木制衣架拋光機(jī)拋光部分設(shè)計(jì)含SW三維及14張CAD圖帶開題
木制衣架拋光機(jī)拋光部分設(shè)計(jì)含SW三維及14張CAD圖帶開題,木制,衣架,拋光機(jī),拋光,部分,部份,設(shè)計(jì),sw,三維,14,cad,開題
Machine scheduling in custom furniture industry through
neuro-evolutionary hybridization
摘要：
機(jī)器調(diào)度在工業(yè)產(chǎn)品設(shè)計(jì)是一個(gè)關(guān)鍵的問題。其大部分的產(chǎn)品，由于以往在制造業(yè)上的經(jīng)驗(yàn)的缺乏，以及評估機(jī)器調(diào)度質(zhì)量標(biāo)準(zhǔn)上的一些沖突，使其還有很大的發(fā)展空間。此外，在每個(gè)生產(chǎn)步驟生產(chǎn)的復(fù)雜性和人工操作的不一樣，使時(shí)間的估計(jì)變的困難，從而調(diào)度的準(zhǔn)確性降低。本文中所介紹的解決方案，結(jié)合了演化式計(jì)算網(wǎng)絡(luò)，減少了：1.多目標(biāo)優(yōu)化，必須處理龐大的搜索空間的影響；2.定制生產(chǎn)方面的時(shí)間計(jì)算的固有問題的影響。我們結(jié)合基于多層感知器網(wǎng)絡(luò)的時(shí)間估計(jì)的最優(yōu)調(diào)度的混合方法，通過了Non-dominated Sorting Genetic Algorithm II (NSGA-II)。
1.介紹
機(jī)器調(diào)度是工業(yè)中，如家具定制行業(yè)的難題。這個(gè)問題我們定義為為一組資源和和制約因素尋找最佳操作順序。機(jī)器調(diào)度問題屬于NP-hard,因?yàn)樗幸粋€(gè)由資源引起的充分利用機(jī)器和降低完成計(jì)劃所需時(shí)間的一個(gè)組合的搜索空間。因此,這個(gè)問題不是可行的精確方法,如分支定界,動(dòng)態(tài)規(guī)劃邏輯編程或約束。因?yàn)檫@個(gè)原因，在此背景下在接近最優(yōu)解有一個(gè)好的解決方法和衍生的方法，如演算法、模擬退火法、搜尋法或單一法，會(huì)更加的適合去解決問題。
機(jī)器調(diào)度問題具有許多矛盾存在的特征。因此,你會(huì)很自然地看為一個(gè)多目標(biāo)優(yōu)化調(diào)度問題，這個(gè)問題由不同的目標(biāo)相結(jié)合,產(chǎn)生一個(gè)最終的解決方案?？上У氖牵恍┱{(diào)度過程所需要的處理時(shí)間令定制生產(chǎn)很難實(shí)行。這些時(shí)間的計(jì)算取決于幾個(gè)因素,如機(jī)械、材料及單個(gè)特征。后者是關(guān)鍵,因?yàn)椴牧?、尺寸和形狀上定制設(shè)計(jì)的工件零件會(huì)產(chǎn)生不同的價(jià)值。因?yàn)檫@些時(shí)間由一個(gè)混合的數(shù)值模擬,分析計(jì)算和目錄選擇，并沒有準(zhǔn)確的計(jì)算調(diào)度基本信息的方法。
多目標(biāo)優(yōu)化算法的選擇與需要解決的特殊問題密切相關(guān)。本文論述了一個(gè)實(shí)際的接近作業(yè)車間調(diào)度的問題。然而，在家具工作上的有很大的調(diào)度約束，甚至包括調(diào)度過程中是否會(huì)出現(xiàn)的機(jī)器出故障、工人生病或出現(xiàn)新的就業(yè)機(jī)會(huì)的問題。在我們處理這些事件的方式的時(shí)候,我們通過一個(gè)新的調(diào)度并不是通過延遲。也就是,這些事件只會(huì)在新的調(diào)度被執(zhí)行下修改條件。因?yàn)檫@個(gè)原因，我們的方法必須是可靠的，但是也需要時(shí)間的證明，因?yàn)闀r(shí)間是對快速回復(fù)客戶訂單是很重要的標(biāo)準(zhǔn)。在此背景下,演算法被認(rèn)為是一個(gè)解決優(yōu)化問題如調(diào)度的快速的、正確的方法,因?yàn)檠菟惴ū阌谡业揭粋€(gè)總體最佳條件,不用被困于局部梯度法。
2.機(jī)器調(diào)度問題的相關(guān)工作
調(diào)度問題，包括尋找一個(gè)時(shí)間表滿足一套限制。一個(gè)時(shí)間表分配的時(shí)間間隔m臺機(jī)器M = {M1，M2。 。 。 ，MM}執(zhí)行n個(gè)工件J = {J1，J2……Jn}的問題。每個(gè)工作Ji∈J，由一組Ni行動(dòng)Oi = {Oi,1,Oi,2, . . . , Oi,ni}處理時(shí)間pk,i,j在一臺機(jī)器的Mk。例如，一個(gè)時(shí)間表可表示為Gantt charts如圖1（a）。每一行代表一臺機(jī)器,每個(gè)盒子一個(gè)時(shí)間間隔的操作。一個(gè)時(shí)間表，工作資源的最終分配隨著時(shí)間的推移。均以滿足所有約束的時(shí)間表可行的時(shí)間表?？梢詣澐譃榭尚械臅r(shí)間表如下：
半主動(dòng)時(shí)間表：無操作可以起步較早沒有改變加工秩序或違反一些約束。
?活動(dòng)日程：無操作，可以起步較早沒有推遲至少另一個(gè)操作或違反一些約束。
?無延遲的時(shí)間表：如果一個(gè)操作是，從來沒有一臺機(jī)器閑置準(zhǔn)備好要處理。
這些時(shí)間表和最佳的類之間的關(guān)系附表說明圖 1（b）。通常情況下，相應(yīng)的
調(diào)度問題的唯一一套主動(dòng)（或有時(shí)搜索半主動(dòng)）的時(shí)間表，因?yàn)檫@帶來了巨大的減少搜索空間，同時(shí)還保證，優(yōu)化調(diào)度可以發(fā)現(xiàn)。
圖1
2.1機(jī)調(diào)度問題
調(diào)度文學(xué)的特征是無限量的問題類型。根據(jù)工作特點(diǎn)，機(jī)器環(huán)境和最優(yōu)標(biāo)準(zhǔn)[7]，可以劃分調(diào)度問題。工作特性可能有：
優(yōu)先權(quán)：一個(gè)作業(yè)可能會(huì)被中斷，并在后者的時(shí)間恢復(fù)，甚至另一臺機(jī)器上。
優(yōu)先關(guān)系：工作之間的優(yōu)先級，可派代表非循環(huán)圖或有根樹。
發(fā)行日期：每臺機(jī)器Mk有一個(gè)開始時(shí)間si,j,k前沒有處理的機(jī)器上可以完成的操作oi,j。
?處理時(shí)間限制：例如，設(shè)置一個(gè)單位的處理時(shí)間限制，Pi,j = 1，所有操作Oi,j.
