基于两阶段调度的制造单元协同调度算法研究

计算机工程与应用 ›› 2013, Vol. 49 ›› Issue (19): 232-237.

基于两阶段调度的制造单元协同调度算法研究

牛力1，2，韩小汀3

1.中国人民大学数据工程与知识工程教育部重点实验室，北京 100872
2.中国人民大学信息资源管理学院，北京 100872
3.北京航空航天大学经济管理学院，北京 100191

出版日期:2013-10-01 发布日期:2015-04-20

Two-phase co-scheduling algorithm solving cellular manufacturing scheduling problem

NIU Li1，2, HAN Xiaoting3

1.Key Laboratory of Ministry of Education for Data Engineering and Knowledge Engineering, Renmin University of China, Beijing 100872, China
2.School of Information Resource Management, Renmin University of China, Beijing 100872, China
3.School of Economics and Management, Beihang University, Beijing 100191, China

Online:2013-10-01 Published:2015-04-20

摘要/Abstract

摘要： 针对单元制造问题，提出了一种基于两阶段的调度算法，通过过程分解和算法优化两方面实现问题求解。调度过程分为“预调度”和“整体调度”两个阶段，对大规模调度进行调度，不仅有效地降低了问题规模，同时制造单元调度结果对实际生产具有现实意义；调度算法采用了“精确”计算和“近似”求解相结合的方式，既提高计算效率又兼顾了全局优化目标。数值实验结果表明了的这一设计思路的有效性。

关键词: 柔性制造单元, 两阶段调度, 启发式算法, 智能搜索算法

Abstract: A two-phase scheduling algorithm including pre-scheduling phase and whole-scheduling phase focused on cellular manufacturing problem is proposed. In order to solve the cellular manufacturing scheduling problem, process decomposition and algorithm optimization technology are used to decompose the large-scale scheduling problem. This algorithm can reduce the problem scale efficiently while the scheduling result is of practical significance for manufacturing practice. Precise calculation and approximate solution is combined in the proposed algorithm, which can enhance computing efficiency while achieving global optimization. The effect of the algorithm is validated by numerical experiments.

Key words: flexible manufacturing cell, two-phase scheduling, heuristic algorithm, metaheuristic algorithm

牛力1，2，韩小汀3. 基于两阶段调度的制造单元协同调度算法研究[J]. 计算机工程与应用, 2013, 49(19): 232-237.

NIU Li1，2, HAN Xiaoting3. Two-phase co-scheduling algorithm solving cellular manufacturing scheduling problem[J]. Computer Engineering and Applications, 2013, 49(19): 232-237.

[1]	张呈玲，李进金，林艺东. 基于OE-概念格的形式背景属性约简[J]. 计算机工程与应用, 2021, 57(15): 82-89.
[2]	孟鑫，杨琴，郝婷婷，张洁，曹策俊. 不同订单分配和算法下的拣货路径优化组合[J]. 计算机工程与应用, 2020, 56(23): 229-236.
[3]	李雅丽，王淑琴，陈倩茹，王小钢. 若干新型群智能优化算法的对比研究[J]. 计算机工程与应用, 2020, 56(22): 1-12.
[4]	易成岐，郭鑫，童楠楠，窦悦，陈东，王建冬. 基于启发式社团发现模型的创新态势研判算法[J]. 计算机工程与应用, 2020, 56(15): 74-79.
[5]	胡晓敏，梁天毅，王明丰，李敏. 新型树启发式搜索算法的机器人路径规划[J]. 计算机工程与应用, 2020, 56(11): 164-171.
[6]	迟宗正，董绍正，郭童，任志磊，周宽久，郭禾. 求解风力发电机布局问题的超启发式算法研究[J]. 计算机工程与应用, 2019, 55(7): 220-225.
[7]	尚正阳1，顾寄南2，唐仕喜2，孙晓红2. 高效求解三维装箱问题的剩余空间最优化算法[J]. 计算机工程与应用, 2019, 55(5): 44-50.
[8]	侯屿1，2，秦小林2，彭皓月1，2，张力戈1，2. 全局调距和声特征选择算法[J]. 计算机工程与应用, 2019, 55(2): 21-27.
[9]	张钧，贺可太. 求解三维装箱问题的混合遗传模拟退火算法[J]. 计算机工程与应用, 2019, 55(14): 32-39.
[10]	刘竹松，李生. 正余混沌双弦鲸鱼优化算法[J]. 计算机工程与应用, 2018, 54(7): 159-163.
[11]	王长宝1，杨习贝1，2，窦慧莉1，陈向坚1，王平心3. 邻域决策错误率的局部约简方法研究[J]. 计算机工程与应用, 2018, 54(6): 95-99.
[12]	吴伟民，李泽熊，林志毅，吴汪洋，方典禹. 飞蛾纵横交叉混沌捕焰优化算法[J]. 计算机工程与应用, 2018, 54(3): 136-141.
[13]	王转，裴泽平. 启发式路径下节约里程的订单分批算法[J]. 计算机工程与应用, 2018, 54(23): 203-209.
[14]	徐雪松1，徐歆尧2. 一种多结构数据的同步拟合方法[J]. 计算机工程与应用, 2017, 53(6): 73-79.
[15]	王严欣，崔耀东，李华. 应用精确两阶段排样图的板材下料算法[J]. 计算机工程与应用, 2017, 53(5): 236-240.