基于影响程度的相关工件车间调度问题研究

doi:10.16731/j.cnki.1671-3133.2018.10.002

现代制造工程 ›› 2018, Vol. 457 ›› Issue (10): 8-16.doi: 10.16731/j.cnki.1671-3133.2018.10.002

基于影响程度的相关工件车间调度问题研究

刘胜辉¹, 腾方媛², 张淑丽¹

1 哈尔滨理工大学软件学院,哈尔滨 150080;
2 哈尔滨理工大学计算机科学与技术学院,哈尔滨 150080

收稿日期:2017-03-17 出版日期:2018-10-20 发布日期:2019-01-07
作者简介:刘胜辉,通信作者,博士,教授,硕士生导师,主要研究方向为企业智能计算、现代集成制造系统、网络安全工作。腾方媛,硕士,主要研究方向为企业智能计算、现代集成制造系统、网络安全工作。张淑丽,教授,讲师,主要研究方向为智能计算、现代集成制造系统、网络安全工作。E-mail: tfyuse@163.com
基金资助:
国家自然科学基金项目(51375128);黑龙江省教育厅科技项目(12541159)

Research on related artifacts job shop scheduling problem based on influence degree

Liu Shenghui¹, Teng Fangyuan², Zhang Shuli¹

1 College of Software,Harbin University of Science and Technology,Harbin 150080,China;
2 College of Computer Science and Technology,Harbin University of Science and Technology, Harbin 150080,China

Received:2017-03-17 Online:2018-10-20 Published:2019-01-07

摘要/Abstract

摘要： 在离散制造企业的实际生产中,相关工件的车间调度问题普遍存在。讨论了相关工件车间调度问题的定义和数学描述,建立了一种以加工周期最短为目标的偏序关系(Partial Relation,P-R)图模型,详细介绍了P-R图模型的建立方法、建模规则以及建模步骤等。为了求解P-R图模型,设计了基于影响程度的双序算法,并用十字链表这种数据结构来表示P-R图模型的计算机存储形式。最后通过实例验证了P-R图模型与算法的有效性。

关键词: 相关工件, 偏序关系图, 影响程度, 双序, 十字链表

Abstract: In the actual production of discrete manufacturing enterprises,the related artifacts job shop scheduling problem is common and practical.Aiming at related artifacts job shop scheduling problem,the definition and mathematical description of related artifacts job shop scheduling problem are described in detail.The Partial Relation (P-R) diagram model is designed with the shortest duration.The methods,rules and steps of P-R diagram model are introduced.To solve the P-R diagram model,a double-order algorithm based on the influence degree is designed,and use cross linked list data structure to represent the computer storage form of P-R diagram model.Finally,the effectiveness of P-R diagram model and algorithm is verified by an example.

中图分类号:

TP18

刘胜辉, 腾方媛, 张淑丽. 基于影响程度的相关工件车间调度问题研究[J]. 现代制造工程, 2018, 457(10): 8-16.

Liu Shenghui, Teng Fangyuan, Zhang Shuli. Research on related artifacts job shop scheduling problem based on influence degree[J]. Modern Manufacturing Engineering, 2018, 457(10): 8-16.

