基于遗传优化算法求解作业车间调度问题

将一类具有路径柔性的作业车间调度问题，分解为任务优化分配和任务优化调度两个子问题，结合遗传算法和启发式算法，提出了基于遗传算法的优化调度算法，并有实例证实了该算法的有效性。     

生产调度问题的启发式遗传算法

将遗传算法 (GA)和启发式算法 (H A)结合 ,进行生产调度问题的求解 ,提出了一种新的启发式遗传算法 (HGA)。在应用该算法的过程中 ,给出了适合的遗传操作和启发式规则的运用方法。最后 ,简单介绍了研制的软件原型。     

基于SAP系统的面向Job Shop调度的混合遗传算法研究

通过构造一种新型的与启发式算法相结合的遗传算法,即充分利用启发式算法和遗传算法的优点来解决离散生产类型车间调度问题.并通过某一车间调度应用项目,验证该算法的可性行.     

超启发式遗传算法柔性作业车间绿色调度问题研究

针对启发式算法通用性较差的问题,建立了多目标柔性作业车间绿色调度模型,设计了一种超启发式遗传算法对问题进行求解.首先,建立了以最大完工时间和最小能耗为目标的柔性作业车间绿色调度模型,并设计了超启发式遗传算法对模型进行优化求解;然后,对于高层启发式策略采用遗传算法,随机生成初始种群,对种群进行了选择、交叉和变异操作,并且...     

基于JIT的面向JSSP一种启发式快速搜索算法

将准时制(JIT)生产模式与启发式搜索算法相结合,应用到作业车间调度问题(Job Shop Scheduling Problem,JSSP)上,针对目前主流的启发式搜索算法(遗传算法GA等)存在的缺陷,提出了一种面向JSSP快速任务调度搜索算法.对国际上通用的benchmark算例模拟实验表明,该算法求解速度快,解质量稳定,应用于实时调度和大规模调度问题具有一定的优势.     

多工艺路线多资源多目标的作业调度优化

针对多工艺路线多加工资源多目标的作业调度问题,提出了一种启发式活动调度算法,将该方法与多目标遗传算法及模糊优选技术相结合,得到了一种新调度算法.基于工序的染色体编码方法和基于活动启发式算法的交叉算子的运用,有效地缩小了遗传算法的搜索空间.将随机产生的权系数与模糊优选技术相结合,有助于遗传算法搜索到多个优良的调度方案,这为决策者得到最满意的调度方案提供了保证.仿真结果表明该算法是可行的,与国外学者的同类研究相比,具有一定的优越性.     

基于MAZAK柔性制造线的粒子群与免疫算法研究

将免疫遗传算法运用到柔性生产中能够极大地改进遗传算法的缺点,提高收敛效果。在此基础上提出了粒子群算法,并与免疫遗传算法进行对比,分析最优结果;将其应用到车间调度中能极大地提高调度路径的优化。运用仿真将克隆免疫算法的调度结果与粒子群算法的调度结果对比,以获得较优的结果。     

作业车间排序重调度问题及其改进修复约束满足算法

作业车间往往因出现新作业而需要进行重调度.为尽量减少由重调度带来的计划变更,除了优化原有的性能指标外,还应减小重调度结果与原排序之间的差异.由此,提出一种双目标优化模型.为方便求解,将模型进行了分解,构建了可以分步求解的分级模型.对分级模型提出改进的修复约束满足算法(修复法),通过采用新的变量表示形式,设计了变量排序的启发式算法,并采用变量互换启发式算法,以保证全局搜索性能.以90个作业车间标准算例为基础,设计了重调度算例,并与现有代表性的第二代非支配排序遗传算法优化结果进行了对比,结果表明在相同运行时间下,所提算法更具优越性.     

