基于遗传算法的家电智能生产线分布式资源调度算法设计*

doi:10.16731/j.cnki.1671-3133.2024.05.005

现代制造工程 ›› 2024, Vol. 524 ›› Issue (5): 31-38.doi: 10.16731/j.cnki.1671-3133.2024.05.005

• 先进制造系统管理运作 • 上一篇下一篇

基于遗传算法的家电智能生产线分布式资源调度算法设计^*

张殷晨, 左鹏奇, 王逸飞, 林楠, 谢润, 金立军

同济大学电子与信息工程学院,上海 201804

收稿日期:2023-05-22 出版日期:2024-05-18 发布日期:2024-05-30
通讯作者: 金立军,博士,教授,主要研究方向为智能制造、电磁场理论、电力设备故障诊断和高电压工程。E-mail:jinlijun@tongji.edu.cn
作者简介:张殷晨,硕士研究生,主要研究方向为智能制造与数字孪生。E-mail:2230663@tongji.edu.cn;左鹏奇,博士研究生,主要研究方向为包括智能制造和数字孪生。E-mail:2111490@tongji.edu.cn;王逸飞,博士研究生,主要研究方向为智能制造、自然语言处理和机器视觉。E-mail:1552442@tongji.edu.cn;林楠,硕士研究生,主要研究方向为智能制造和数字孪生。E-mail:2130661@tongji.edu.cn;谢润,硕士研究生,主要研究方向为电力设备仿真与结构优化。E-mail:2130662@tongji.edu.cn
基金资助:
^*国家重点研发计划项目(2019YFB1706700)

Design of distributed resource scheduling algorithm for household appliance intelligent production line based on genetic algorithm

ZHANG Yinchen, ZUO Pengqi, WANG Yifei, LIN Nan, XIE Run, JIN Lijun

School of Electronic and Information Engineering, Tongji University, Shanghai 201804, China

Received:2023-05-22 Online:2024-05-18 Published:2024-05-30

摘要/Abstract

摘要： 目前家电智能生产线存在多任务操作冲突、调度控制响应时间长以及制造资源利用率低等问题。为了实现家电智能生产线的合理资源调度,基于多目标优化和分布式资源调度理论,建立了家电智能生产线分布式资源调度模型,提出了基于遗传算法的家电智能生产线分布式资源调度算法。仿真实验表明,与传统生产线调度方法相比,所提出的分布式资源调度算法最大完工时间缩短了5.76 %,解的适应度提高了8 %,验证了算法的可行性和高效性。

关键词: 分布式资源调度, 多目标优化, 柔性调度, 遗传算法

Abstract: At present, the intelligent production line of household appliances has many problems, such as multi-task operation conflict, long response time of scheduling control and low utilization rate of manufacturing resources. In order to realize the rational resource scheduling of household appliance intelligent production line, based on multi-objective optimization and distributed resource scheduling theory, a distributed resource scheduling model of household appliance intelligent production line was established, and a distributed resource scheduling algorithm based on genetic algorithm was proposed. The simulation results show that compared with the traditional production line scheduling method, the maximum completion time of the proposed distributed resource scheduling algorithm is reduced by 5.76 %, and the fitness of the solution is increased by 8 %, which verifies the feasibility and efficiency of the algorithm.

Key words: distributed resource scheduling, multi-objective optimization, flexible scheduling, genetic algorithm

中图分类号:

TH181

张殷晨, 左鹏奇, 王逸飞, 林楠, 谢润, 金立军. 基于遗传算法的家电智能生产线分布式资源调度算法设计^*[J]. 现代制造工程, 2024, 524(5): 31-38.

ZHANG Yinchen, ZUO Pengqi, WANG Yifei, LIN Nan, XIE Run, JIN Lijun. Design of distributed resource scheduling algorithm for household appliance intelligent production line based on genetic algorithm[J]. Modern Manufacturing Engineering, 2024, 524(5): 31-38.