?截止日期：作業(yè)Ji必須取得前到期的日期di。
?批處理模式可分批分組：一組操作。批處理必須處理共同的機(jī)器上。
機(jī)器環(huán)境定義的調(diào)度問題。下面的列表中的前四個(gè)調(diào)度問題，而后者則適用于到oneoperation模式（只有一個(gè)操作的工作）到5個(gè)多經(jīng)營模式：
?專用機(jī)器：每個(gè)作業(yè)必須在一個(gè)專用的處理機(jī)。
?相同的并行機(jī)處理工作的所有的機(jī)器都是相同的。因此，他們有相同的處理時(shí)間，Pk,i,1 = Pi。
?統(tǒng)一的并行機(jī)：機(jī)器加工時(shí)間Mk是Pk,i,1 = Pi / Sk，其中Sk是機(jī)器的運(yùn)行速度。
?相依并行機(jī)的機(jī)加工時(shí)間MK取決于對工作，Pk,i,1 = Pi / Si, k
?一般商店：專門的機(jī)器和操作之間的優(yōu)先關(guān)系。
?打開店：相當(dāng)于除了一般店有沒有優(yōu)先關(guān)系。工作的業(yè)務(wù)，不得在任何特定的順序處理。
?車間作業(yè)：特殊情況一般商店的優(yōu)先關(guān)系，操作Oi,j是我無法啟動(dòng)，直到操作Oi,j?1已完成，1 < j < n.工作的第j個(gè)操作。
?流水作業(yè)：所有工作一樣的車間作業(yè)的特殊情況。這并不意味著工作是相同的，因?yàn)樗麄兊奶幚頃r(shí)間可能會(huì)有所不同。
?混合車間：車間作業(yè)和開店鋪的組合。
許多最優(yōu)性準(zhǔn)則存在的調(diào)度問題。頻使用性能的措施是：
?最大完工時(shí)間：最大完工時(shí)間（時(shí)間表的長度）。
?總流量時(shí)間：所有工作所花費(fèi)的總時(shí)間。
?總遲到：遲到，所有的工作總結(jié)，即如何晚得多的期限完成每項(xiàng)工作。
?總延遲時(shí)間：所有工作總結(jié)延遲，那就是延遲的工作的總和。
?共有早熟：所有工作總結(jié)早熟，即和延遲到的工作。
?最大遲到：遲到的最新工作。
?最大延遲時(shí)間：最難的工作的延遲時(shí)間。
在這項(xiàng)工作中，我們解決車間作業(yè)調(diào)度問題（JSSP）。
其中各類調(diào)度問題，車間作業(yè)調(diào)度問題是最具挑戰(zhàn)性的之一。大小問題的n×m和m≥2是NP-hard，并且被認(rèn)為是最差之間的組合問題[1]。傳統(tǒng)的車間作業(yè)調(diào)度的搜索空間的大小是（n!)m。
2.2傳統(tǒng)方式
許多方法都提出了解決JSSP。在參考文獻(xiàn)。[8、9],復(fù)雜的分支定界(BB)方法用于最小化在古典JSSP極小化最大完工時(shí)間。盡管這些方法已被證明是非常有用的小到中等大小等問題,他們過多的計(jì)算時(shí)間讓它們應(yīng)用到大型問題困難[10]。許多其他的確切運(yùn)籌學(xué)方法,如混合整數(shù)規(guī)劃[11]或動(dòng)態(tài)編程[12],已經(jīng)被使用。然而,這個(gè)數(shù)量的限制和/或變量變得很大甚至對大小問題,因此這些嘗試都不是非常有效,對于大尺寸的問題。
許多非最優(yōu)的啟發(fā)式方法可以處理在車間作業(yè)調(diào)度合理的計(jì)算時(shí)間。基于知識的系統(tǒng)[13]調(diào)度規(guī)則[14]或神經(jīng)網(wǎng)絡(luò)[15]已被使用在真正的車間作業(yè)調(diào)度。然而，元啟發(fā)式算法已被證明為解決車間作業(yè)問題的更好的表現(xiàn)。 Tabu搜索（TS）已被證明是非常有效的車間作業(yè)調(diào)度算法[16,17]。雖然，當(dāng)它被應(yīng)用到硬盤的優(yōu)化問題，如實(shí)時(shí)調(diào)度問題，性能取決于初步解決方案。另一項(xiàng)技術(shù)已應(yīng)用于JSSP是模擬退火（SA），[18,19]。 SA可避免局部最大值/最小值，但無法迅速達(dá)到良好的解決方案。可以增加與TS SA相結(jié)合的表現(xiàn)。主這種方法的原理是，SA用來尋找精英的解決方案這樣的TS可以重新加強(qiáng)前途的解決方案搜索[20]。轉(zhuǎn)移的瓶頸（SB）啟發(fā)式的工作原理是放寬問題到解決一臺機(jī)器子一時(shí)間。這種啟發(fā)式之間的第一個(gè)真正有效的逼近方法[21,12]。 SB搜索需要高計(jì)算由于要重新優(yōu)化，有必要實(shí)現(xiàn)的努力結(jié)果。通過調(diào)整幾個(gè)參數(shù)實(shí)現(xiàn)最佳的解決方案。
進(jìn)化算法（EA）的已成為一種流行的做法解決車間作業(yè)調(diào)度，因?yàn)樗麄兺ǔ?huì)達(dá)到更好的性能比許多傳統(tǒng)的和啟發(fā)式的應(yīng)用方法在車間作業(yè)調(diào)度[22]。大多數(shù)這些EA旨在解決經(jīng)典問題的經(jīng)典的車間作業(yè)調(diào)度或小的變化。它們的區(qū)別主要有演示計(jì)劃，在運(yùn)營商，在與其他啟發(fā)式（改善以前生成的解決方案）的雜交水平，并在通過性能的措施。
許多染色體為解決車間作業(yè)調(diào)度的代表計(jì)劃文獻(xiàn)報(bào)道[23]。染色體可以直接使用或間接的代表性。直接交涉編碼計(jì)劃中的染色體。例如，經(jīng)營為基礎(chǔ)的染色體作為一個(gè)操作序列編碼的時(shí)間表，并每個(gè)基因代表一個(gè)操作。然而，復(fù)雜的交叉和突變運(yùn)營商需要建立新的解決方案。在間接表示，簡單的運(yùn)營商是允許的，但染色體編碼一個(gè)可行的時(shí)間表。例如，調(diào)度工作分配的規(guī)則，可以在每個(gè)基因編碼。
多目標(biāo)的標(biāo)準(zhǔn)也被納入EA模型[24,25]。大部分的方法都是基于多目標(biāo)combinationof到一個(gè)單一標(biāo)量加權(quán)系數(shù)[26,27]的目標(biāo)。然而，很少有MOEAs被應(yīng)用到調(diào)度在帕累托個(gè)人之間的優(yōu)勢。例如，在[28]經(jīng)濟(jì)部調(diào)度
