车间调度方向已发表过的论文有哪些?这个方面发表的论文有很多，学术顾问在这里给大家分享几篇最新发表的，想要了解其他文献的可以自行检索或者是咨询我们网站在线学术顾问。
1.数据挖掘算法在作业车间调度问题中的应用
摘要：为了从与日俱增的车间生产数据中提取出调度规则，并将其用于可用于指导生产调度任务，提出了一种基于数据挖掘的调度算法。首先，将“最小化最大完工时间”设置为性能指标，从作业车间的离线生产数据中建立合适的调度样本集;其次，将建立的调度样本集按合适的比例分为训练集和测试集;然后，使用数据挖掘算法中的CART树从训练集中获取有效的调度知识，形成CART树状调度规则库;最后，为了验证所获得的调度规则的有效性，将得到的调度规则与遗传算法结合，设计了一种基于数据挖掘和调度规则的遗传算法作为调度算法，并用于求解作业车间调度问题。通过对不同的作业车间经典算例进行仿真与测试，验证了所提取的调度规则和调度算法的有效性与优越性。
2. 含忽略工序和不相关机的混合流水车间调度
摘要：研究从炼钢等生产过程提炼出的含忽略工序和不相关并行机的混合流水车间调度问题，以最小化最大完工时间为目标，建立整数规划模型，并提出结合全局搜索、自适应遗传算法和候鸟优化的遗传候鸟优化算法以求解该模型。在算法中采用与处理时间相关的全局搜索和随机程序以获得初始种群，提出自适应交叉和变异操作改进遗传算法解，在迭代进程中，引入基于工件、机器和工序位3种邻域搜索结构的候鸟优化算法更新最佳解。仿真实验中将遗传候鸟优化算法的实验结果与几种启发式算法进行对比，说明了模型和算法的有效性。
3. 考虑低碳的分布式柔性作业车间调度优化
摘要：针对绿色低碳分布式车间调度问题,建立以最小化最大完工时间和最小化总碳排放量为调度指标的低碳分布式柔性作业车间调度双目标优化模型,并设计了基于帕雷托优化方法的人工蜂群算法求解该模型。算法采用两阶段编码方式降低编码的复杂性,通过外部存档记录搜寻的帕雷托最优解,用多种交叉策略提高采蜜蜂和观察蜂的邻域搜索性能,提出单点变换提高全局寻优能力。最后,通过收敛性实验分析算法的性能,并设计了两组实验来分析不同类型的调度特征,并且对比了其他算法的优化结果,实验结果表明,文中所提的算法能够有效求解考虑碳排放的低碳分布式柔性作业车间双目标优化问题。
4. 改进混合Jaya优化算法求解柔性作业车间调度问题
摘要：针对柔性作业车间调度问题(Flexible Job shop Scheduling Problem, FJSP),以最小化最大完工时间为优化目标,在研究现有Jaya优化算法的基础上,结合邻域搜索算法,提出一种改进混合Jaya优化算法。首先,针对MSOS编码方式设计种群初始化方法;其次,提出一种基于Jaya优化算法思想的离散化更新算子,使算法适用于FJSP;然后,设计了2种新型邻域结构,有效增强了算法的局部寻优能力;最后,通过3组著名的FJSP基准算例进行测试,并与相同目标的其他算法进行对比分析。结果表明,改进混合Jaya优化算法能有效求解FJSP,且比相同目标的其他算法有更强的求解能力。
5. 混合狼群算法在动态车间调度中的应用
摘要：随着全世界制造业快速发展,车间生产调度的研究和生产过程的优化得到了广泛的关注.如今应将先进的信息技术融入制造业,以期达到更高效率化的要求.灰狼算法寻优精度高、参数少、收敛速度快、鲁棒性强且具有并行性,可以提高算法的效率,但其稳定性不高、过于分散且很难找到全局最优解.而差分进化算法可以进行并行随机搜索操作,其收敛速度快、全局搜索能力强且稳定性高.两者混合可以提高全局搜索能力,大大提高算法稳定性、最优值以及收敛性能.为了验证其在车间调度问题中的性能,结合灰狼算法和差分算法的优缺点,采用混合灰狼算法对作业车间调度问题进行了改进优化处理.
6. 基于随机机器故障的柔性作业车间动态调度
摘要：为了有效快速地应对生产过程中出现的随机机器故障,构建了一个故障机器可恢复的动态柔性作业车间调度模型,采用事件和周期混合驱动的方式,设计了一个组合重调度策略.在组合重调度策略中,将改进的二叉树右移重调度与完全重调度进行组合,引入序位偏差和完工时间偏差为重调度评价指标,对重调度方法进行选择,并且在精英选择遗传算法(elite selection genetic algorithm, ESGA)基础上,对精英选择策略进行改进,以防止陷入局部最优.试验算例仿真结果表明,动态调度算法对随机机器故障下的柔性作业车间动态调度是有效的.