基于效率函数求解单件车间调度问题算法的软件实现和实例分析

单件小批量生产形式下的单件车间（Job-shop）调度是生产计划中的一个重要问题。西方在文献[1]提出的求解Job-shop调度问题的初排算法及调解算法的基础上，做出了进一步的修改和完善，在调解算法中引入了交换与移动相结合的机制以提高调解效率；在软件实现中引入了“虚工序”的概念，并在“VBA ForProject2000中实现了该算法。经分析及实验验证，利用这种算法求解Job-shop调度问题可得到十分满意的结果。     

求解Job-shop调度问题的遗传蚁群算法*

描述了Job-shop调度问题,研究遗传算法和蚁群算法在解决Job-shop问题中的优点和不足,融合遗传算法和蚁群算法设计了遗传蚁群算法以求解Job-shop调度问题,并对算法进行了仿真实验,通过与遗传算法、蚁群算法及已有的遗传算法和蚁群算法的融合算法结果的对比,验证了该算法的有效性。     

单件车间生产调度系统设计

文中给出了一个单件车间调度系统的设计,讨论了这些数据之间的约束关系,并设计数据库使其较好的反映Job-shop生产过程特点,同时该数据库设计还具有可扩展和用户可自定制的特点;讨论了Job-shop调度问题的多调度规则、多目标的复杂性和运算时间代价之间的矛盾,提出了基于仿真算法的算法解决方案.该系统通过设定不同的产品属性或资源属性,能适用于多种不同生产类型需要.     

一种求解模糊柔性Job-shop调度问题的多智能体免疫算法

结合实际纸盆车间的生产特点,考虑了模具、机器和操作人员等多种资源约束,以及加工时间和交货日期的不确定性等因素,建立了批量可变的模糊柔性Job-shop调度问题模型。同时结合多智能体系统以及生命科学中免疫系统的免疫信息处理机制,构造了一种用于求解实际Job-shop调度问题的多智能体免疫算法。该方法通过智能体与其邻居间的竞争操作以及自学习操作,并结合自适应疫苗接种、交叉、变异和模拟退火操作,来更新每个智能体在解空间的位置,使其能够更精确地收敛到全局最优解。最后对某纸盆车间的调度实例进行了求解,实验结果验证了算法的有效性。     

作业车间调度问题的杂草优化算法求解

针对作业车间调度问题JSP(Job-shop scheduling problem),提出一种入侵式杂草优化算法。该算法中,子代以正态分布方式在父代个体周围扩散,兼顾全局搜索和局部搜索,并根据迭代次数不同对二者强度进行调节。通过典型算例进行仿真试验,并在反复实验中对算法参数进行修正。测试结果表明杂草算法求解作业车间调度问题的可行性和有效性,优于萤火虫算法和基本粒子群算法,是解决生产调度问题的一种有效方法。     

多目标FJSP的一维编码粒子群优化求解方法

以单件小批量生产方式为主的柔性车间调度中,快速得到满足低生产成本、高生产效率,避免瓶颈发生的调度方案,是调度优化算法的设计目标。就此建立了以制造期、机床总负荷和单机最大负荷为综合目标的柔性车间调度问题（Flexible Job-shop Scheduling Problems,FJSP）优化模型;设计了一种以概率值为分量的一维粒子群优化算法,通过概率区间划分将连续粒子分量离散化,结合完工时间最早启发式规则,实现工序的排序与加工机床的选取。通过不同规模算例的比较,分析结果表明该方法在求解较大规模问题时具有一定的优势。     

应用Agent理论的生产调度系数研究

生产调度问题，一般可根据生产流程的不同分为Job-shop调度和Flowshop调度两大类（也有学者认为，存在两者相结合的第三类－混合调度）。该文研究以最小化Makespan为目标的Flowshop调度问题。基于Agent理论，提出采用Flowshop复合代理体（Flowshop-Compond-Agent,FSCA)求解Flowshop调度问题的方法，在给出FSCA的结构及其实现的基础上，通过毛纺企业制度车间的实例说明了使用FSCA解决Flowhop调度问题的有效性。     

求解模糊柔性Job-shop调度问题的多智能体免疫算法

考虑实际纸盆车间调度中模具、机器、操作人员等资源约束,以及加工时间和交货日期的不确定性,建立了批量可变的模糊柔性Job-shop调度问题模型.结合多智能体系统以及免疫信息处理机制,构造了一种求解实际Job-shop调度问题的多智能体免疫算法.该方法通过竞争、自学习、自适应疫苗接种、模拟退火等操作,更新每个智能体在解空间的位置,从而能精确地收敛到全局最优解.纸盆车间调度实例的求解结果验证了该算法的有效性.     

一种用支持向量机求解Job-shop问题方法

作为生产调度里面一类典型问题,机器数大于2的Job-shop调度（m>2）是一类NP完全问题,大规模Job-shop问题的有效算法至今仍未找到。在有向图模型基础上,提出通过约束引导方式获取可行调度。提出利用支持向量机通过对小样本学习来实现可互换工序对较为准确选取,以此提高调度方案质量。将求解过程中特殊算例补充到样本库进行后续训练以提高算法性能。数值仿真结果表明所提算法对于大规模Job-shop问题求解存在较好效果。     

解Job-shop调度问题的神经网络方法

研究用神经网络方法解决Job-shop调度问题.首先描述解Job-shop调度问题的算法, 然后给出这一算法及其网络性质的理论结果.仿真实验结果证明了该方法是可行的.最后, 针对几类典型调度问题的解决进一步说明了这一方法的优势.     

一种柔性车间快速启发式调度算法

柔性作业车间调度问题比传统的Job-shop问题更复杂也更符合实际生产实际.为了快速有效地求解这类问题,设计出一种基于综合分派规则的快速启发式调度算法.基于综合分派规则的调度算法,以一批工件总完工时间最短为目标,在调度过程中通过动态调整工件的加工优先级并为每道工序分配最适合的机器进行加工,可迅速求得满意的较优解.与其他方法进行对比实验结果证实了算法的有效性,在实际调度系统的应用中也证明了算法的实用性.     

基于免疫蚂蚁算法的Job-shop调度问题

描述了作业调度问题，借鉴生物免疫机理提出了求解车间调度问题的免疫蚁群算法，该方法在蚂蚁搜索程中，运用免疫机理提取疫苗，并对进化种群进行免疫操作，从而有效地抑制了蚁群算法的“早熟”和搜索效率低下的问题，显著地提高了蚁群算法对全局最优解的搜索能力和收敛速度，给出了免疫蚁群算法的具体步骤，并对算法进行了实例验证。     

启发式算法在计划排产中的应用

面向单件生产的车间生产作业计划排产问题一直是研究的热点和难点。文中结合汽车模具行业生产管理特点和实际生产状况,针对有限能力排产问题,提出了具体的排产方法和步骤,并建立了基于启发式算法的车间作业优化排序函数。上述研究成果将提高排产的有效性,解决我国单件生产企业在计划排产中普遍存在的问题,对于加强车间生产控制和管理起到促进作用。     

有交货期的Job-shop调度问题的改进的倒排算法

在提出的以“加工效率”为主要参数,并引入“虚工序”、“虚机器”求解有交货期的单件车间调度问题的逆序算法的基础上,进一步改进了该算法,并在VBAForProject中实现了该算法.经分析实例验证,该算法具有一定的优度,并且在工程中是可行的。     

Job-shop排序问题的遗传强化学习算法

针对Job-shop排序问题的复杂性,提出一种遗传强化学习算法对其求解。通过引入多个随机变量,把Job-shop排序问题转换成多阶段决策问题,通过仿真手段构建作业排序问题模型环境,求取系统性能指标并保证解的可行性。设计一个多智能体Q-Learning算法和遗传算法相结合的算法用于解决Job-shop排序问题。仿真优化实验结果验证了该算法的有效性。     

用遗传算法求解可变机器约束的Job-shop调度问题

描述了可变机器约束的Job—shop调度问题模型，并提出了一种基于遗传算法的调度算法进行求解．采用了一种新的基于操作的染色体编码方式，用二维矩阵的形式在机器的表达形式上扩展了传统基于操作的编码方式．在进化过程中设计了一种改变算子附加信息方法的操作，用于扩展种群的变化方式和算法的搜索范围．最后，分别以满足交货期和总加工时间最小为调度目标进行了数值计算，表明了该方法的有效性．     

An ant colony optimization for single-machine tardiness scheduling with sequence-dependent setups

In many real-world production systems, it requires an explicit consideration of sequence-dependent setup times when scheduling jobs. As for the scheduling criterion, the weighted tardiness is always regarded as one of the most important criteria in practical systems. While the importance of the weighted tardiness problem with sequence-dependent setup times has been recognized, the problem has received little attention in the scheduling literature. In this paper, we present an ant colony optimization (ACO) algorithm for such a problem in a single-machine environment. The proposed ACO algorithm has several features, including introducing a new parameter for the initial pheromone trail and adjusting the timing of applying local search, among others. The proposed algorithm is experimented on the benchmark problem instances and shows its advantage over existing algorithms. As a further investigation, the algorithm is applied to the unweighted version of the problem. Experimental results show that it is very competitive with the existing best-performing algorithms.     

ASP环境下的离散生产车间调度系统

本文针对离散车间单件小批的生产特点,把基于规则的算法和启发式算法结合起来,给出了有效的优化算法。并以此算法为核心,设计了ASP(Application Service Provider)环境下的生产调度系统。该系统针对网络化协同生产的特点,在ASP模式下实现了对异地多个离散车间的作业计划编制和实时调度,监控生产进度。