参考文献

[1] 王永明,尹红丽,秦开大.作业车间调度理论及其优化方法研究[M].北京: 科学出版社,2013.
[2] PETER B,BURKE E K G.A branch and bound algorithm for the cyclic job-shop problem with transportation[J].Computers and Operations Research,2012,39(12): 3200-3214.
[3] NGUYEN S,ZHANG M,JOHNSTON M.Automatic design of scheduling policies for dynamic multi-objective job shop scheduling via cooperative coevolution genetic programming[J].IEEE Transactions on Evolutionary Computation,2014,18(2): 193-208.
[4] LI J,PAN Q,WANG Y.A hybrid algorithm for multi-objective job shop scheduling problem.Control and Decision Conference(CCDC)[C].[S.l.]:[s.n],2011: 3630-3634.
[5] YUAN S,YIN A,LIU L.Application of machine assignment in solving the flexible job shop scheduling problem[J].Information Management,Innovation Management and Industrial Engineering,2010(4):378-380.
[6] 刘胜辉,张淑丽,滕春贤.考虑不确定因素的单件小批作业计划与调度动态算法[J].哈尔滨工程大学学报,2011,32(4): 471-475.
[7] 李海清.离散型制造企业设备管理系统研究与开发[J].中国高新技术企业,2010(3): 52-53.
[8] 吴浩亮,张明峰,陈波,等.中国铅酸蓄电池行业现状与展望[J].工程建设与设计,2011(7): 122-125.
[9] 刘铭.汽轮机的原理及结构分析[J].中小企业管理与科技,2011(11): 303-304.
[10] ZHANG Shuli,LIU Shenghui.Topology algorithm for job shop scheduling problem with correlative operations[J].Computer Engineering and Applications,2013,49(3): 251-254.
[11] 奇成光.轴流式水轮机的典型结构分析[J].红水河,2010,29(2): 66-68.
[12] 白洪涛,孙吉贵,焦洋.网络优化算法的实现与比较[J].吉林大学学报(信息科学版),2002,20(2): 59-69.
[13] 谢深泉.一种表示有向图的表方法及其应用[J].小型微型计算机系统,2011(6): 1211-1217.
[14] 王茜,李安颖,葛新,等.基于图的最短路径跨域数据交换实现[J].计算机技术与发展,2013,23(12): 59-65.
[15] 王利钢,陈平.基于十字链表的关联规则改进算法[J].宝鸡文理学院学报(自然科学版),2016,36(4): 1-4.

基于影响程度的相关工件车间调度问题研究

Research on related artifacts job shop scheduling problem based on influence degree

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]	魏万珍，田建艳，姜茜，杨胜强，. 基于图像技术的零件表面粗糙度支持向量机检测模型[J]. 现代制造工程, 2022, 500(5): 100-109.
[2]	程亚彬，张宏伟，王新环，郭子路，. 基于YOLO-V5的矿车桁架铆接孔定位技术研究[J]. 现代制造工程, 2022, 500(5): 115-121.
[3]	陈磊，娄恒权，王相柠，胡雨欣，. IE与遗传算法在C公司生产线平衡中的应用研究[J]. 现代制造工程, 2022, 500(5): 122-129.
[4]	原丕业，管梦竹. 基于改进果蝇优化算法的第Ⅰ类双边装配线平衡问题研究[J]. 现代制造工程, 2022, 499(4): 29-36.
[5]	杨泽青，王春方，卢晨光，陈英姝，刘丽冰. 基于深度卷积神经网络的曲轴智能识别方法研究[J]. 现代制造工程, 2022, 499(4): 102-111.
[6]	马宇超，付华良，吴鹏，陈信华，王鼎，陈帅，曹晨雨. 深度网络自适应优化的Mask R-CNN模型在铸件表面缺陷检测中的应用研究[J]. 现代制造工程, 2022, 499(4): 112-118.
[7]	郑晓军，王琨，曹梦媛，宁诗铎. 仿真环境下的泊位指派与箱位分配协调优化[J]. 现代制造工程, 2022, 498(3): 13-18.
[8]	冯晨，吉卫喜，方磊，陈琛. 基于NSGA-Ⅱ-SA算法的外协云服务组合优选[J]. 现代制造工程, 2022, 498(3): 19-28.
[9]	张思奇，于登辉，郑一明，李冠洋. 基于多目标候鸟算法的车间布局研究[J]. 现代制造工程, 2022, 497(2): 16-23.
[10]	杨爱平，唐倩，阳小林，李苗娟，柳跃雷，蔺梦圆，张鹏辉. 基于神经网络与PSO算法的发动机装配工艺参数优化[J]. 现代制造工程, 2022, 497(2): 105-113.
[11]	陈文洲. 模糊分布式柔性作业车间调度优化[J]. 现代制造工程, 2022, 496(1): 10-18.
[12]	张笑璐，邹益胜，张波，刘永志，蒋雨良. 基于Bagging-MCNN模型的不均衡样本轴承故障诊断方法[J]. 现代制造工程, 2022, 496(1): 104-112.
[13]	朱敏，赵聪聪，臧昭宇. 基于改进型模糊神经网络PID阀位控制研究[J]. 现代制造工程, 2022, 496(1): 125-131.
[14]	王运涛，刘钢，薛俊芳. 基于改进遗传算法的拆卸序列规划[J]. 现代制造工程, 2022, 496(1): 137-142.
[15]	曹梦婷，谷玉海，王红军，徐小力. 基于GRU与迁移学习的滚动轴承故障诊断[J]. 现代制造工程, 2022, 496(1): 143-147.