模糊Flow—shop问题及其遗传优化

研究模糊生产环境下的Ｆｌｏｗ－ｓｈｏｐ调度问题。针对实际生产中工时间的不确定性,应用模糊加工时间参数替代传统的清晰参数表示方法,引入了一种新的模糊比较方法－－面积补偿法,构造了一种解模糊Ｆｌｏｗ－ｓｈｏｐ问题的有效遗传算法。最后给出计算实例及仿真结果。     

同顺序（Flow—shop）排序问题的模拟退火求解

本文为Ｆｌｏｗ－ｓｈｐｏ问题的求解一般地构造一类随机方法－模拟退火算法，基于６种不同的随机抽样方式，分析表明求解算法渐近收敛于全局最优解集且具有多项式计算复杂特性，以不同实例规模的ＵＩＳ，ＦＩＳ和ＮＩＳ的Ｍａｋｅｓｐａｎ最小Ｆｌｏｗ－ｓｈｏｐ排序问题为例，计算结果表明模拟退火求解Ｆｌｏｗ－ｓｈｏｐ排序问题是有效的。     

基于遗传算法的多机多阶段的Flow Shop问题

讨论了多阶段多机的Ｆｌｏｗ Ｓｈｏｐ问题（Ｆｌｏｗ Ｓｈｏｐ ｗｉｔｈ Ｍｕｌｔｉｐｌｅ Ｐｒｏｃｅｓｓｏｒｓ总是），问题的目标是使工件的提前／拖期总成本最小。这是一个ＮＰ－难题。为此，首先给出了问题的数学模型，然后构造了一个有效的遗传算法。在本文的最后给出了实验结果和结论。     

Flow－shop调度问题的遗传启发算法

结合遗传算法和启发式规则，构造了一种新的遗传启发搜索算法，用于求解Ｆｌｏｗ－ｓｈｏｐ调度问题．通过分析和实例计算表明，算法能够有效地适用于大规模加工过程中调度问题的优化计算，在运行时间，适应性和最优率等方面都具有很好的搜索优势．     

带模糊交货期的流水生产调度问题及其模拟系统研究

建立了平行顺序移动方式下带模糊交货期的Ｆｌｏｗ Ｓｈｏｐ调度问题的模型,用每个工作模糊交货期的隶属函数表示决策者对该工件完工时间的满意度,以总满意度为目标函数,设计了一个基于遗传算法的计算机模拟系统进行仿真试验,结果是令人满意的。     

Flow—shop调度问题的遗传启发算法

结合遗传算法和启发式规则，构造了一种新的遗传启发搜索算法，用于求解Ｆｌｏｗ－ｓｈｏｐ调度问题。通过分析和实例计算表明，算法能够有效地适用于大规模加工过程中调度问题的优化计算，在运行时间，适应性和最优率等方面都具有很好的搜索优势。     

半导体制造中的车间层控制

由于半导体制造业的高收益性激烈竞争，它的生产线复杂，特别是车间层的复杂控制问题，已成为研究的热点，半导体产生产线不同于Ｊｏｂ－ｓｈｏｐ和Ｆｌｏｗ－ｓｈｏｐ的第三种类型生产线，它的加工路径长，在回流（Ｎｏｎ－ａｃｙｃｌｉｃ）且随机性大，此我，设备特性各异，因此，如何有效地管理，使之满意市场竞争的需要，是对研究者和工业 巨大挑战，本文从设备特性，控制问题内容和解决途径的角度，对该领域近几年的主要研究成     

冷轧合同批量调度的模糊Job Shop模型及算法

针对冷轧薄板生产线机组设备多、产品种类多的特点,提出一种合同批量调度方法．该方法将生产合同按产品种类和交货期组批处理,建立了具有模糊处理时间的Ｊｏｂｓｈｏｐ调度模型来描述整个生产物流情况,并定义了分情况的合同批量加工时间推算规则．针对调度模型的求解,给出一种多子种群并行粒子群算法．利用宝钢冷轧薄板厂的实际生产数据进行了试运行,结果表明,该方法可大幅度提高合同交货期满意度,并能有效减少合同批量调度的工作时间。     