在印刷電路板行業(yè)的鉆操作完工時(shí)間和總流程時(shí)間最小化的目標(biāo)。 [29]古典車間作業(yè)調(diào)度完工時(shí)間和總延遲時(shí)間目標(biāo)。 [30]細(xì)胞制造系統(tǒng)有三個(gè)目標(biāo)，完工時(shí)間，總流量的時(shí)間和機(jī)器閑置。在參考文獻(xiàn)。榮獲教育部頒發(fā)產(chǎn)提議得到優(yōu)化調(diào)度規(guī)則[31]在的Giffer和湯普森算法[32]靈活的車間作業(yè)調(diào)度。當(dāng)代經(jīng)濟(jì)部使用的選擇和更換的基礎(chǔ)上多目標(biāo)的統(tǒng)治標(biāo)準(zhǔn)。這種方法的例子的MOGA[33]，NPGA[34]，PESA的[35]，SPEA的[36]和NSGA-II[5]。許多其他的元啟發(fā)式的策略，如貪婪隨機(jī)自適應(yīng)搜索程序（GRASP）[37]，螞蟻/蜂群[38,39]，
跳躍基因遺傳算法[40]已應(yīng)用于解決車間作業(yè)調(diào)度。然而，有限的結(jié)果是，還沒有以證明其性能比目前最先進(jìn)的算法[22]。
2.3處理時(shí)間估計(jì)
為了獲得一個(gè)車間作業(yè)調(diào)度的好解決方案，這是必要的所涉及的業(yè)務(wù)，每年有一個(gè)準(zhǔn)確的時(shí)間估計(jì)在調(diào)度。處理時(shí)間的估計(jì)是一個(gè)回歸的問題。因此，給定的數(shù)據(jù)集，其中每個(gè)示例包含多個(gè)輸入變量及其相應(yīng)的輸出值（處理時(shí)間），可應(yīng)用于任何回歸技術(shù)獲得時(shí)間的估計(jì)?；谲浻?jì)算的數(shù)字如模糊規(guī)則為基礎(chǔ)的系統(tǒng)，決策樹，支持技術(shù)，向量機(jī)回歸，貝葉斯回歸，已對這項(xiàng)工作的描述。
尤其是使用最廣泛的加工方法在調(diào)度問題的時(shí)間估計(jì)是神經(jīng)網(wǎng)絡(luò)。例如，在[41]神經(jīng)網(wǎng)絡(luò)已用于造船調(diào)度。該系統(tǒng)試圖準(zhǔn)確估計(jì)所需焊接的每一個(gè)一類塊的工時(shí)調(diào)度。他們認(rèn)為，四組變量：船型，塊類型，塊的物理特性和商店類型。此外，在[42]金屬家具組裝加工時(shí)間估計(jì)，神經(jīng)網(wǎng)絡(luò)進(jìn)行焊接，噴漆。處理完成這些操作所需的時(shí)間差別很大與特定產(chǎn)品的變化，包含非線性，未指定的相互作用。
每當(dāng)精度是很重要的，而且在一定程度上解釋性的建議回歸系統(tǒng)是必需的，模糊規(guī)則為基礎(chǔ)的系統(tǒng)是一個(gè)不錯(cuò)的選擇[43]。規(guī)則有一個(gè)變量隨之而來的結(jié)構(gòu)，回歸函數(shù)可以不同的機(jī)器，或完全不同的，甚至，對于不同的類的samemachine的投入。 TSK知識庫連同上下文免費(fèi)學(xué)習(xí)與遺傳編程語法限制回歸函數(shù)的有效結(jié)構(gòu)。
3.機(jī)定制人造板調(diào)度問題家具制造業(yè)
對一部作品的完成所有的操作的時(shí)間間隔定義為吞吐量的時(shí)間順序。其準(zhǔn)確的估計(jì)是很難定制設(shè)計(jì)的家具行業(yè)，如行業(yè)產(chǎn)品有dominan。以往的生產(chǎn)經(jīng)驗(yàn)缺乏在生產(chǎn)的復(fù)雜性，使得時(shí)間估計(jì)困難。
吞吐量的減少有很多好處：降低庫存，降低成本，提高產(chǎn)品質(zhì)量（問題過程可以更迅速地檢測），更快的響應(yīng)客戶的訂單，和更大的靈活性。因此，花了很多努力，以減少通過提高生產(chǎn)吞吐量時(shí)間規(guī)劃，控制系統(tǒng)，并開發(fā)更先進(jìn)的調(diào)度程序[44,45]。我們的目標(biāo)是定義工作計(jì)劃，最大限度地減少資源的排隊(duì)和最大限度地利用資源能力，約束的材料供應(yīng)和產(chǎn)品要求。在這種情況下，可行性，時(shí)間和成本最有前途的計(jì)劃進(jìn)行分析[46,47]。請注意，吞吐量時(shí)間有許多組件，包括移動(dòng)，隊(duì)列，設(shè)置，處理時(shí)間[48-50]。在這項(xiàng)工作中，我們將解決所有這些改善機(jī)調(diào)度任務(wù)的零部件生產(chǎn)可行的工作計(jì)劃。
在這項(xiàng)工作中所描述的現(xiàn)實(shí)世界中的調(diào)度問題是接近的車間作業(yè)調(diào)度問題（JSSP）家庭：
?每個(gè)作業(yè)J定義與運(yùn)作?優(yōu)先關(guān)系。
?每個(gè)作業(yè)J必須達(dá)到前到期日二。
?操作上沒有處理的限制定義。
?沒有定義批處理模式。我們的域名業(yè)務(wù)可以考慮批處理模式。然而，我們抽象的，他們作為簡單的操作。每臺機(jī)器都有一個(gè)起始時(shí)間s之前沒有處理可以做的機(jī)器上的操作O.每臺機(jī)器可以處理在同一時(shí)間只有一個(gè)操作。沒有一臺機(jī)器可以釋放的操作，直到它完成，那就是沒有允許搶占。
?各類型的機(jī)器的總數(shù)是固定的和更大的不止一個(gè)。沒有工作可以開始之前，其各部分的處理是可用的。
然而，我們的問題，制約了一些修改古典的車間作業(yè)調(diào)度，并使其更接近靈活的車間作業(yè)調(diào)度：
同時(shí)?Twooperations thesamejobmaybe處理。在我們的調(diào)度問題的優(yōu)先關(guān)系的代表無環(huán)圖，而這些關(guān)系在古典的車間作業(yè)調(diào)度的代表作為一個(gè)操作序列。家具行業(yè)，像許多他人，制造產(chǎn)品，由許多不同類型的原料。例如，表的描繪圖。 2由膠合板，鋼材，玻璃等。因此，不同的處理可同時(shí)進(jìn)行，直到它們被組裝材料。雖然優(yōu)先關(guān)系的方式，明確了本文的范圍，只提這選擇是基于一套木工知識為基礎(chǔ)的規(guī)則。這些規(guī)則需要考慮的建設(shè)性的決定，關(guān)節(jié)用于組裝的家具，整理或質(zhì)量標(biāo)準(zhǔn)。每個(gè)作業(yè)可以安排在同一臺機(jī)器上超過一次。在古典車間作業(yè)調(diào)度，它通常需要為每個(gè)工作陸云，經(jīng)營愛的序列，J包含一個(gè)操作每個(gè)機(jī)器上進(jìn)行處理。然而，在我們的機(jī)器環(huán)境，在同一臺機(jī)器可以執(zhí)行幾個(gè)制造步驟。例如，封邊機(jī)使用或貼邊，修剪和打磨。因此，同一臺機(jī)器可以使用一次以上的工作。