启发式算法和遗传算法在生产调度中的应用

根据现代制造企业对生产调度的要求,提出了一种启发式算法和遗传算法相结合的生产调度系统结构。使用启发式规则为各工序分配机器,制定加工计划,调用遗传算法对加工计划进行排序,生成最终调度结果。通过将CLIPS推理机嵌入到系统中,实现了决策规则和程序体的分离,易于规则的修改和进一步扩展,系统更具有柔性。由启发式规则生成遗传算法的部分初始种群,提高了初始种群的质量。通过将任务分解,降低了问题求解的复杂度,并由实例验证了其可行性。     

启发式算法和遗传算法在生产调度中的应用

根据现代制造企业对生产调度的要求,提出了一种启发式算法和遗传算法相结合的生产调度系统结构.使用启发式规则为各工序分配机器,制定加工计划,调用遗传算法对加工计划进行排序,生成最终调度结果.通过将CLIPS推理机嵌入到系统中,实现了决策规则和程序体的分离,易于规则的修改和进一步扩展,系统更具有柔性.由启发式规则生成遗传算法的部分初始种群,提高了初始种群的质量.通过将任务分解,降低了问题求解的复杂度,并由实例验证了其可行性.     

与启发式规则相结合的遗传算法在车间调度问题中的研究

通过在对遗传算法的解码过程中引入启发式规则 ,构造一种新型的与启发式规则相结合的遗传算法 ,即分别利用遗传算法和启发式规则各自的特点来实现不同的调度目标 ,用于解决大规模离散生产类型车间调度问题。通过实例计算分析表明 ,算法适用于大规模离散生产类型车间调度问题     

求解置换调度问题的改进混合遗传算法

构造了求解极小化总完工时间的置换调度问题的改进混合遗传算法：先采用构造型启发式算法和随机方法共同产生初始种群，然后在选择、交叉和变异等遗传操作之前借助禁忌搜索算法寻找每个个体的局部最优解组成当前种群，再应用种群整体替换策略保存种群中的优秀个体构成新一代种群。改进混合遗传算法有机地结合了禁忌搜索算法的局部搜索性能和遗传算法的全局搜索性能。仿真实验表明，改进混合遗传算法具有比构造型启发式算法和禁忌搜索算法更好的鲁棒性和寻优性能。     

自动化制造单元最小完工时间调度问题的混合启发式算法

自动化制造单元最小完工时间调度问题属于NP-hard难题,目前尚缺乏有效的调度方法。为此,提出基于遗传和禁忌搜索的混合启发式算法,用以搜索一组最满意的机器人搬运作业排序。以遗传算法为基本结构,在初始种群产生和交叉、变异操作中引入禁忌搜索技术,以提高优化质量。基于搬运作业规则的初始种群构造算法和两阶段交叉、变异算子克服了传统算子对可行搬运作业排序的破坏,而邻域移动算子则保证了禁忌搜索的多样性和集中性。最后,随机实验结果验证了算法的有效性。     

A Memetic Algorithm for the <Emphasis Type="SmallCaps">n</Emphasis>/2/Flowshop/α<Emphasis Type="SmallCaps">F </Emphasis>+ β<Emphasis Type="SmallCaps">C</Emphasis><Subscript>max</Subscript> Scheduling Problem

Machine scheduling has been a popular area of research during the past four decades. Its object is to determine the sequence for processing jobs on a given set of machines. The need for scheduling arises from the limited resources available to the decision-maker. In this study, a special situation involving a computationally difficult n/2/Flowshop/ αF + βCmax flowshop scheduling problem is discussed. We develop a memetic algorithm (MA, a hybrid genetic algorithm) by combining a genetic algorithm and the greedy heuristic using the pairwise exchange method and the insert method, to solve the n/2/Flowshop/ αF + βCmax flowshop scheduling problem. Preliminary computational experiments demonstrate the efficiency and performance of the proposed memetic algorithm. Our results compare favourably with the best-known branch-and-bound algorithm, the traditional genetic algorithm and the best-known heuristic algorithm.     

