QQ登录

只需要一步,快速开始

 注册地址  找回密码
查看: 3799|回复: 0
打印 上一主题 下一主题

[建模教程] 2018-B2:基于多原则比较和蒙特卡洛模拟的 RGV 动态调度模型

[复制链接]
字体大小: 正常 放大
杨利霞        

5273

主题

82

听众

17万

积分

  • TA的每日心情
    开心
    2021-8-11 17:59
  • 签到天数: 17 天

    [LV.4]偶尔看看III

    网络挑战赛参赛者

    网络挑战赛参赛者

    自我介绍
    本人女,毕业于内蒙古科技大学,担任文职专业,毕业专业英语。

    群组2018美赛大象算法课程

    群组2018美赛护航培训课程

    群组2019年 数学中国站长建

    群组2019年数据分析师课程

    群组2018年大象老师国赛优

    跳转到指定楼层
    1#
    发表于 2019-9-27 10:50 |只看该作者 |倒序浏览
    |招呼Ta 关注Ta
    2018-B2:基于多原则比较和蒙特卡洛模拟的 RGV 动态调度模型
    9 w- [% g( S* f' M. P5 I9 ~. D
    6 |1 Z" V: M, p1 ]& O
    1 @( q5 U( N2 s2 \5 v6 i( B  I2 I
    本文从规划模型、多原则求解的角度,综合了蒙特卡洛模拟与机器学习的思
    " f. J3 r1 L& b/ R' P( i8 b8 N想,研究了由 8 台 CNC、1 辆 RGV 以及其他附属设备组成的智能加工系统的动0 s9 X* |2 }; d& P$ z# A- T
    态调度问题,并给出了不同工序情况下的具体调度方案。
    * Q8 J$ W& \0 _1 T9 B: t8 p8 b针对情况一:单工序的作业流程较为简单。首先,利用规划的各个约束条件,
    $ l) w4 h" q2 h4 N4 S刻画了 RGV 在 CNC 之间的运动过程、单个物料的加工过程、“上下料”时 RGV
    , K% n( h8 F& |6 x2 ]+ I手爪的旋转过程、清洗作业的过程、RGV 移动至下一个机床进行加工的过程等
    2 Q/ B- C0 x, j: K7 q8 w' L等。此外,还刻画了物料加工与运送的“唯一性”,以及利用 0-1 变量构造的目
    / R. [, \9 y1 i. C$ ~5 k标函数。规划的目的是,在给定的时间内,使得加工出的物料数量最多。然而,
    " [- _4 j7 [# J- y; [2 ?8 N% K这样的规划是一个 NP 问题,无法通过传统的方法求解,所以进而寻求模拟的方
    5 j/ N0 ?4 ^) u- {& @' c% Q9 n- g, F法求得局部最优解。7 |/ m3 f* T  l
    本文选取了“就近原则”——构造时间代价函数,“FIFO 原则”——考虑各 6 H! `* c3 `7 }( _" L9 p8 {: D
    台 CNC 的等待时间,以及“HRRN 原则”——将时间代价与等待时间进行综合
    : S0 |& k- U$ P考虑,分别对情况一进行了模拟。事实上,每种原则的结果相同:第一组数据加
    9 x" a* A3 a9 ~4 M3 C$ o% _4 A工完成了 383 件物料,第二组数据加工完成了 360 件物料,第三组数据加工完成
    0 r- i9 P' t$ _% Y3 \% X; ?- s了 393 件物料。并且,调度的方案全部为 1→2→…→8→1→… 此外,第三组数& h2 B8 Q. n3 X$ t5 k( d8 N. }
    据的系统效率最高,为 49.125 件/h.
    - C  x# S7 ]- Z: o6 _9 B! |7 |" p3 P针对情况二:双工序的作业流程十分复杂。首先,在情况一的基础上,对规
    & M/ |9 l; |7 m$ M: q! h  p( J8 z划的各个约束条件进行修正;并着重刻画了 RGV 移动至下一个机床进行加工的5 `4 I+ C' Z" c, G1 l& d4 N