?喬布斯沒有訪問每一臺機(jī)器INM。雖然在古典JSSP每臺機(jī)器必須在工作姬時(shí)間表參觀，這一限制并不適用于我們的實(shí)時(shí)調(diào)度問題。這兩種產(chǎn)品可能有非常不同的生產(chǎn)步驟。為例如，實(shí)木表，并在圖2做不同意許多操作。
圖2
我們的調(diào)度問題必須處理的另一個(gè)困難是處理時(shí)間的估計(jì)，這是在每一個(gè)關(guān)鍵部分制造步驟。處理時(shí)間的估計(jì)是一個(gè)在產(chǎn)品設(shè)計(jì)的生命周期中最重要的任務(wù)。為例如，時(shí)間估計(jì)是考慮重新設(shè)計(jì)如果預(yù)測的時(shí)間比預(yù)期更長的產(chǎn)品。有許多模型和技術(shù)，估計(jì)處理時(shí)間基于產(chǎn)品設(shè)計(jì)的一個(gè)制造步驟[51]。對于詳細(xì)設(shè)計(jì)，非常詳細(xì)的規(guī)劃過程中，制造可以采用過程模擬，或時(shí)間估計(jì)模型[51,47]。然而，對于一個(gè)概念設(shè)計(jì)，較詳細(xì)的模型一個(gè)關(guān)鍵的設(shè)計(jì)信息必須依靠一套較為有限[51]。這兩種方法都適用于家具行業(yè)自一個(gè)詳細(xì)設(shè)計(jì)的定義是昂貴的成本和時(shí)間。因此，有幾種方法計(jì)算的處理時(shí)間視機(jī)上可用的輸入變量。例如，從概念上可以提取幾個(gè)制造工藝設(shè)計(jì)圖描繪。 2。大廳辦公表有一個(gè)圓形的頂部葉三腳架腿?；w材料是酚醛膠合板，結(jié)構(gòu)是明亮的不銹鋼表的頂部是透明的玻璃?？紤]到圓形玻璃材料購買外部供應(yīng)商，兩種不同的操作類可以推斷為：（一）木材和（二）鋼結(jié)構(gòu)件加工。例如，木塊必須削減從大木板，計(jì)劃和校準(zhǔn)有一個(gè)統(tǒng)一的表面和厚度，再削減45?角，依此類推。
可以依賴的處理時(shí)間為一臺機(jī)器的運(yùn)作多個(gè)輸入變量，如產(chǎn)品尺寸，材料，這種產(chǎn)品的速度機(jī)器，依此類推。例如，木塊取決于校準(zhǔn)砂光機(jī)，將執(zhí)行的操作，除了一塊變量。校準(zhǔn)機(jī)械指定進(jìn)給速度，磨料皮帶速度，砂帶尺寸，工作厚度，最大最小工件尺寸等。然而，對于一個(gè)給定的操作的處理時(shí)間可能并不總是受到影響所有這些變量。因此，一臺機(jī)器可以有幾個(gè)回歸一類操作和產(chǎn)品特性的功能。因此，一個(gè)良好的估計(jì)吞吐量要求準(zhǔn)確的回歸函數(shù)以及適當(dāng)?shù)倪x擇運(yùn)作之間的所有機(jī)器的回歸函數(shù)。在這種情況下，處理時(shí)間估計(jì)是很難獲得按標(biāo)準(zhǔn)方法或制造專家，是源調(diào)度過程中的錯(cuò)誤和不確定性。
4.NSGA-II的機(jī)器多目標(biāo)的方法調(diào)度
一個(gè)多目標(biāo)調(diào)度問題可以描述為多目標(biāo)優(yōu)化問題：
minF(x) = {f1(x), f2(x), . . . , fk(x)}s.t. x ∈ S (1)
其中x是一個(gè)解決方案，S是一套可行的解決方案，k為目標(biāo)的一些問題，F(xiàn)（X）是x的K-客觀空間和每個(gè)Fi（X）的形象，對于i = 1，。。。 ，k代表一個(gè)目標(biāo)。在定制家具制造業(yè)，像在其他許多現(xiàn)實(shí)世界的問題，有沖突的連接（X）的目標(biāo)。例如，目標(biāo)想盡量減少家具的成本，并減少完成時(shí)間可能會(huì)發(fā)生沖突，因?yàn)樗且回灥模俣雀斓臋C(jī)器，有一個(gè)回收成本較高。因此，在單目標(biāo)優(yōu)化的問題，沒有一個(gè)最好的解決辦法，但有幾個(gè)解決方案選擇（非劣解集）。
我們對這個(gè)問題的方法，采用多目標(biāo)調(diào)度通過NSGA-Ⅱ算法的優(yōu)化[5]。 NSGA-II的是一個(gè)最有效的MOEAs使用精英的做法：它的計(jì)算復(fù)雜性是INO（MN2），whereMis目標(biāo)和N的人口規(guī)模。該算法結(jié)構(gòu)描述圖3。 NSGA-II的健身分配計(jì)劃，包括在使用非支配排序在不同戰(zhàn)線的人口序關(guān)系。因此，它有兩個(gè)目標(biāo)：（一）找到了一套非主導(dǎo)的解決方案，盡可能接近帕累托最優(yōu)在每次迭代中，但前（二）維護(hù)的一整套解決方案盡可能覆蓋或附近的帕累托最優(yōu)前不同。
圖3
該算法的主循環(huán)開始與組合當(dāng)前和以前的人口，計(jì)算Rt的非主導(dǎo)方面。這樣做的快速非支配排序功能。在此功能的第一步，每個(gè)人口P的個(gè)人P，twocalculations做一套占主導(dǎo)地位的個(gè)人，由P物質(zhì)（SP）和個(gè)人的數(shù)量，主宰P（NP）。所有這些個(gè)人（P），非主導(dǎo)將有P = 1的排名，將屬于第一Pareto前沿（非主導(dǎo)的前端）（V1），。為了計(jì)算其他帕累托各條戰(zhàn)線（步驟3），為每一個(gè)人以前的Pareto前沿（P），集Sp的每個(gè)元素（Q），降低其統(tǒng)治計(jì)數(shù)器1（nq）。因此，所有這些個(gè)人nq= 0 q將屬于第i-Pareto前沿。
一旦所有的帕累托方面已經(jīng)確定，主循環(huán)新的人口（Pt+1）所有算法增加（步驟1.d）在第i個(gè)Pareto前沿（六）個(gè)人，與i= 1開始而下的人口規(guī)模北路而且是提高我六，在擁擠的措施屬于每一個(gè)人考慮到計(jì)算距離（擁擠距離分配）帳戶中的所有個(gè)人INVI。擁擠的距離是thesumof每個(gè)目標(biāo)的擁擠距離，并給出和估算密度的解決方案，圍繞特定的解決方案。
并非所有的個(gè)人時(shí)所使用的步驟1.E和主回路1.F第i Pareto前沿，可以添加到新的人口（P）的（人口總規(guī)模將超過列印）。所有六個(gè)人使用比較擁擠降序排序運(yùn)算符（?N）。這個(gè)運(yùn)算符用于在所有的選擇該算法的流程（減少人口和錦標(biāo)賽選擇），因此有必要計(jì)算的擁擠所有的P（步驟1.di），個(gè)人不僅距離在Vi的個(gè)人（1.E步）。定義圖。 3，解決方案，我更好的解決方案j的排名比，如果它屬于較低階的Pareto前沿（irank jdistance）。
最后（步1.g），使用人口Pt+1，個(gè)人選擇(tournament selection using n),，交叉和突變創(chuàng)建新的人口Qt+1.