Parallel machine scheduling with earliness-tardiness penalties and space limits

In order to maximize an availability of machine and utilization of space, the parallel machines scheduling problem with space limit is frequently discussed in the industrial field. In this paper, we consider the parallel machine scheduling problem in which n jobs having different release times, due dates, and space limits are to be scheduled on m parallel machines. The objective function is to minimize the weighted sum of earliness and tardiness. To solve this problem, a heuristic is developed which is divided into three modules hierarchically: job selection, machine selection and job sequencing, and solution improvement. To illustrate its effectiveness, a proposed heuristic is compared with genetic algorithm (GA), hybrid genetic algorithm (HGA), and tabu search (TS), which are well-known meta-heuristics in a large number of randomly generated test problems based on the field situation. Also, we determine the job selection rule that is suitable to the problem situation considered in this paper and show the effectiveness of our heuristic method.     

基于DNA遗传算法求解机床加工调度问题

研究了机床加工的多目标调度问题,提出一种基于DNA计算的混合遗传算法,结合Pareto非支配排序法来求解。为保证最优解集的多样性,采用四进制编码方式,将DNA序列分成中性和有害两部分,交叉操作只在中性部分进行;由动态变化的变异概率决定是否执行变异操作,并比较设计的算法与常规遗传算法获得的结果。试验结果表明,可以有效地解决机床加工中的多目标调度问题。     

柔性设计任务协同调度算法

指出柔性多任务协同调度是一个NP难题,并分析了协同任务调度在协同设计系统中的重要性,提出一种基于遗传算法和模拟退火算法的混合算法,利用该算法实现设计任务的选择。设计二维结构的矩阵编码,并基于这种编码方式,提出行算子与列算子,融入约束条件,采用列交叉算子与列变异算子;为了加快群体的收敛性,采用精英保留策略;此外引入灾变算子,以保证群体的多样性;在个体生成过程中,考虑能力等相关因素对设计效果的影响,在解码过程中实现任务的时间调度与优化,并设计解码算法。通过实例仿真分析,所提出的混合遗传算法收敛速度快,寻优能力强。     

面向绿色制造模式调度的Petri网模型及优化算法

针对绿色制造模式的作业车间调度中,不但要缩短生产周期和降低生产成本,而且要减少资源消耗和对环境的负面影响这一问题,建立包含加工时间、生产成本、资源消耗和环境影响等信息的Petri网模型。通过为机器分配工序来消解因机器库所共享引起的冲突,得到表示调度方案的标识图。提出生成可行调度标识图的三种方 法,并采用多目标遗传算法和多目标模拟退火算法相结合的混合算法对其优化。仿真结果表明算法的可行性和有效性。     

Integrated optimization of production planning and scheduling for a kind of job-shop

This paper addresses an integrated job-shop production planning and scheduling problem with setup time and batches. It not only considers the setup cost, work-in-process inventory, product demand, and the load of equipment, but also the detailed scheduling constraints. That is a way different from the traditional hierarchical production planning method. The hierarchical methods do not consider the detailed scheduling constraints, so it cannot guarantee to obtain a feasible production plan. Here the integrated problem is formulated as a nonlinear mixed integer program model. And in order to simultaneously optimize the production plan and the schedule, an improved hybrid genetic algorithm (HGA) is given. In the model, the detailed scheduling constraints are used to compute the accurate load of a device in order to obtain a feasible production plan. The heuristic scheduling rules such as the shortest processing time (SPT) and the longest processing time (LPT) are used to generate a better initial solution. Also, a subsection coding strategy is offered to convert the planning and scheduling solution into a chromosome. At last, a comparison is made between the hybrid algorithm and a hierarchical production planning and scheduling method, showing that the hybrid algorithm can solve the problem effectively.     

基于遗传算法的作业车间调度优化

车间调度问题由于具有重要的理论和实用价值吸引了很多研究者的兴趣 ,但以前的大多数研究集中在经典的作业车间调度问题 ,忽略了很多重要的因素 ,离应用尚有不少的差距。本文结合实际的生产过程 ,考虑到工件的加工受到机床、工人和机器人等资源的制约 ,并且可以有多种可行的工艺路线。提出了一种与启发式调度规则相结合的混合遗传算法 ,调度规则使该算法具有较高的局部搜索效率 ,遗传算法保证了解的全局最优性 ,算例表明该算法在求解性能和效率两方面均具有显著的优势