CN111766785A - 一种最小化期望提前和拖期费用的多机调度方法 - Google Patents
一种最小化期望提前和拖期费用的多机调度方法 Download PDFInfo
- Publication number
- CN111766785A CN111766785A CN202010663324.9A CN202010663324A CN111766785A CN 111766785 A CN111766785 A CN 111766785A CN 202010663324 A CN202010663324 A CN 202010663324A CN 111766785 A CN111766785 A CN 111766785A
- Authority
- CN
- China
- Prior art keywords
- machine
- workpiece
- scheduling method
- machines
- model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 83
- 238000012545 processing Methods 0.000 claims abstract description 29
- 238000005457 optimization Methods 0.000 claims description 15
- 238000003754 machining Methods 0.000 claims description 9
- 238000012966 insertion method Methods 0.000 claims description 7
- 238000013459 approach Methods 0.000 claims description 2
- 230000006872 improvement Effects 0.000 description 8
- 238000004519 manufacturing process Methods 0.000 description 6
- 238000012163 sequencing technique Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 241000022852 Letis Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000002028 premature Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- General Factory Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种最小化期望提前和拖期费用的多机调度方法,属于机器调度技术领域;以工件顺序和交付期为决策变量,并考虑了多机器的情况。对于具有对称费用结构的单机和相同多机问题,给出了最小方差优先(SVF)的调度方法并根据该规则设计了贪心算法。对于一般费用结构的问题,给出了等价二阶锥规划模型;为了实现更高效的求解,针对其中的两机问题提出了基于模函数特性的启发式调度方法,针对多机问题提出了一种变邻域的方法。本发明所提出的方法考虑加工时间的不确定性,使决策更加符合实际情况,实用性更强,降低了决策成本;能够比较快速的求出精度很高的解,非常适合求解大规模的问题,可以为实际的调度问题提供决策。
Description
技术领域
本发明属于机器调度技术领域,涉及一种最小化期望提前和拖期费用的多机调度方法,具体涉及一种以最小化期望E/T费用作为衡量指标的考虑随机加工时间的多机调度方法。
背景技术
机器调度问题是一个被广泛研究的优化问题,同时在生产调度、机器制造等方面有广泛的实际应用。不确定性是生产***中不可避免的因素,其对***性能有着重要影响。机器的随机波动、启动时间的变化等都使得调度者无法确定准确的生产加工时间,因而考虑随机加工时间的机器调度问题更加符合实际情况。衡量指标包括与工件完成时间相关的指标和与交付期相关的指标,准时制(JIT)生产方式促进产生了一种新的衡量指标—提前和拖期(E/T)成本指标。提前到达可能会导致额外的库存成本、产品变质等,延期到达可能会带来顾客诚意损失和失销等惩罚。
机器调度问题可以分为单机器和多机器,多机器调度问题研究工件在多个机器上加工的过程,其中每个工件只能在一个机器上加工。多机器调度问题在物流、制造业和服务业都有广泛应用,因此受到广泛关注;交付期分配和加工顺序是求解多机器调度问题重点关注的方面。与单机器交付期分配与加工顺序问题相比,多个相同机器的交付期分配和加工顺序方面的研究较少。
与交付期分配和加工顺序有关的调度模型大致可以分为三类:1、交付期给定的情况下,求最优的工件加工顺序;2、工件加工顺序给定的情况下,求最优交付期;3、交付期和加工顺序都是内部给定。