    过程。
    3 J" ^8 m! d( R此外,双工序流程中各台 CNC 所负责的工序也是不确定的;因此,本文对
    / B& E% ?$ d. t# R256 种工序布局方案,结合三种选取原则,进行了遍历。得到的结果是:第一组
    $ ]: g; `5 F! {0 W$ n, Z+ U8 D数据的各台 CNC 最优工序分配为 1-2-1-2-1-2-1-2,三种原则结果一致,最终加工
    ( E5 K# ^* \2 L" [出 253 件物料;第二组数据的各台 CNC 最优工序分配为 2-1-2-1-2-1-2-1,“FIFO
    3 m- J* f7 u; w( A' j原则”和“HRRN 原则”更优,最终加工出 212 件物料;第三组数据的各台 CNC. ]% ?: h2 A9 {% }4 n3 X& j
    最优工序分配为 1-1-2-1-2-1-1-2,“就近原则”最优,最终加工出 241 件物料。此
    7 X8 f0 t# e  k" ]% Q2 b外,所有的调度方案均呈现有规律的循环状态。
    , H* I1 e3 Y+ }然后,利用“基于蒙特卡洛的学习算法”,在构造正反馈的前提下“随机”! _) B/ `9 ^1 J3 _/ ?1 H8 _$ w/ P8 A
    地尝试以获得更优解。结果反映了,三种原则中的最优原则,已非常接近全局最
    # V. i+ U- d, G! t) d优。此外,第一组数据和第三组数据的作业效率一样高,均为 30.125 件/h.! U+ V5 p! _8 i. F# O2 \# _
    针对情况三:同时考虑单工序流程与双工序流程。构造了随机变量“是否故8 D: Y3 \' s4 L0 ], |  Y0 r! E$ B
    障”、“故障发生时间”和“故障排除时间”,并将它们融合进入规划模型。求解
    + d+ Y8 O$ k0 s) X+ `8 ^+ c结果显示,遭遇故障后,单工序流程系统效率最多下降了 2.25 件/h,而双工序流* ~' a9 K, A# O1 [
    程系统效率最多下降了 1.875 件/h.
    ) ]" V/ y, Y9 p) @- C本文的亮点在于:首先,利用一般化的公式对系统调度进行了较为细致的机
    ) [/ \+ E4 v2 R! V5 d理分析,使得模型具有普适性;其次,给出了多个调度原则相互比较,从而有利! e2 p- F! n) ]  q! ~# d
    于结果更优;最后,将蒙特卡洛模拟与机器学习的思想相结合,对上述调度原则
    2 V6 J# @& M: X7 e' F  p% J的有效性进行验证,增强了模型的说服力。" ?' k6 }! a: I* E, U8 k$ G1 C

    8 X8 x+ y! L/ c' U4 W
    - w  x  m( Y6 e0 d
    % d2 }  w( O9 P$ r( y! |, f4 Q

    2018-B2:基于多原则比较和蒙特卡洛模拟的 RGV 动态调度模型.pdf

    635.83 KB, 下载次数: 3, 下载积分: 体力 -2 点

    售价: 2 点体力  [记录]

    zan
    转播转播0 分享淘帖0 分享分享0 收藏收藏0 支持支持0 反对反对0 微信微信
    您需要登录后才可以回帖 登录 | 注册地址

    qq
    收缩
    • 电话咨询

    • 04714969085
    fastpost

    关于我们| 联系我们| 诚征英才| 对外合作| 产品服务| QQ

    手机版|Archiver| |繁體中文 手机客户端  

    蒙公网安备 15010502000194号

    Powered by Discuz! X2.5   © 2001-2013 数学建模网-数学中国 ( 蒙ICP备14002410号-3 蒙BBS备-0002号 )     论坛法律顾问:王兆丰

    GMT+8, 2026-4-12 06:14 , Processed in 0.303904 second(s), 55 queries .

    回顶部