摘要: 为了实现柔性作业车间完工时间、机器负荷、交货延期时间、车间能耗等多个目标的联合优化,提出了基于自适应惩罚MOEA/D(multi-objective evolutionary algorithm based on decomposition)的柔性车间多目标调度方法。对具有多个生产机床、多个加工任务、多道工序的柔性车间调度问题进行了描述并建立了优化模型。给出了基于MOEA/D算法的柔性车间调度方法,针对常值惩罚因子无法满足不同邻域对收敛性和染色体多样性不同调整需求的问题,提出了能够随邻域染色体密度自适应调整的惩罚因子,并制定了基于自适应惩罚MOEA/D算法的柔性车间调度流程。在具有8个机床、8个工件共28道工序的生产调度实验中,自适应MOEA/D算法搜索的Pareto前沿解能够支配标准MOEA/D和改进NSGA-II算法的Pareto前沿解;在等权重最优解的生产实验中,自适应MOEA/D算法调度方案的完工时间、机器负荷、交货延期时间、车间能耗均小于标准MOEA/D算法和改进NSGA-II算法。实验结果证明了自适应惩罚MOEA/D算法在柔性车间调度中的有效性和优越性。
摘要: 在环境复杂的柔性制造系统中进行合理地AMR(autonomous mobile robot)调度具有重要意义。针对AMR调度中的路径规划与任务分配,以最小化AMR完成任务时间为目标函数建立数学模型,并通过拓扑法进行地图建模;采用贪婪算法对间隔时间服从定长分布的订单进行任务分配,通过对AMR工作状态分类以减少算法运算量;基于Dijkstra算法进行全局路径规划,搜索AMR的全局最短路径,并通过AMR的激光雷达进行局部避障路径规划;最后,通过在openTCS平台进行调度仿真实验验证其有效性。