在工件加工顺序确定的交付期分配模型中,Sridharan等针对动态交付期设置问题提出了新的交付期分配规则(SL规则),其中工件加工时间服从的分布已知;为获取SL规则的最优参数,作者分析了先到先服务规则下的M/M/1模型。
在交付期给定的工件调度模型中,可以依据加工时间是否是随机变量进一步分类;交付期给定的单机排序模型的确定性版本是调度理论的基本范式。基于该调度模型,有许多变体。大部分研究都将加权的E/T成本之和作为刻画调度有效性的目标函数,也有一些研究将加权的二次E/T成本之和作为目标。相比于加工时间确定的情况,加工时间不确定的情况更具有挑战性,这是一个NP难问题;随机的调度问题采用了不同的衡量指标来衡量结果好坏,如加权E/T成本之和、最大延迟时间的期望、加权延迟时间之和的期望等。在多机器情况下,Liu等提出了一个两阶段的随机规划公式,以最大程度地减少期望的总加权E/T成本。
加工顺序和交付期联合调度问题是指为各工件指定交付期并将工件排序以使得与交付期相关的性能指标最优。在这种情况下,交付期是决策变量,可以在与客户的谈判中使用或纳入进度表中,以适应各种工作的进度。此类模型通常会将交付期的惩罚纳入目标函数中,所有工件或有一个共同的交付期,或各自拥有各自的交付期。相比较而言,不同交付期的情况更难求解。
该类模型也可以进一步分为加工时间确定的情况和加工时间不确定的情况,在加工时间不确定情况下,加工时间是随机变量,通常假定其概率分布已知。Baker在假设作业的加工时间服从正态分布的前提下研究了该问题,并开发了一种分支定界算法以找到单机E/T问题的最优解。其发现对于所有工件具有相同E/T成本参数的特殊情况,最小方差优先(SVF)规则是最佳的。在多机器情况下,Gu等提出了一种基于随机规划理论的随机期望值模型,并提出了一种量子遗传调度算法;与传统的遗传算法相比,该算法能够在没有过早收敛的情况下获得更好的调度方案;Otten等引入了E/T凹面的概念,并证明了在E/T凹面的假设下,最小方差优先(SVF)规则是最优的。
通过对上述文献的回顾发现,关于加工时间不确定情况下的多机排序和交付期联合调度方面的研究较少,且难以实现高效求解。
发明内容
针对现有技术中存在的上述问题,本发明提供最小化期望提前和拖期费用的多机调度方法,其以最小化期望E/T成本为衡量指标、以加工顺序和交付期为决策变量;针对两机器和多机器的情况,分别提出了考虑模函数特性的启发式调度方法和一种变邻域的方法。
本发明公开了一种最小化期望提前和拖期费用的多机调度方法,包括:
对于一般费用结构的问题,采用等价二阶锥规划模型求解方法;
对于具有对称费用结构的单机和相同多机问题,采用最小方差优先的调度方法。
作为本发明的进一步改进,所述采用等价二阶锥规划模型的求解方法,包括:
作为本发明的进一步改进,所述采用等价二阶锥规划模型的求解方法,具体包括:
设模型中有n个工件,工件集合为J={1,…,n};有m个机器,机器集合为M={1,…,m},工件i在机器k上的随机加工时间由pk,i表示,pk,i的方差由表示;变量xk,ij∈{0,1}表示为工件i和j是否都在机器k上加工,其中i≠j∈J,k∈M;变量xk,ii∈{0,1}表示为工件i是否在机器k上加工,其中i∈J,k∈M;用Jk,i表示在机器k上方差小于等于的工件集合;
所考虑的优化问题的目标函数表述如下:
(P1)模型的约束条件如下:
将优化问题转化为如下等价的混合0-1二阶锥规化模型,目标函数具有以下形式:
(P2)min∑k∈K∑i∈J yk,i (16)
(P2)模型的约束条件如下:
xk,ij≥xk,ii+xk,jj-1 (19)
通过求解该模型获得精确解。
作为本发明的进一步改进,还包括:
对于具有一般费用结构的两机问题,采用基于模函数特性的启发式调度方法;
对于具有一般费用结构的多机问题,采用变邻域的方法。
作为本发明的进一步改进,所述采用基于模函数特性的启发式调度方法,包括:
考虑工件集合N={1,…,n}的两机器问题,为分配到机器1上的工件,因此分配到机器2上的工件集合为N\S;fi(S)为当S被分配到机器i,与机器i相关的成本,f(S)=f1(S)+f2(N\S),所考虑的两机器问题可以被表述为用S*表示最优解;f(S)是一个超模函数,-f(S)是一个次模函数;
次模函数-f(S)有如下命题:
作为本发明的进一步改进,所述变邻域的方法包括:***方法、两机器交换方法和全局交换方法。
作为本发明的进一步改进,
所述***方法为:假设工件i当前在机器k上加工,计算当工件i在其他机器上加工时目标函数值是否减少,如果***到某一机器使得目标函数值减小,则将工件i***到该机器上;
所述两机器交换方法为:假设工件i,j当前分别在机器p,q上加工,计算当工件i在机器q上加工,工件j在机器p上加工时目标函数值是否减少,如果函数值减小,则交换加工工件i和j的机器;
所述全局交换方法为:在多个机器之间交换多个工件。
作为本发明的进一步改进,所述采用最小方差优先的调度方法,包括:
与现有技术相比,本发明的有益效果为:
本发明探究了在加工时间不确定性情况下考虑提前和拖期费用的多机加工排序和交付期联合调度问题,在提出的调度方法中,以工件顺序和交付期为决策变量,并考虑了多机器的情况。对于具有对称费用结构的单机和相同多机问题,给出了最小方差优先(SVF)的调度方法并根据该规则设计了贪心算法。对于一般费用结构的问题,给出了等价二阶锥规划模型;为了实现更高效的求解,针对其中的两机问题提出了基于模函数特性的启发式调度方法,针对多机问题提出了一种变邻域的方法。本发明所提出的方法考虑加工时间的不确定性,使决策更加符合实际情况,实用性更强,降低了决策成本;能够比较快速的求出精度很高的解,非常适合求解大规模的问题,可以为实际的调度问题提供决策。
附图说明
图1为本发明一种实施例公开的最小化期望提前和拖期费用的多机调度方法的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
下面结合附图对本发明做进一步的详细描述:
如图1所示,本发明提供一种最小化期望提前和拖期费用的多机调度方法,包括:
1)、对于一般费用结构的问题,采用等价二阶锥规划模型求解方法;其中,
采用等价二阶锥规划模型的求解方法,包括:
在原优化问题的基础上,基于将原优化问题转化成等价的混合0-1二阶锥规化模型,求解该模型获得精确解;其中,变量xk,ij∈{0,1}表示为工件i和j是否都在机器k上加工;但当问题规模变大时,求解时间也相应变长。
采用等价二阶锥规划模型的求解方法,具体包括:
设模型中有n个工件,工件集合为J={1,…,n};有m个机器,机器集合为M={1,…,m},工件i在机器k上的随机加工时间由pk,i表示,pk,i的方差由表示;变量xk,ij∈{0,1}表示为工件i和j是否都在机器k上加工,其中i≠j∈J,k∈M;变量xk,ii∈{0,1}表示为工件i是否在机器k上加工,其中i∈J,k∈M;用Jk,i表示在机器k上方差小于等于的工件集合;
所考虑的优化问题的目标函数表述如下:
(P1)模型的约束条件如下:
将优化问题转化为如下等价的混合0-1二阶锥规化模型,目标函数具有以下形式:
(P2)min∑k∈K∑i∈J yk,i (26)
(P2)模型的约束条件如下:
xk,ij≥xk,ii+xk,jj-1 (29)
通过求解该模型获得精确解;但当问题规模变大时,求解时间也相应变长。
为了实现更高效的求解,还包括2)、3):
2)、对于具有一般费用结构的两机问题,采用基于模函数特性的启发式调度方法;其中,
基于模函数特性的启发式调度方法,包括:
用f(S)表示两机器的成本函数,可以发现f(S)是一个超模函数,因此-f(S)是一个次模函数,关于次模函数-f(S)有如下命题:
据此设计出了两机器问题的基于模函数特性的启发式调度策略。
基于模函数特性的启发式调度方法,具体包括:
考虑工件集合N={1,…,n}的两机器问题,让为分配到机器1上的工件,因此分配到机器2上的工件集合为N\S。让fi(S)为当S被分配到机器i,与机器i相关的成本,f(S)=f1(S)+f2(N\S),所考虑的两机器问题可以被表述为用S*表示最优解,可以证明f(S)是一个超模函数,因此-f(S)是一个次模函数。
关于次模函数-f(S)有如下命题:
因此设计出两机器问题的确定性启发式算法(DHA)如下:
b)、当存在工件k∈R使得ak=f(k|S)之0或bk=f(k|T\{k})≤0:如果ak=f(k|S)之0,那么t=t\{k}且R=R\{k};如果bk=f(k|T\{k})≤0,那么S=S∪{k}且R=R\{k};直到对于所有k∈R,ak<0且bk>0。
3)、对于具有一般费用结构的多机问题,采用变邻域的方法;其中,
变邻域的方法包括:***方法、两机器交换方法和全局交换方法;***方法为:假设工件i当前在机器k上加工,计算当工件i在其他机器上加工时目标函数值是否减少,如果***到某一机器使得目标函数值减小,则将工件i***到该机器上;两机器交换方法为:假设工件i,j当前分别在机器p,q上加工,计算当工件i在机器q上加工,工件j在机器p上加工时目标函数值是否减少,如果函数值减小,则交换加工工件i和j的机器;全局交换方法为:在多个机器之间交换多个工件。
3-1)、***方法的实施步骤如下:
b)、对于k∈K,s∈K(k≠s),对集合J中的每个工件做如下操作:
如果找到满足πs,p=πk,i的位置p,计算将工件πk,i在机器s上加工与该工件在机器k上加工目标函数值的变化Δ,如果Δ<0,更新sk,i=0, obj=obj+Δ。注意ss,t满足条件ss,t≠0及t=maxt≤p-1t。
c)、***操作在k,s遍历完每个机器后停止。
3-2)、两机器交换方法的实施步骤如下:
两机器交换的思想是假设工件i,j当前分别在机器p,q上加工,计算当工件i在机器q上加工,工件i在机器p上加工时目标函数值是否减少,如果函数值减小,则交换加工工件i和j的机器。两机器交换操作的步骤如下:
a)、设obj0=obj.