4.1編碼的問題
選擇一個(gè)很好的代表性，是解決的一個(gè)重要組成部分搜索問題。在本文中，復(fù)合材料的代表性染色體被提出。這種編碼的部分是用來減少靈活的車間作業(yè)調(diào)度古典車間作業(yè)調(diào)度，其余的定義優(yōu)先調(diào)度規(guī)則用于創(chuàng)建時(shí)間表。具體來說，機(jī)分配是通過并行作業(yè)編碼的[52]。圖4表示此編碼的的調(diào)度問題四個(gè)工作和四臺機(jī)器。矩陣的每一行是一個(gè)行動(dòng)愛，J，I= 1，排列的順序。 。 。 4，J= 1，。 。 。 3（j是操作索引）。行中的每個(gè)元素包含兩個(gè)方面：（1）機(jī)MK，K = 1。 。 。 4，執(zhí)行操作及（2）TK的起始時(shí)間。例如，J2的工作中進(jìn)行操作O1被機(jī)器M1時(shí)間。
這種編碼直接產(chǎn)生一個(gè)可行的解決方案。它包含機(jī)器將執(zhí)行每個(gè)操作和時(shí)間。時(shí)間設(shè)置為零時(shí)，機(jī)器不能執(zhí)行操作基因操作時(shí)，并不適用于空白工作。因此，知道操作輕松創(chuàng)建時(shí)間表路由和處理時(shí)間。圖5補(bǔ)充4×4調(diào)度的范例，并提供（i）在每個(gè)作業(yè)的截止日期J，（二）操作的順序（三）在工作時(shí)間（的總和;I，J于每個(gè)操作的設(shè)置和處理時(shí)間）機(jī)生產(chǎn)廠。例如，工作J2有一個(gè)截止日期7個(gè)時(shí)間單位，定義的O2,2,O2,1,O2,3操作順序。 “甘特圖的描繪圖。 1（a）表示的時(shí)間表，可以可以推斷，從圖中所描述的染色體。 4和數(shù)據(jù)圖5。
圖4
圖5
圖6
圖6描繪的優(yōu)先調(diào)度規(guī)則分配到4就業(yè)和4machines調(diào)度問題。在這種編碼基因我代表的優(yōu)先權(quán)規(guī)則必須適用于處理第i操作的時(shí)間表。從這些任務(wù)，日程安排構(gòu)建與的Giffler和湯普森算法[53]，但使用這一優(yōu)先啟發(fā)式調(diào)度規(guī)則。
代碼和考慮[23]表1給出了優(yōu)先規(guī)則。例如，前兩個(gè)職位將優(yōu)先考慮與操作最短處理時(shí)間（SOT）。
4.2調(diào)度生成
時(shí)間表生成與修改后的版本giffer湯普森算法[53]。該算法的描繪圖。 7以前從染色體產(chǎn)生積極的時(shí)間表描述。首先，在所有操作的算法插入最初準(zhǔn)備安排，即第一行動(dòng)每個(gè)作業(yè)。由于我們的調(diào)度優(yōu)先級的關(guān)系是無環(huán)圖，一個(gè)可能包含幾個(gè)操作同樣的工作。然后，在每次迭代中，它需要操作的愛，在A與J最早的潛在的完成時(shí)間，然后選擇操作牛年，被分配到愛，J機(jī)器處理的一組操作?。后者的選擇是基于調(diào)度優(yōu)先級這在染色體的迭代規(guī)則分配。最后，它增加了此操作的時(shí)間表，從A中刪除，并添加其工作的接班人到A。
圖8描繪了算法的染色體上的第一個(gè)步驟在圖表示。 4和6和圖的時(shí)間表。 5。在此圖中，時(shí)間表是一個(gè)有向圖描述圖G =（V，P∪T）集V的每個(gè)節(jié)點(diǎn)代表一項(xiàng)行動(dòng)愛，J和每個(gè)在P∪T的弧代表之間的業(yè)務(wù)關(guān)系。具體來說，非虛線圓弧代表的優(yōu)先關(guān)系的集合P而虛線弧技術(shù)（機(jī)床）關(guān)系的集合T。每個(gè)染色體的工作姬表示圖行每個(gè)節(jié)點(diǎn)都標(biāo)有機(jī)器將處理數(shù)量操作。請注意，圖中的每一行可能也有因?yàn)樘幚韏obmaybe幾個(gè)操作的并行分支并行。也有代表在本圖中的A，S和Q套。例如，在操作標(biāo)記虛線圓圈，操作在Q的標(biāo)志是正方形和調(diào)度操作灰色。
圖7
圖8
經(jīng)過最初的一步，一個(gè)包含每個(gè)職位的初步行動(dòng){O1,1,O2,2,O3,1,O4,1}和Q操作O1群，其中有最早所有機(jī)器的完成時(shí)間。據(jù)的SOT戰(zhàn)略相關(guān)聯(lián)的第一次迭代，只有O1群，1可能被選中作為最短處理時(shí)間操作機(jī)器M1。因此，它是如期進(jìn)行處理，從A和它的后繼操作J1是添加到答：在第二個(gè)步驟：A = {O1,3,O2,2,O3,1,O4,1}和算法的選擇操作o最早的O2，2完成時(shí)間。然后，它看起來由thesame處理業(yè)務(wù)machineM2用最短的加工時(shí)間。因此，第2步定義設(shè)定為Q ={O1群，3，02，2}和隨機(jī)選擇O。該算法將繼續(xù)運(yùn)行，直到所有的操作已被預(yù)定（步驟13）。
4.3分頻點(diǎn)
分頻點(diǎn)僅將應(yīng)用于復(fù)合材料部件之一染色體在進(jìn)化算法的每次迭代。一使用隨機(jī)數(shù)來決定哪一部分將劃線。
兩個(gè)交叉運(yùn)營商已經(jīng)適應(yīng)了機(jī)器作業(yè)。無論是運(yùn)營商跨越兩個(gè)隨機(jī)選擇的染色體。雖然行交叉影響工作，以產(chǎn)生一個(gè)新的時(shí)間表而列交叉作業(yè)：
?行交叉（圖9（a））
?列交叉（圖9（b））
其中k是一個(gè)隨機(jī)選擇的交叉點(diǎn)。
已應(yīng)用于雙點(diǎn)交叉的優(yōu)先級調(diào)度編碼的規(guī)則，因?yàn)樗梢宰屛覀兘粨Q一個(gè)隨機(jī)數(shù)個(gè)人之間在染色體上的任何位置的規(guī)則。
圖9
4.4 突變
這個(gè)操作符作為交叉使用同樣的策略選擇染色體變異的部分。機(jī)作業(yè)，用于并行作業(yè)以來唯一的機(jī)器突變編碼的不允許在調(diào)換工作或操作染色體。考慮到這方面的限制，兩個(gè)突運(yùn)營商一直在使用，但是，其中只有一個(gè)應(yīng)用突變：
?隨機(jī)突變：在不同的機(jī)器隨機(jī)選擇執(zhí)行操作愛，J。
?負(fù)載均衡突變：在不同的機(jī)器被選中執(zhí)行?；谪?fù)載的選擇機(jī)時(shí)間表，以便運(yùn)營商尋找平衡機(jī)負(fù)荷。
其中第i行第j列隨機(jī)選擇。請注意這兩個(gè)變異算子，總是可行的時(shí)間表。
這兩種變異算子是相輔相成的。第一個(gè)假定所有的機(jī)器的均勻概率。第二個(gè)試圖改善的負(fù)載平衡，考慮到一個(gè)概率選擇是成反比的機(jī)器貸款。
優(yōu)先調(diào)度規(guī)則，適用于一個(gè)統(tǒng)一的突變有沒有先驗(yàn)信息的選擇優(yōu)勢一個(gè)在別人的規(guī)則。
4.5目標(biāo)函數(shù)
車間作業(yè)調(diào)度，如存在許多時(shí)間性能的措施完工時(shí)間，總流量的時(shí)候，總遲到，總延遲時(shí)間。我們的目的是減少以下兩個(gè)目標(biāo)：
? Cmax:Makespan. This measure returns the maximum completion
time of the jobs:
Cmax = max(Ci) (2)
where i ∈ {1, . . . , n} and the completion time of a job i is:
Ci = max{sk,i,j + pk,i,j} (3)
for j ∈ {1, . . . , o}, and k ∈ {1, . . . , m}.