参考文献

[1] 刘玉书,王文.中国智能制造发展现状和未来挑战[J].人民论坛·学术前沿,2021(23):64-77.
[2] 路倩.中国制造2025,智能工厂离我们还有多远[J].现代职业教育,2021(34):154-155.
[3] 熊先青,岳心怡.中国家居智能制造技术研究与应用进展[J].林业工程学,2022,7(2):26-34.
[4] 温业圳,朱国全,陈骥.家电生产线管理系统浅析[J].日用电器,2020(9):83-88.
[5] 李伟,朱小红.家电生产线仿真技术分析[J].电器,2013(6):30-32.
[6] 刘朝辉,王中杰.云制造资源调度综述[J].系统仿真技术,2019,15(4):268-273.
[7] SCHWARZKOPF M,KONWINSKI A,ABD-EL-MALEK M, et al. Omega: flexible, scalable schedulers for large compute clusters[M].[S.l.]:ACM, 2013.
[8] GUO Z X, NGAI E W T, YANG C, et al. An RFID-based intelligent decision support system architecture for production monitoring and scheduling in a distributed manufacturing environment[J]. Int Journal of Production Economics, 2015, 159: 16-28.
[9] 高亮,张国辉,王晓娟.柔性作业车间调度智能算法及其应用[M].武汉:华中科技大学出版社,2012:12-18.
[10] DAUZÈRE-PÉRÈS S,ROUX W,LASSERRE J B. Multi-resource shop scheduling with resource flexibility[J]. European Journal of Operational Research, 1998,107(2):289-305.
[11] PENG BO, LU ZHIPENG, CHENG T C E. A tabu search/path relinking algorithm to solve the job shop scheduling problem[J]. Computers & Operations Research,2015,53:154-164.
[12] HUANG Longzhu ,JIA Zhiyang ,WANG Xiaohan , et al. Multi-Batch Production Scheduling for Distributed Serial Lines with Unreliable Machines and Finite Buffers[C]//Proceedings of the 40th Chinese Control Conference. Shanghai:[s.n.], 2021:6436-6441.
[13] 杨韵. 家用电器装配生产线平衡问题研究及系统开发[D].南京:南京航空航天大学,2019.
[14] 杨帆,方成刚,吴伟伟.基于遗传-粒子群混合算法的柔性作业车间多资源调度问题[J].制造技术与机床,2020(2):138-142,146.
[15] LI Xinyu, GAO Liang. An effective hybird genetic algorithm and tabu search for flexible job shop scheduling problem[J]. Production Economics,2016,174:93-100.
[16] 徐明,张剑铭,陈松航,等.柔性作业车间调度问题的多目标优化算法[J].计算机与现代化,2021(12):1-6.
[17] 张国辉,胡一凡,孙靖贺.改进遗传算法求解多时间约束的柔性作业车间调度问题[J].工业工程,2020,23(2):19-25,48.
[18] LEE J H,LI J,HORST J A. Serial Production Lines With Waiting Time Limits: Bernoulli Reliability Model[J]. IEEE Transactions on Engineering Management, 2017(1):1-14.
[19] HAITHEM Hafsia, HAMZA Gharsellaoui, SADOK Bouamama. Genetic-based Multi-criteria Workflow Scheduling with Dynamic[J].Procedia Computer Science, 2019(159):1063-1074.
[20] LEE C K, SHEN Y A, YANG T, et al. An effective two- phase approach in solving a practical multi-site order scheduling problem[J]. Journal of the Chinese Institute of Industrial Engineers, 2011, 28(7): 543-552.
[21] CHEN Y Y. The order fulfillment planning problem considering multi-site order allocation and single-site shop floor scheduling[J]. Journal of Intelligent Manufacturing, 2014, 25(3): 441-458.
[22] 阳光灿,熊禾根.改进遗传算法求解柔性作业车间调度问题[J].计算机仿真,2022,39(2):221-225,292.
[23] 汪定伟,王洪峰,张瑞友,等.智能优化方法[M].北京:高等教育出版社,2007:20-23.

基于遗传算法的家电智能生产线分布式资源调度算法设计^*

Design of distributed resource scheduling algorithm for household appliance intelligent production line based on genetic algorithm

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

[1]	孙鸿羽, 吉卫喜, 李威, 刘凯. 基于海鸥优化算法的分布式柔性车间调度研究[J]. 现代制造工程, 2024, 523(4): 33-42.
[2]	周兴明, 周井玲. 复合载荷作用下H型垂直轴风力机叶片结构多目标优化[J]. 现代制造工程, 2024, 523(4): 153-159.
[3]	张学聪, 晁永生, 李纯艳, 周江林. 基于机器学习的工业机器人多目标轨迹规划^*[J]. 现代制造工程, 2024, 521(2): 31-37.
[4]	陈广玲, 张天赐, 付涛, 王林涛, 宋学官. 基于NSGA-Ⅱ的智能化电铲多目标最优挖掘轨迹规划[J]. 现代制造工程, 2024, 521(2): 142-149.
[5]	刘智飞, 李国林. 不确定条件下基于区间灰数的柔性车间调度^*[J]. 现代制造工程, 2024, 520(1): 17-23.
[6]	金宇杰, 龚堰珏, 赵罘. 基于模拟退火量子遗传算法的焊接机器人轨迹规划^*[J]. 现代制造工程, 2024, 520(1): 33-38.
[7]	刘晋飞;程铖;李杰林;黄华;马学明. 数字孪生环境下考虑可靠性的多目标智能排序策略[J]. 现代制造工程, 2023, 516(9): 28-35.
[8]	惠记庄;王俊杰;吕景祥;张浩;阎志强;徐之光. 实验与数据混合驱动的喷墨打印电子电路质量预测研究[J]. 现代制造工程, 2023, 516(9): 137-144.
[9]	王敬龙;朱晓宇;王效岗. 基于GA-BP神经网络板材辊式矫直工艺预测模型[J]. 现代制造工程, 2023, 515(8): 115-120.
[10]	金志斌，吉卫喜，苏璇，唐亮. 结合支配强度的NSGA-Ⅱ的柔性车间低碳调度[J]. 现代制造工程, 2023, 512(5): 6-14.
[11]	印宇珂，郑银环，周斌，黄丰云. 基于拆卸法的SA-GA混合算法的装配规划研究[J]. 现代制造工程, 2023, 512(5): 15-21.
[12]	陆文丽，黄伟，许恩永，陈萌竹，兰克俊. 基于响应面法的燃料电池商用车储氢系统多目标优化设计[J]. 现代制造工程, 2023, 512(5): 58-64.
[13]	徐巍，朱怀志，钟宇超，余成成. 基于NSGA-Ⅱ的热压系统上下料机械手结构优化设计[J]. 现代制造工程, 2023, 512(5): 65-73.
[14]	裴红蕾. 柔性作业车间机床与搬运机器人联合调度方法[J]. 现代制造工程, 2023, 510(3): 15-21.
[15]	李伟伟;蔡啟明. 考虑混合车队的预拌混凝土配送调度研究[J]. 现代制造工程, 2023, 510(3): 22-30.