(1).获取满足πs,p1=πk,i的位置p1,将工件i***到位置p1,计算Δi→p1.
(2).获取满足πs,j=πk,p2的位置p2,将工件j***到位置p2,计算Δj→p2·
c)、两机器交换操作在k遍历完每个机器后终止。
3-3)、全局交换方法的实施步骤如下:
其中M是一个很大的正数。
对于每个工件i∈N,不失一般性,考虑i=1。用L1表示交换的工件链表,初始情况下,用P1表示可交换工作列表
求解链表L1的启发式扩展交换算法(HEEP)如下:
b)、定义下一个可加入到链表L1的工件nextjob=0,减少的成本r=M,其中M为一极大正数。
(2).如果δ=t+r<0,则得到L1及δ,算法结束,否则更新L1=L1∪{nextjob},P1=P1∩Jnextjob,t=t+pcurjob,nextjob,curjob=nextjob。
再考虑精确求解链表的优化模型,对于任意i,l∈N,定义决策变量yli,表示工件i从机器ki移除,工件l***到机器ki。考虑如下优化问题:
(EEP)min∑l∈N∑i∈N pli yli (32)
4)、对于具有对称费用结构的单机和相同多机问题,给出了最小方差优先(SVF)的调度方法;其中,
最小方差优先的调度方法,包括:
贪心算法的步骤包括:
a)、初始化:设xk,i=0,di=0,pk=1,目标函数obj=0,其中k∈M,i∈J。
b)、求解主问题:
c)、停止条件:对于所有工件i∈J,如果di=1,贪心算法终止。
本发明的优点为:
本发明探究了在加工时间不确定性情况下考虑提前和拖期费用的多机加工排序和交付期联合调度问题,在提出的调度方法中,以工件顺序和交付期为决策变量,并考虑了多机器的情况;对于具有对称费用结构的单机和相同多机问题,给出了最小方差优先(SVF)的调度方法并根据该规则设计了贪心算法。对于一般费用结构的问题,给出了等价二阶锥规划模型;为了实现更高效的求解,针对其中的两机问题提出了基于模函数特性的启发式调度方法,针对多机问题提出了一种变邻域的方法。本发明所提出的方法考虑加工时间的不确定性,使决策更加符合实际情况,实用性更强,降低了决策成本;能够比较快速的求出精度很高的解,非常适合求解大规模的问题,可以为实际的调度问题提供决策。相比于现有的随机模型,本发明考虑了工件排序和交付期联合调度的多机问题,所得到的结果保守性更低,求解更高效。
以上仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种最小化期望提前和拖期费用的多机调度方法,其特征在于,包括:
对于一般费用结构的问题,采用等价二阶锥规划模型求解方法;
对于具有对称费用结构的单机和相同多机问题,采用最小方差优先的调度方法。
3.如权利要求2所述的多机调度方法,其特征在于,所述采用等价二阶锥规划模型的求解方法,具体包括:
设模型中有n个工件,工件集合为J={1,…,n};有m个机器,机器集合为M={1,…,m},工件i在机器k上的随机加工时间由pk,i表示,pk,i的方差由表示;变量xk,ij∈{0,1}表示为工件i和j是否都在机器k上加工,其中i≠j∈J,k∈M;变量xk,ii∈{0,1}表示为工件i是否在机器k上加工,其中i∈J,k∈M;用Jk,i表示在机器k上方差小于等于的工件集合;
所考虑的优化问题的目标函数表述如下:
将优化问题转化为如下等价的混合0-1二阶锥规化模型,目标函数如下:
(P2)min∑k∈K∑i∈Jyk,i (6)
(P2)模型的约束条件如下:
xk,ij≥xk,ii+xk,jj-1 (9)
通过求解该模型获得精确解。
4.如权利要求1~3中任一项所述的多机调度方法,其特征在于,还包括:
对于具有一般费用结构的两机问题,采用基于模函数特性的启发式调度方法;
对于具有一般费用结构的多机问题,采用变邻域的方法。
6.如权利要求4所述的多机调度方法,其特征在于,所述变邻域的方法包括:***方法、两机器交换方法和全局交换方法。
7.如权利要求6所述的多机调度方法,其特征在于,
所述***方法为:假设工件i当前在机器k上加工,计算当工件i在其他机器上加工时目标函数值是否减少,如果***到某一机器使得目标函数值减小,则将工件i***到该机器上;
所述两机器交换方法为:假设工件i,j当前分别在机器p,q上加工,计算当工件i在机器q上加工,工件j在机器p上加工时目标函数值是否减少,如果函数值减小,则交换加工工件i和j的机器;
所述全局交换方法为:在多个机器之间交换多个工件。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010663324.9A CN111766785B (zh) | 2020-07-10 | 2020-07-10 | 一种最小化期望提前和拖期费用的多机调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010663324.9A CN111766785B (zh) | 2020-07-10 | 2020-07-10 | 一种最小化期望提前和拖期费用的多机调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111766785A true CN111766785A (zh) | 2020-10-13 |
CN111766785B CN111766785B (zh) | 2021-07-13 |
Family
ID=72725028
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010663324.9A Active CN111766785B (zh) | 2020-07-10 | 2020-07-10 | 一种最小化期望提前和拖期费用的多机调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111766785B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7401041B2 (en) * | 2000-12-15 | 2008-07-15 | The Trustees Of Columbia University | Systems and methods for providing robust investment portfolios |