? T: Total tardiness. The tardiness measures how much later than
the deadline the job finishes. If the job finished earlier than di, it
is assigned a negative lateness:
T =
n
i=1
max(0, Ci ? di) (4)
完工時(shí)間和總延遲時(shí)間是最重要的目標(biāo)這項(xiàng)工作的上下文中有一個(gè)時(shí)間表進(jìn)行評估時(shí)，
被開發(fā)出來。成本也有關(guān)，但它可以被視為時(shí)間依賴的變量，像如另一個(gè)目標(biāo)，兩個(gè)生產(chǎn)步驟之間的溝通能力，有在選擇最合適的時(shí)間表的影響不大。
圖日程表例如。 1（a）項(xiàng)，完工時(shí)間是的Cmax={10，6，8，11}= 8和T = 1總延遲時(shí)間T=1+0+0+0 =1。請注意，這兩個(gè)目標(biāo)函數(shù)依賴于機(jī)器的處理時(shí)間。估計(jì)這次是一個(gè)在任何制造業(yè)[44]的一項(xiàng)重要任務(wù)，并擁有龐大的計(jì)劃生產(chǎn)調(diào)度工作質(zhì)量的影響的過程。
5.加工時(shí)間估計(jì)的神經(jīng)網(wǎng)絡(luò)方法
在本節(jié)介紹的方法看起來精度高加工時(shí)間估計(jì)的回歸模型。處理amachine倍，可謂多項(xiàng)式的幾個(gè)輸入變量可以在許多不同的方式相結(jié)合的變量：
請注意，對于一個(gè)給定的機(jī)器，可以共存，有不同的多項(xiàng)式，每一個(gè)代表估計(jì)的處理一類輸入變量的時(shí)間。例如，在一個(gè)特定的機(jī)加工件厚度次，超過閾值可估計(jì)的多項(xiàng)式，并根據(jù)該閾值另一個(gè)多項(xiàng)式。
總結(jié)，學(xué)習(xí)的楷模，必須有能力近似的非線性函數(shù)，捕捉到的復(fù)雜關(guān)系中的數(shù)據(jù)，并確定回歸函數(shù)應(yīng)用每類機(jī)器和操作的輸入變量。此外，學(xué)習(xí)模式必須在變化的反應(yīng)供應(yīng)鏈配置。也就是說，它可以學(xué)習(xí)新的多項(xiàng)式各種機(jī)械的更新或新的操作一臺機(jī)器可以執(zhí)行?？紤]到先前的條件，一個(gè)神經(jīng)網(wǎng)絡(luò)的方法已被使用。神經(jīng)網(wǎng)絡(luò)是普遍逼近，并可以很容易地進(jìn)行培訓(xùn)，以地圖多維因?yàn)樗麄兊牟⑿畜w系結(jié)構(gòu)的非線性函數(shù)。
5.1多層感知器
我們每次估計(jì)方法是通過一個(gè)多層感知（MLP）的。通過網(wǎng)絡(luò)進(jìn)行了計(jì)算單隱層可以寫成
y = f (x) = B?(A S + a) + b (7)
其中S是投入的載體，XA的輸出向量，A和權(quán)重矩陣和偏置向量，而B的第一層和b是第二層的權(quán)重矩陣和偏置向量。函數(shù)φ表示sigmoidal函數(shù)φ（Z）= 1 /（1+ EXP-Z）。
標(biāo)準(zhǔn)反向傳播（BP）學(xué)習(xí)算法通過在學(xué)習(xí)過程中的時(shí)間估計(jì)[54]。在這里，輸出值與生產(chǎn)時(shí)間來計(jì)算誤差函數(shù)值。錯(cuò)誤然后通過網(wǎng)絡(luò)反饋和算法調(diào)整各方面的權(quán)重為了減少一些小的誤差函數(shù)值量。重復(fù)這個(gè)過程中，為一個(gè)足夠大的數(shù)字后，網(wǎng)絡(luò)培訓(xùn)周期通常會(huì)收斂一些國家其中的計(jì)算誤差小。調(diào)整權(quán)重，我們使用非線性優(yōu)化方法，被稱為共軛梯度。它的工作原理，通過反復(fù)計(jì)算搜索方向，沿搜索行程序，最小化的功能，生產(chǎn)一個(gè)新的近似客觀的（當(dāng)?shù)兀┳畹凸δ堋?