一种自适应的模拟退火算法

提出一种自适应ＳＡ算法,该算法根据邻域搜索进展的反馈信息,自适应确定温度变化和邻域搜索强度。对Ｆｌｏｗ ｓｈｏｐ问题的计算结果表明,该算法基本独立于初始温度的选择,具有较强的鲁棒性。     

知识概念的模糊模型及模糊目标的识别

作为ＥＢＬ（Ｅｘｐｌａｎａｔｉｏｎ－ＢａｅｓｅｄＬｅａｒｎｉｎｇ）的发展,从概念的自然形成过程出发,提出了一种新的概念模型ＦＥＢＭ（ＦｕｚｚｙＥｘｐｌａｎａｔｉｏｎ－ＢａｓｅｄＭｏｄｅｌ）当概念的解释谓词集中模糊集以及解释谓词取模糊逻辑值时,给出了求概念真值的表达式;为了解决模糊概念的识别问题,引入了概念的模糊解释树ＦＥＴ,接着给出了对象的模糊识别算法ＦＥＢＬ,最后讨论了ＦＥＢＭ与ＦＥＢＬ的可操作     

Fuzzy branch-and-bound algorithm for flow shop scheduling

Scheduling is the allocation of resources over time to perform a collection of task. It is an important subject of production and operations management area. For most of scheduling problems made so far, the processing times of each job on each machine and due dates have been assigned as a real number. However in the real world, information is often ambiguous or imprecise. In this paper fuzzy concept are applied to the flow shop scheduling problems. The branch-and-bound algorithm of Ignall and Schrage was modified and rewritten for three-machine flow shop problems with fuzzy processing time. Fuzzy arithmetic on fuzzy numbers is used to determine the minimum completion time (C _max). Proposed algorithm gets a scheduling result with a membership function for the final completion time. With this membership function determined, a wider point of view is provided for the manager about the optimal schedule.     

模糊Job Shop调度交货满意度模型研究

针对生产环境中调度参数的不确定性,研究含模糊加工时间和模糊交货期的Job Shop调度问题,用6点模糊数表示加工时间梯形模糊数表示交货期。基于隶属度定义工件交货满意度,以最大化平均工件交货满意度作为优化目标建立模糊调度数学模型。基于模糊截集概念设计稳定性指标评价优化方案的稳定性,最后通过仿真结果证明所设计模型能够获得稳定性较好的满意调度方案。     

直觉模糊集相似度遗传算法求解多目标车间调度问题

为了提高高维多目标置换流水车间调度问题的求解质量,提出基于直觉模糊集相似度的遗传算法(similarity of intuitionistic fuzzy sets GA,SIFS_GA).算法中分别将参考解和Pareto解映射为参考解直觉模糊集和Pareto解直觉模糊集.计算两个集合之间的直觉模糊相似度,用以判断Pareto解的优劣.以直觉模糊集相似度值引导多目标遗传算法进化.对6个CEC标准测试集与10个流水车间调度测试实例进行仿真实验,结果表明SIFS_GA算法性能优于常用的多目标优化算法,且可以有效解决多目标置换流水车间调度问题,尤其在解决规模较大的问题上是一种有效方法.     

基于不确定作业时间的FSM P 调度问题研究

针对一类加工时间不确定的FSMP调度问题，建立了基于扩展期望区间数近似不确定参数的优化模型．提出了利用扩展期望区间数构造参数近似边界的取极大运算方法，给出了包含不确定度控制指标的多目标优化模型．基于算例，讨论了决策因子和不确定度控制指标对调度性能的影响，仿真结果及分析表明了该模型和算法的有效性与鲁棒性．     

改进多目标进化算法求解柔性作业车间调度问题

针对加工时间为模糊数的柔性作业车间调度问题,考虑最小化模糊最大完工时间、模糊机器总负荷、模糊关键机器负荷为优化目标,提出一种有效求解该类优化问题的多目标进化算法。算法采用一种混合不同机器分配和工序排序策略的方法产生初始种群,并采用插入空隙法对染色体进行解码。定义一种新的基于可能度的个体支配关系和一种基于决策空间的拥挤算子,并将所提支配关系和拥挤算子运用于快速非支配排序。接着,提出一种基于移动模糊关键工序的局部搜索策略对种群中的优势个体进行局部搜索。通过试验研究关键参数对算法性能的影响并将所提算法与3种不同的优化算法作对比。结果表明,所提算法能够比其它算法更有效解决多目标模糊柔性作业车间调度优化问题。     

基于QPSO算法的模糊流水车间调度问题

实际生产过程中由于各种客观因素的影响,流水车间调度问题往往具有模糊不确定性。介绍了模糊流水车间调度问题,在此基础上提出了一种收敛速度快、全局性能好的量子微粒群算法来解决该问题。通过仿真实例对该算法进行了验证。结果表明,在求解模糊流水车间调度问题时,量子微粒群算法有很好的效果。     

不确定条件下中间存储时间有限的的免疫调度算法

研究了流程工业中不确定条件下的flowshop生产调度问题,采用模糊数学的方法来表示处理时间的不确定性,在基于模糊规划理论的基础上建立了中间存储时间有限的调度模型,并结合免疫算法的特点,提出了解决此类问题的模糊免疫调度算法。通过仿真试验,表明了该模型的有效性和算法的可行性。     

An effective method for solving flow shop scheduling problems with fuzzy processing times

This paper show that fuzzy set theory can be useful in modelling and solving flow shop scheduling problems with uncertain processing times and illustrates a methodology for solving job sequencing problem which the opinions of experts greatly disagree in each processing time. Triangular fuzzy numbers (TFNs) are used to represent the processing times of experts. And the comparison methods based on the dominance property is sued to determine the ranking of the fuzzy numbers. By the dominance criteria, for each job, a major TFN and a minor TFN are selected and a pessimistic sequence with major TFNs and an optimistic sequence with minor TFNs are computer. Branch and bound algorithm for makespan in three-machine flow shop is utilized to illustrate the proposed methodology.     

超启发式遗传算法求解模糊柔性作业车间调度

本文提出一种混合超启发式遗传算法(HHGA),用于求解一类采用三角模糊数表示工件加工时间的模糊柔性作业车间调度问题(FFJSP),优化目标为最小化最大模糊完工时间(即makespan).首先,详细分析现有三角模糊数排序准则性质,并充分考虑取大操作的近似误差和模糊度,设计一种更为准确的三角模糊数排序准则,可合理计算FFJSP和其他各类调度问题解的目标函数值.其次,为实现对FFJSP解空间不同区域的有效搜索,HHGA将求解过程分为两层,高层利用带自适应变异算子的遗传算法对6种特定操作(即6种有效邻域操作)的排列进行优化;低层将高层所得的每种排列作为一种启发式算法,用于对低层相应个体进行操作来执行紧凑的变邻域局部搜索并生成新个体,同时加入模拟退火机制来避免搜索陷入局部极小.最后,仿真实验和算法比较验证了所提排序准则和HHGA的有效性.     

求解模糊Job Shop调度的遗传算法与蚁群算法融合研究

提出一种算法融合策略,解决单一算法求解模糊Job Shop调度问题存在的不足,提高这类问题的求解质量.算法融合策略中,采用遗传算法和蚁群算法进行并行搜索;根据模糊Job Shop调度问题解的特征,提出基于关键工序的邻域选择方法,并将基于这种邻域选择方法的禁忌搜索算法作为局部搜索算法,加强了遗传算法和蚁群算法的局部搜索能力.采用算法融合策略的混合优化算法对以13个难的benchmarks问题经模糊化得到实例进行求解,在较短的时间内,得到的平均满意度较并行遗传算法(PGA)提高5.24%、较TSAB算法提高8.40% .采用算法融合策略构造的混合算法具有较强的搜索能力,说明提出的混合搜索策略是有效的.