US7665047B2 (en) * | 2005-10-11 | 2010-02-16 | Michael Orshansky | Method for performing post-synthesis circuit optimization |
WO2010148139A2 (en) * | 2009-06-16 | 2010-12-23 | Applied Materials, Inc. | Counter and timer constraints |
US8606386B2 (en) * | 2010-03-12 | 2013-12-10 | Ana Maria Dias Medureira Pereira | Multi-agent system for distributed manufacturing scheduling with Genetic Algorithms and Tabu Search |
CN104268722A (zh) * | 2014-10-20 | 2015-01-07 | 南京信息工程大学 | 基于多目标进化算法的动态柔性作业车间调度方法 |
CN104808636A (zh) * | 2015-04-28 | 2015-07-29 | 广东工业大学 | 柔性流水车间能耗优化调度方法 |
CN106651089A (zh) * | 2016-09-19 | 2017-05-10 | 清华大学 | 生产调度问题的分布集鲁棒模型的建模及优化求解方法 |
CN107544251A (zh) * | 2017-09-25 | 2018-01-05 | 清华大学 | 一种基于分布式鲁棒模型的最小化总拖期的单机调度方法 |
CN108181810A (zh) * | 2017-12-15 | 2018-06-19 | 清华大学 | 一种基于区间不确定性的鲁棒单机调度方法 |
CN108832654A (zh) * | 2018-06-07 | 2018-11-16 | 中国电力科学研究院有限公司 | 一种用于光伏发电***经济效益优化调度的方法及*** |
CN110456756A (zh) * | 2019-03-25 | 2019-11-15 | 中南大学 | 一种适用于连续生产过程全局运行状况在线评估的方法 |
-
2020
- 2020-07-10 CN CN202010663324.9A patent/CN111766785B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7401041B2 (en) * | 2000-12-15 | 2008-07-15 | The Trustees Of Columbia University | Systems and methods for providing robust investment portfolios |
US7665047B2 (en) * | 2005-10-11 | 2010-02-16 | Michael Orshansky | Method for performing post-synthesis circuit optimization |
WO2010148139A2 (en) * | 2009-06-16 | 2010-12-23 | Applied Materials, Inc. | Counter and timer constraints |
US8606386B2 (en) * | 2010-03-12 | 2013-12-10 | Ana Maria Dias Medureira Pereira | Multi-agent system for distributed manufacturing scheduling with Genetic Algorithms and Tabu Search |
CN104268722A (zh) * | 2014-10-20 | 2015-01-07 | 南京信息工程大学 | 基于多目标进化算法的动态柔性作业车间调度方法 |
CN104808636A (zh) * | 2015-04-28 | 2015-07-29 | 广东工业大学 | 柔性流水车间能耗优化调度方法 |
CN106651089A (zh) * | 2016-09-19 | 2017-05-10 | 清华大学 | 生产调度问题的分布集鲁棒模型的建模及优化求解方法 |
CN107544251A (zh) * | 2017-09-25 | 2018-01-05 | 清华大学 | 一种基于分布式鲁棒模型的最小化总拖期的单机调度方法 |
CN108181810A (zh) * | 2017-12-15 | 2018-06-19 | 清华大学 | 一种基于区间不确定性的鲁棒单机调度方法 |
CN108832654A (zh) * | 2018-06-07 | 2018-11-16 | 中国电力科学研究院有限公司 | 一种用于光伏发电***经济效益优化调度的方法及*** |
CN110456756A (zh) * | 2019-03-25 | 2019-11-15 | 中南大学 | 一种适用于连续生产过程全局运行状况在线评估的方法 |
Non-Patent Citations (2)
Title |
---|
SHAO, WEISHI: "Modeling and multi-neighborhood iterated greedy algorithm for distributed hybrid flow shop scheduling problem", 《KNOWLEDGE-BASED SYSTEMS》 * |