表2
然而，與BP訓(xùn)練的MLP網(wǎng)絡(luò)遭受一些缺點(diǎn)：（一），他們很容易陷入陷入局部極小，（二）他們有收斂速度慢，（三）網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)必須確定通過試驗(yàn)和錯(cuò)誤。要解決的第一個(gè)問題，學(xué)習(xí)算法簡單培訓(xùn)的多個(gè)網(wǎng)，并挑選出最好的。第二第三個(gè)問題，減輕了網(wǎng)絡(luò)優(yōu)化計(jì)劃。具體來說，訓(xùn)練方法，實(shí)現(xiàn)了網(wǎng)絡(luò)增長方式：一個(gè)小的網(wǎng)絡(luò)與布局開始只有一個(gè)隱藏的單位。網(wǎng)絡(luò)進(jìn)行訓(xùn)練，直到改善了一個(gè)時(shí)代的錯(cuò)誤低于某個(gè)閾值。然后該方法增加了額外的隱患單位，從重量輸入和輸出（重量已隨機(jī)初始化）和恢復(fù)訓(xùn)練。這個(gè)過程一直持續(xù)，直到?jīng)]有顯著的增益通過增加一個(gè)額外的單位。
圖10
6.結(jié)論
我們NSGA-II的調(diào)度方法已驗(yàn)證經(jīng)典的車間作業(yè)調(diào)度的幾個(gè)基準(zhǔn)問題。更具體地說，我們使用測試由Hurink等創(chuàng)建套房。 [55]，適應(yīng)原靈活的車間作業(yè)調(diào)度車間作業(yè)調(diào)度問題。在這些問題中，每個(gè)操作已指派一組計(jì)算機(jī)和使用，不僅機(jī)器的Mk在原來的問題。問題的數(shù)據(jù)是可用的[56]。 “基準(zhǔn)問題的截止日期已根據(jù)[57]：2，3和11工作有一個(gè)截止日期，相應(yīng)的1.5倍處理時(shí)間的工作;工作n，其中n是多少問題的工作，有平等的處理時(shí)間截止日期;余下的工作有一個(gè)截止日期，相應(yīng)的2倍處理時(shí)間。
我們已與其他我們NSGA-II的方法MOEAs.1Table22最好，平均完工時(shí)間和最好的，平均總延遲時(shí)間為10每個(gè)方法運(yùn)行。每50萬人口200迭代組成的執(zhí)行個(gè)人，交叉和突變率設(shè)定為0.95和0.05，respectively.3在每個(gè)測試問題，最好的完工時(shí)間和最佳總延遲時(shí)間的方法是黑體字標(biāo)示。請注意迭代已采取的Paretofront建立的考慮到演化。這種演化的一個(gè)例子測試問題la24描繪圖。 10。在這種情況下，我們可以看到如何迭代各條戰(zhàn)線的改善是小于1％400,000和500,000。
表3
如表2所示，NSGA-Ⅱ獲得的最好的完工時(shí)間和最好的總延遲時(shí)間的17個(gè)問題中的11。
表3總結(jié)了NSGA-Ⅱ之間的比較結(jié)果FastPGA，GDE3，佩斯PESA的-II和SPEA2。 ~~ C公制[57]用于比較的近似Pareto最優(yōu)解集之間NSGA-Ⅱ和每個(gè)MOEAs。更具體地說，在?（甲，乙）測量分?jǐn)?shù)為主，B組的成員組成員：
如表3所示NSGA-II的性能優(yōu)于大多數(shù)其他MOEAs在大多數(shù)的情況下。 NSGA-Ⅱ獲得較低的?比C公制13問題FastPGA，比GDE3的PAES對所有的問題，比PESA的二15問題，和10比SPEA2 17問題。我們一定要說法，SPEA2，排在第二位的算法，只有明確優(yōu)于NSGA-Ⅱ，在abz9，la06，MT20和orb9案件。在其他三個(gè)問題SPEA2得到更好~~ C公噸，NSGA-Ⅱ和SPEA2的結(jié)果是相似的。至說明解的收斂性和多樣性，非支配NSGA-II的最后一代的解決方案和SPEA2的問題la24圖。 11。解決方案這兩種算法以及傳播和融合。然而中，NSGAII產(chǎn)生更多的非劣解測試問題。
6.1討論
表4總結(jié)了不同的MOEAs的特點(diǎn)。第二列顯示的方式，在每個(gè)健身個(gè)人計(jì)算[59]。從視圖的優(yōu)勢點(diǎn)，該算法可以分為三組：深度（前個(gè)人所屬），排名（個(gè)人主宰個(gè)人）和count（個(gè)人為主由個(gè)人）。從多樣性的觀點(diǎn)來看，該算法使用兩種保護(hù)機(jī)制：擁擠和健身共享此外，健身共享是基于兩個(gè)標(biāo)準(zhǔn)：近鄰和直方圖。最后，最后一列表示進(jìn)化的運(yùn)營商用于：交叉（c）和突變（M）。
考慮到算法的特點(diǎn)和結(jié)果顯示在表2和3的車間作業(yè)調(diào)度的基準(zhǔn)，我們可以提取車間作業(yè)調(diào)度使用的MOEAs得出以下結(jié)論：
?最好的MOEAs是NSGA-Ⅱ和SPEA2，這與以往的同意知識MOEAs在不同類型的性能的問題。
?使用任何優(yōu)勢準(zhǔn)則（NSGA-Ⅱ，SPEA2）優(yōu)于那些只依靠優(yōu)勢對個(gè)人（佩斯PESA的-II和GDE3）之間。
?優(yōu)勢深度（NSGA-Ⅱ），其中僅依靠質(zhì)量個(gè)人，效果更好（在大部分的問題），比其他優(yōu)勢的方法（SPEA2并FastPGA），這也考慮解決方案的主導(dǎo)和支配個(gè)人。它似乎得到更好的結(jié)果時(shí)，人口有大量的非支配個(gè)體，雖然多樣性可能是低中最好的方面。這可能由于規(guī)模龐大的搜索空間，在車間作業(yè)調(diào)度事實(shí)。
表4
表5
表6
考慮到這一點(diǎn)作為今后的工作，這將是有趣修改健身不僅包括顯性的深度，但還有其他的標(biāo)準(zhǔn)，以引進(jìn)更多元化，在最好的帕累托各條戰(zhàn)線。這已經(jīng)是在NSGA-II的擁擠距離，但它只是用來當(dāng)個(gè)人的最后Pareto前沿必須為未來的人口選擇。解決方案應(yīng)該之間中途NSGA-II的和SPEA2健身方法的。
6.2時(shí)間估計(jì)
我們的處理時(shí)間估計(jì)的神經(jīng)網(wǎng)絡(luò)方法已驗(yàn)證的機(jī)器，目前的一個(gè)子集正在使用的實(shí)木家具行業(yè)的生產(chǎn)計(jì)劃。這些機(jī)器是：RIP鋸邊和翻錄我（RS-I），磨料校準(zhǔn)機(jī)（ACM），單板切片機(jī)（VS），RIP看到磨邊和翻錄II（RS-Ⅱ），大板和調(diào)試系統(tǒng)（CSLB）。 1500件家具定制的數(shù)據(jù)，有在工廠建成沿幾年，已被用來生成的例子套。每件的尺寸獲得，然后，為每個(gè)機(jī)器加工時(shí)間測量。這些時(shí)間是很吵becausemanyof的操作需要由人工操作的某種操控，也因?yàn)檫@個(gè)操作符措施手動(dòng)倍。
在每個(gè)例子中，下列變量被認(rèn)為是為每個(gè)件件家具的長度，寬度和厚度，以及在一塊機(jī)的處理時(shí)間。神經(jīng)網(wǎng)絡(luò)，以盡量減少錯(cuò)誤的時(shí)間估計(jì)。實(shí)驗(yàn)進(jìn)行了五倍交叉驗(yàn)證每個(gè)例子集。每一套分為五個(gè)亞群大小相等，學(xué)習(xí)過程中運(yùn)行的五倍，作為培訓(xùn)設(shè)置四個(gè)子集，剩下的一個(gè)測試。測試集不同的是在每個(gè)運(yùn)行。
