后编解码的复杂性,设计了基于工人数量配置、工序排序、机器选择的三层编码,结合编码进一步设计了一种融合启发式规则的活动调度解码方法,使尽早完工的同时又尽量降低人工成本,并能有效识别过剩的劳动力,进而提升了算法的求解质量;针对引入工人数量配置为决策变量后搜素空间大、求解随机性高等问题,设计了基于关键路径的邻域结构,使算法搜索更具方向性,进而提升了工人数量配置与调度问题的集成优化效果。

    一种基于深度强化学习的作业车间机器与AGV联合调度方法

    公开(公告)号:CN116483075A

    公开(公告)日:2023-07-25

    申请号:CN202310349293.3

    申请日:2023-04-04

    Applicant: 重庆大学

    Abstract: 本发明属于车间调度领域,具体涉及一种基于深度强化学习的作业车间机器与AGV联合调度方法,包括以下步骤:步骤1,将作业车间AGV和机器联合调度问题表达为一个有向的析取图G;步骤2,通过拓扑排序将析取图G中的机器工序和转移工序分开,将问题转换为马尔科夫决策过程;步骤3:建立马尔科夫决策过程模型;步骤4、建立求解深度强化学习网络架构和智能体模型;步骤5:对深度强化学习智能体的网络进行参数初始化,并进行参数优化,训练得到最佳调度策略;步骤6、将训练得到的深度强化学习智能体部署于车间,根据车间的实时生产情况进行调度。本发明可以解决现有作业车间AGV与机器联合调度方法效率低、鲁棒性差的技术问题。

Patent Agency Ranking