吕璐: "用贪心选择策略解决多机调度问题", 《大众科技》 * |
Also Published As
Publication number | Publication date |
---|---|
CN111766785B (zh) | 2021-07-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Naeem et al. | Production planning optimization for manufacturing and remanufacturing system in stochastic environment | |
Kolisch | Make-to-order assembly management | |
Beltran et al. | Dynamic lot sizing with returning items and disposals | |
CN102651114B (zh) | 一种提高钢铁企业板坯利用率的板坯与合同转用匹配方法 | |
CN110276571A (zh) | 货物调度方法和装置以及计算机可读存储介质 | |
Haddadzade et al. | Integration of process planning and job shop scheduling with stochastic processing time | |
EP1097426A1 (en) | Computer-implemented value management tool for an asset intensive manufacturer | |
Fera et al. | A modified tabu search algorithm for the single-machine scheduling problem using additive manufacturing technology | |
Zhang et al. | A hybrid particle swarm optimization and tabu search algorithm for order planning problems of steel factories based on the make-to-stock and make-to-order management architecture | |
EP2610696A1 (en) | Process design/production planning device | |
CN111105133B (zh) | 生产调度方法、计算机设备以及存储介质 | |
Vairaktarakis | Noncooperative games for subcontracting operations | |
CN111766785B (zh) | 一种最小化期望提前和拖期费用的多机调度方法 | |
Turkcan et al. | Due date and cost-based FMS loading, scheduling and tool management | |
US20050144056A1 (en) | Systems and methods for capacity reservation | |
Vaghefinezhad et al. | A genetic algorithm approach for solving a flexible job shop scheduling problem | |
Furmans | Models of heijunka-levelled kanban-systems | |
JP7261639B2 (ja) | 生産管理システム及び生産管理方法 | |
KR102233546B1 (ko) | 연속 투입 로트 기반 열처리 공정을 위한 에너지 절감형 생산 스케줄링 운영 방법 및 시스템 | |
Demir et al. | Process planning and due-date assignment with ATC dispatching where earliness, tardiness and due-dates are punished | |
Talibi et al. | The relevance study of adaptive kanban in a multicriteria constraints context using data-driven simulation method | |
Eklin et al. | Model for cost estimation in a finite-capacity stochastic environment based on shop floor optimization combined with simulation | |
Lee et al. | Application of multi-objective simulation-optimization techniques to inventory management problems | |
Wegel et al. | Developing a Matheuristic for the Integrated Planning of a Cold Rolling Steel Plant | |
Rezg et al. | Joint Optimization of Maintenance and Production Policies |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |