基于遗传算法求解Job Shop调度的编码新方法

针对Job Shop调度问题,提出了一种新的遗传算法编码新方法。该方法根据问题的特点,采用一种按工序用不同编号进行的染色体编码方案,每一个编号包含工件工序号、对应的机器号、加工时间等所有信息,此编码与调度方案一一对应,并且该编码方案有多种交叉操作算子可用,不需要专门设计算子。算例计算结果表明,基于该编码方案的遗传算法是有效的,能适用解决Job Shop调度问题。通过比较,用该编码方案的遗传算法优化Job Shop调度操作简单并且收敛速度快。     

基于HGA的最小旅行时间多旅行商问题研究

为了解决最小化旅行时间的多旅行商一类问题,提出了一种递阶遗传算法和矩阵解码方法。该算法根据问题的特点,采用一种递阶编码方案,此编码与多旅行商问题一一对应。用递阶遗传算法优化多旅行商问题不需设计专门的遗传算子,操作简单,并且解码方法适于求解距离矩阵对称和距离矩阵非对称的多旅行商问题。计算结果表明,递阶遗传算法是有效的,能适用于优化最小化完成时间的多旅行商问题。     

遗传算法求解柔性job shop 调度问题

在分析柔性job shop调度问题特点的基础上，提出一种新的求解该问题的遗传算法，即利用编码方法表示各工序的优先调度顺序及工序的加工机器，由此产生可行的调度方案，使得问题的约束条件在染色体中得以体现．所设计的遗传算子不仅能避免非法调度解的出现，保证后代的多样性，而且可使算法具有记忆功能．仿真结果证明了该算法的有效性．     

基于递阶遗传算法的多旅行商问题优化*

旅行商问题是一个经典的NP问题,对多人旅行商问题的求解则更具有意义。为了解决所有旅行商路径总和最小为优化标准的多旅行商一类问题,提出了一种递阶遗传算法和矩阵解码方法。该算法根据问题的特点,采用一种递阶编码方案,此编码与多旅行商问题一一对应。用递阶遗传算法优化多旅行商问题无须设计专门的遗传算子,操作简单,并且解码方法适于求解距离对称和距离非对称的多旅行商问题。计算结果表明,递阶遗传算法是有效的,能适用于优化多旅行商问题。     

基于递阶遗传算法的并行多机调度优化

针对最小化完工时间的等同和非等同并行多机调度一类问题，提出了一种递阶遗传算法。该算法根据问题的特点，采用一种递阶编码方案，此编码与调度方案一一对应。用递阶遗传算法优化并行多机调度不需设计专门的遗传算子，操作简单。计算结果表明，递阶遗传算法是有效的，能适用于大规模等同和非等同并行多机调度问题。     

软件开发项目中任务调度的混沌遗传算法

考虑了软件开发任务的可拆分特性，针对其调度问题提出了最小化项目总周期的优化模型，并提出了一种混沌遗传算法用于求解该模型,该算法的变异算子采用一维Logistic映射作为混沌变异模型，利用混沌系统的漂移特性改善种群的多样性,给出了算法基于任务优先级的编码方案、任务单元解码规则以及遗传算子的设计方法．通过仿真实例验证了模型和算法的有效性．     

基于改进量子遗传算法的Flow-Shop调度求解

针对Flow-Shop调度问题,提出一种改进的量子遗传算法,重点对量子变异和量子灾变等操作算子进行改进,提出局部量子位变异和局部量子灾变等操作算子。给出Flow-Shop调度问题的数学模型,提出了用量子遗传算法求解Flow-Shop调度问题的量子比特编码和解码方法,介绍算法的计算流程。仿真实验结果表明：改进的量子遗传算法具有收敛速度快、鲁棒性好等优点。     

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．     

基于记忆库拉马克进化算法的作业车间调度

多种群遗传算法相比遗传算法在性能上能够有所提高,但对具有较多局部最优解的作业车间调度问题,多种群遗传算法仍然难以改善易陷入局部最优解和局部搜索能力差的缺点.因此,提出了一种求解作业车间调度问题的新算法MGA-MBL(multi-population genetic algorithm based on memory-base and Lamarckian evolution for job shop scheduling problem).MGA-MBL在多种群遗传算法的基础上通过引入记忆库策略,不但使子种群间的个体可以进行信息交换,而且有利于保持整个种群的多样性;通过构造基于拉马克进化机制的局部搜索算子来提高多种群遗传算法中子种群进化的局部搜索能力.由于MGA-MBL采用了全局寻优能力较强的模拟退火算法对记忆库中的个体进行优化,从而缓解了多种群遗传算法易陷入局部最优解的问题,并提高了算法求解作业车间调度问题的性能.对著名的benchmark数据进行测试,实验结果证实了MGA-MBL在求解作业车间调度问题上的有效性.     

进近阶段飞机着陆调度优化

飞机着陆调度问题属于NP-hard问题,文中建立了进近阶段调度模型,在此模型基础上提出了一种改进的遗传算法来求解此问题.该算法基于双染色体编码方案,构建了满足MPS约束的初始种群,给出了启发式选择算子和自适应变异算子.针对多跑道飞机着陆调度问题,提出了随机分配和选择分配两种跑道分配策略.仿真结果表明,该方法能有效地减少飞机着陆调度中的总延迟,使待着陆飞机快速有序地进入机场着陆.     

柔性Flow-Shop调度的遗传算法优化

柔性Flow-shop调度问题（Flexible Flow-shop Scheduling Problem,FFSP）是一般Flow-shop调度问题的推广,由于在某些工序上存在并行机器,所以比一般的Flow-shop调度问题更复杂。为了有效地解决柔性Flow-shop调度问题,用遗传算法求解,给出了一种改进的编码方法,能够保证个体的合法性;并根据编码方法提出了矩阵解码方法。最后以某汽车发动机厂金加工车间的生产调度实例进行仿真,通过比较表明了算法的有效性。     

基于Hopfield神经网络的作业车间生产调度方法

该文提出了基于Hopfield神经网络的作业车间生产调度的新方法.文中给出了作业车 间生产调度问题(JSP)的约束条件及其换位矩阵表示,提出了新的包括所有约束条件的计算能 量函数表达式,得到相应的作业车间调度问题的Hopfield神经网络结构与权值解析表达式,并 提出相应的Hopfield神经网络作业车间调度方法.为了避免Hopfield神经网络容易收敛到局部 极小,从而产生非法调度解的缺点,将模拟退火算法应用于Hopfield神经网络求解,使Hopfield 神经网络收敛到计算能量函数的最小值0,从而保证神经网络输出是一个可行调度方案.该文 改进了已有文献中提出的作业调度问题的Hopfield神经网络方法,与已有算法相比,能够保证 神经网络稳态输出为可行的作业车间调度方案.     

Research on flexible job shop scheduling under finite transportation conditions for digital twin workshop

Flexible job shop scheduling is one of the most effective methods for solving multiple varieties and small batch production problems in discrete manufacturing enterprises. However, limitations of actual transportation conditions in the flexible job shop scheduling problem (FJSP) are neglected, which limits its application in actual production. In this paper, the constraint influence imposed by finite transportation conditions in the FJSP is addressed. The coupling relationship between transportation and processing stages is analyzed, and a finite transportation conditions model is established. Then, a three-layer encoding with redundancy and decoding with correction is designed to improve the genetic algorithm and solve the FJSP model. Furthermore, an entity-JavaScript Object Notation (JSON) method is proposed for transmission between scheduling services and Digital Twin (DT) virtual equipment to apply the scheduling results to the DT system. The results confirm that the proposed finite transportation conditions have a significant impact on scheduling under different scales of scheduling problems and transportation times.     

改进离散粒子群算法求解柔性流水车间调度问题

针对以最小化完工时间为目标的柔性流水车间调度问题(FFSP),提出了一种改进离散粒子群(DPSO)算法.所提算法重新定义粒子速度和位置的相关算子,并引入编码矩阵和解码矩阵来表示工件、机器以及调度之间的关系.为了提高柔性流水车间调度问题求解的改进离散粒子群算法的初始群体质量,通过分析初始机器选择与调度总完工时间的关系,首次提出一种基于NEH算法的最短用时分解策略算法.仿真实验结果表明,该算法在求解柔性流水车间调度问题上有很好的性能,是一种有效的调度算法.     

遗传算法求解多目标柔性Job-shop问题

本文描述了基于可变机器约束的多目标柔性Job-shop调度问题模型,并应用一种改进的遗传算法进行求解。我们采用了表示工序先后顺序及机器选择的二维编码方式,以多目标优化函数为度量,通过三种遗传操作扩展后代的多样性和算法的搜索空间。仿真结果验证了该算法能有效解决多目标优化问题。     

求解车间作业调度问题的一种改进遗传算法

针对标准遗传算法收敛速度慢和易陷入局部最优的问题,在总结已有经验的基础上对标准遗传算法提出改进:采用基于工序的编码、解码方式,每一次遗传操作后对种群采用循环选择并保留最优个体,对交叉操作和变异概率的计算提出了一系列改进方法,避免遗传算法产生无用解或陷入局部优化,以提高效率。通过实验验证,改进后的算法具有可行性,并且可以得到十分满意的结果。     

基于基因表达式的克隆选择算法求解JSP问题

针对作业车间调度问题的特征,提出一种基于基因表达式的克隆选择算法。在这个方法中,采用基因表达式编程算法中的编码方式来表示调度方案,同时为了提出的方法具有更强的全局搜索能力,运用克隆选择算法作为搜索引擎。最后,验证提出的方法的有效性,对7组Benchmark实例进行测试。实验结果表明,基于基因表达式的克隆选择算法在求解作业车间调度问题中是非常有效的。     

双种群混合遗传算法求解具有预防性维护的分布式柔性作业车间调度问题

在实际生产过程中,生产调度和设备维护相互影响,因此两者应该统筹优化.为研究具有预防性维护的分布式柔性作业车间调度问题,以最小化最大完工时间为目标,提出一种双种群混合遗传算法.结合问题特性,设计三维编码以及对应的机器解码方案,采用不同的策略初始化种群以均衡一部分工厂负载,为双种群设计不同的交叉变异算子提高算法的多样性,并利用交换精英解的方法实现两个种群的协作优化,同时针对关键工厂和预防性维护操作设计相应的局部搜索.最后对比现有算法,在同构和异构工厂的算例上进行实验,使用正交试验法优化算法参数设置.实验结果验证了局部搜索以及种群协作的有效性和双种群混合遗传算法求解具有预防性维护的分布式柔性作业车间调度问题的优越性.     

求解无等待Job Shop调度的量子粒子群算法

针对无等待Job Shop问题,采用量子粒子群优化算法对其进行了求解。该算法采用位置矢量的编码方式,全左移验证方式计算适应值。最后通过MATLAB对实例问题的仿真测试,量子粒子群优化算法不仅收敛速度快,而且还具有较好的求解质量。