一种改进的贪心遗传混合算法在车间调度中的应用与研究

确定每台机器上各工件的投入顺序与投入时间是车间作业调度所要解决的问题,这种顺序必须和技术约束相容,使某一性能指标达到最优是其最终目的 .寻找高效的调度方法,可以极大的提高资源的利用率和生产效益。遗传算法具有自组织性,并行性和自适应性,对于组合优化问题的求解有着自己的独特的优势,很快便被引入到了车间调度问题的研究领域车间调度问题是典型的NP难题,为了克服传统遗传算法解决车间作业调度问题的局限性,综合遗传算法和局部搜索的优点,提出一种改进的遗传算法,即贪心算法与遗传算法相结合,并通过实验数据证明了该方法的有效性。     

基于遗传算法的网格任务调度研究

网格调度是一个典型的NP问题,研究表明遗传算法是解决复杂环境下资源调度的有效方法之一。针对异构环境下的网格任务调度,提出了一种改进的遗传算法,并改进了遗传算法的收敛特性,通过分析实验结果证明该算法优于传统的调度算法。     

连锁企业物流车辆调度模型及优化设计

讨论了连锁经营企业物流车辆调度问题并建立数学模型,利用改进的遗传算法优化设计车辆调度路径.该算法兼顾时间限制和路径长度的需求,针对连锁企业特点改进了编码方法,交叉方法以及选择操作,经实验证明该算法能较快地求出中小型连锁企业的车辆调度有效路径.     

基于改进遗传算法的异构环境混合调度策略研究

异构环境下任务调度是NP问题,它关注大规模的资源和任务调度,要求采用的调度算法能够具有高效性.随着任务数和资源数的增加,遗传算法表现出慢速收敛的缺点.为了克服其缺点,在改进的遗传算法的基础上,增加了分组和负载平衡处理策略,提出了一种混合遗传调度策略.仿真实验表明,基于改进遗传算法的混合调度策略比传统的调度策略性能更优,其算法更符合复杂的异构环境,能更好满足系统的时间特性和最小化资源开销的问题.     

基于混合免疫遗传算法的车辆调度问题

免疫算法是模仿生物体高度进化,复杂的免疫系统仿生的一种智能化启发式算法。在描述车辆调度问题数学模型及免疫算法综述的基础上,引入了一种基于抗体亲和力的混合免疫遗传算法,改进了抗体的交叉算子,解决了路径长度受限的车辆调度问题,实验结果表明,与遗传算法相比较,混合免疫遗传算法能更有效的解决车辆调度问题。     

基于遗传算法的生产车间调度方法研究

生产调度理论与方法研究是非常困难的课题,中成药加工生产车间调度问题有着深刻的实际背景和广阔的应用前景.为此本文全面综述了生产调度的相关理论模型,并分析了遗传算法在中成药加工生产车间调度中的应用,最后总结了将遗传算法、作业车间调度和中成药生产调度结合的优点和对研究的展望.     

基于自适应遗传算法的关联运输调度问题

利用引入了混沌扰动的一种改进的自适应遗传算法来解决一类关联运输调度问题IVRP(IncidentVehicleRoutingProblem)模型。虽然M.Srinivas提出的自适应遗传算法既保护了最优个体又加快了较差个体的淘汰程度,但不容易跳出局部最优解,相邻进化代数间的参数缺乏连续性,所以,提出了一种新的自适应遗传算法,为避免近亲繁殖提出了改进策略,同时考虑到变异概率的大小可能导致破坏种群模式或减弱抑制早熟的能力,设计了相关的自适应变异概率。研究表明,该改进的算法在解决关联物流运输调度问题具有有效性和适用性。     

云计算Hadoop平台中基于遗传算法的高校师资培训管理

如何在提高云计算服务资源调度效率的同时尽量降低工作能耗,成为当前必须解决的问题。因此,提出一种基于遗传算法的云计算资源调度方法,适用于高校师资培训资源管理。首先,搭建基于云服务的高校教师师资培训系统模式;其次,利用具有较强NP问题解决能力的遗传算法设计大规模集群的资源调度方法,并采用粒子群算法对其全局寻优能力进行改进;最后,设计了由质量和成本构成的双指标约束适应度函数。CloudSim平台的Hadoop实验仿真结果显示,提出的遗传云计算资源调度方法在约束条件下获得了最佳的调度结果。     

基于遗传蚁群融合算法的混合链路中继卫星资源调度研究

针对遗传算法容易陷入局部最优和蚁群算法初始信息素匮乏的缺点, 提出将遗传和蚁群融合算法应用于中继卫星系统的资源调度问题。通过改进蚁群算法信息素的定义, 利用基于时间窗口序号编码思想, 给出中继卫星资源调度约束条件与目标函数并建立数学模型。仿真分析了融合算法、标准遗传算法和改进蚁群算法的优化特性, 结果表明融合算法是解决中继卫星调度问题的有效方法。     

基于免疫遗传算法的公交智能调度算法

从公交车辆运营调度目前存在的问题出发,运用遗传算法和混合遗传算法对公交车辆静态调度进行了研究。运用遗传算法的智能化特征,有效地改善了公交车辆的静态调度。在此基础上综合生物免疫机制等边缘学科的理论,将免疫算法融入到遗传算法当中,构成一种改进的遗传算法,并应用于解决公交调度管理中的优化中,与利用简单遗传算法的计算过程进行了仿真和对比。应用结果表明,该算法简单、高效、稳定性好,能较好克服传统方法和现有遗传算法的不足,性能得到了显著的提高,获得了满意的效果,提高了公交车辆的运营效率。