我們相比，我們的神經(jīng)網(wǎng)絡(luò)方法（NN-MPCG[6]）其他回歸在實(shí)驗(yàn)techniques.4中，我們30神經(jīng)元有一個(gè)隱藏層的方法是運(yùn)行。表5-9顯示，每個(gè)機(jī)（或數(shù)據(jù)集），平均方誤差培訓(xùn)（MSEtra），測試（MSEtst）五倍交叉驗(yàn)證實(shí)驗(yàn)每個(gè)technique.5在每個(gè)表，較低的平均值為MSEtra和MSEtst黑體字標(biāo)示。
表7
表8
表9
可以排在提高精度的秩序的方法：MOGUL-TSK，M5，QLMS，NN - MPCG。如果我們比較平均所有的機(jī)器MSEtst值，M5是最好的方法機(jī)器VS中，QLMS克服了其他兩個(gè)算法機(jī)（RS-我和CSLB的），和我們的NN - MPCG回歸的方法在另外兩臺機(jī)器（RS-II和ACM）最佳。比較我們的與其他提案的方式，可下面的討論：大亨-TSK的錯(cuò)誤，進(jìn)入帳戶MSEtst采取，范圍了151％（CSLB，表5）和32％（VS，表8）高于之間NN - MPCG。此外，為M5的算法，誤差范圍之間30％以上（機(jī)ACM，表9）和低5％（VS，表8）。
最后，QLMS是在三個(gè)比我們更好的建議機(jī)器，范圍從5％（Vs，表8）13％（CSLB，表5）低級錯(cuò)誤。然而，在其他兩臺機(jī)器的準(zhǔn)確性QLMS算法很差與NNMPCG時(shí)相比方法：誤差為33％（RS-II表6）和109％器（ACM，表9）?？傊?，我們的建議（NN-MPCG）獲得具有較好的規(guī)律性比所有的時(shí)間估計(jì)的準(zhǔn)確性高機(jī)。這意味著，盡管其他方法有一個(gè)較低的在一些機(jī)器的錯(cuò)誤，在最壞的情況下改善低。相反，當(dāng)NN-MPCG克服了其他方法改善高得多。
7.結(jié)論
在自定義的多目標(biāo)調(diào)度機(jī)解決方案家具行業(yè)已經(jīng)呈現(xiàn)。該解決方案基于多目標(biāo)進(jìn)化方法與神經(jīng)網(wǎng)絡(luò)。該系統(tǒng)采用NSGA-Ⅱ算法產(chǎn)生這是他們的基礎(chǔ)上進(jìn)行了優(yōu)化可靠的時(shí)間表完工時(shí)間和總延遲時(shí)間。此外，加工時(shí)間估計(jì)已獲得通過多層感知器神經(jīng)網(wǎng)絡(luò)。
該系統(tǒng)已廣泛的測試，并與其他方法。我們基于NSGA-Ⅱ算法一直比較另有五MOEAs在17個(gè)不同的古典車間作業(yè)調(diào)度，跑贏其他算法在大多數(shù)問題。此外，通過多層感知器處理的時(shí)間估計(jì)神經(jīng)網(wǎng)絡(luò)已顯示出比其他更好的精確度回歸技術(shù)進(jìn)行了分析。此外，試驗(yàn)還證明有效的反應(yīng)時(shí)間都以一個(gè)巨大的工作負(fù)荷環(huán)境的變化，如新的定義，客戶訂單或生產(chǎn)日期的變化。
致謝
作者希望感謝Sadigh BALAY他的幫助支持，和提供有價(jià)值的線索。這項(xiàng)工作是由西班牙的一部分科學(xué)與創(chuàng)新部支持的，贈(zèng)款TIN2008-00040TSI2007-65677C02-1。曼努埃爾Mucientes支持拉蒙y Cajal的西班牙科學(xué)和創(chuàng)新部的計(jì)劃。
一、畢業(yè)設(shè)計(jì)（論文）的內(nèi)容
木制衣架拋光機(jī)用于對衣架粗胚進(jìn)行打磨拋光的機(jī)械，是衣架制造企業(yè)進(jìn)行衣架自動(dòng)加工的關(guān)鍵設(shè)備之一。為實(shí)現(xiàn)衣架自動(dòng)打磨拋光的功能，設(shè)計(jì)衣架拋光機(jī)拋光部分。具體任務(wù)如下：
1. 分析衣架拋光的要求，研究系統(tǒng)的工作原理；
2. 提出衣架拋光機(jī)拋光部分的工作原理，進(jìn)行結(jié)構(gòu)設(shè)計(jì)；
3. 繪制衣架拋光機(jī)拋光部分的裝配圖及典型零件的零件圖；
4. 對拋光部分的關(guān)鍵參數(shù)進(jìn)行計(jì)算和校核。
二、畢業(yè)設(shè)計(jì)（論文）的要求與數(shù)據(jù)
1. 所提出衣架拋光的工作原理應(yīng)符合木制衣架自動(dòng)打磨拋光的需要；
2. 用Solidworks建立衣架拋光機(jī)拋光部分的3D裝配模型；
3. 繪制衣架拋光機(jī)拋光部分的裝配圖及典型零件的零件圖；
4．設(shè)計(jì)說明書（畢業(yè)設(shè)計(jì)說明書）應(yīng)包含中英文摘要、設(shè)計(jì)方案比較、結(jié)構(gòu)設(shè)計(jì)等內(nèi)容。
三、畢業(yè)設(shè)計(jì)（論文）應(yīng)完成的工作
1、完成二萬字左右的畢業(yè)設(shè)計(jì)說明書（論文）；在畢業(yè)設(shè)計(jì)說明書（論文）中必須包括詳細(xì)的300-500個(gè)單詞的英文摘要；
2、獨(dú)立完成與課題相關(guān)，不少于四萬字符的指定英文資料翻譯（附英文原文）；
3、繪制衣架拋光機(jī)拋光部分的裝配圖及典型零件的零件圖（所有圖紙均采用計(jì)算機(jī)繪制，折合A0圖紙3張以上）。
四、應(yīng)收集的資料及主要參考文獻(xiàn)
[1] 孫桓, 陳作模. 機(jī)械原理[M]. 北京：高等教育出版社, 2001.
[2] 徐灝. 機(jī)械設(shè)計(jì)手冊. 機(jī)械工業(yè)出版社, 1991.
[3] 濮良貴, 紀(jì)名剛. 機(jī)械設(shè)計(jì)[M]. 北京：高等教育出版社, 2005
[4] 楊叔子. 機(jī)械加工工藝師手冊[M]. 北京：機(jī)械工業(yè)出版社, 2002.
[5] 吳宗澤. 機(jī)械設(shè)計(jì)實(shí)用手冊[M]. 北京：機(jī)械工業(yè)出版社, 2002.
[6] 潘俊萍. 極坐標(biāo)數(shù)控專用木工銑床設(shè)計(jì)與仿真研究[D]. 東北林業(yè)大學(xué), 2011.
[7] 馬巖. 我國家具加工機(jī)械數(shù)控技術(shù)的開發(fā)方向與應(yīng)用前景[J]. 林業(yè)機(jī)械與木工設(shè)備, 2008, 36(1): 4-12.
[8] SolidWorks公司著. SolidWorks裝配體建模[M]. 北京：機(jī)械工業(yè)出版社, 2005.
[9] 胡仁喜等. SolidWorks 2005機(jī)械設(shè)計(jì)及實(shí)例解析[M]. 北京：機(jī)械工業(yè)出版社, 2005.
[10] Juan C. V, Manuel M, Alberto B, Manuel L. Machine scheduling in custom furniture industry through neuro-evolutionary hybridization[J]. Applied Soft Computing, 2011, 11: 1600-1613.
五、試驗(yàn)、測試、試制加工所需主要儀器設(shè)備及條件
計(jì)算機(jī)一臺
任務(wù)下達(dá)時(shí)間：
2012年 1 月09日
畢業(yè)設(shè)計(jì)開始與完成時(shí)間：
2012年1月09日至 2012年 6 月 03 日
組織實(shí)施單位：
教研室主任意見：
簽字： 2011 年12月 30 日
院領(lǐng)導(dǎo)小組意見：
簽字： 2012 年 1 月 05 日
收藏