求解Job-Shop调度问题的思维进化算法

在基本思维进化算法（Mind Evolutionary Computation)框架的基础上，引入了基于工件加工次序的可行性调度结构，并根据编码的特性，提出了一种用于趋同，异化过程的信息抽取方法，进而完善了用于求解Job-Shop调度问题的趋同，异化算子，并同遗传算法进行了比较，仿真结果证明了方法的有效性。     

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。     

基于规则的遗传算法

CGA由于是一种通用的算法，在解决实际问题时存在着搜索效率低。不能全局收敛到最优解的缺点，在实际应用中有很大的局限性。针对这些不足，对CGA进行了改进，根据待解决实际问题的特点，按照模式定理的原则，在算法中引入了启发式规则和惩罚函数．缩小了算法的搜索空间，提高了算法效率．利用保优操作保证算法能够全局收敛到最优解。最后对这种改进的算法进行了定性分析。证明了该算法设计思想的先进性和实用性。     

基于遗传算法的Job Shop调度研究进展

Job Shop是典型的调度问题 ,遗传算法一直是计算智能的主要研究对象 ,因此基于遗传算法的Job Shop研究在学术界和工程界受到极大的关注。对近年来这方面的研究情况进行了较全面的综述 ,其中涉及编码、算法改进和比较、特征分析、混合算法、拓宽性、实际应用和调度器开发等 ,并讨论了进一步研究的若干方向     

一种求解Job Shop 调度问题的改进遗传算法

传统遗传算法在求解Job Shop调度问题时存在收敛速度慢,易于早熟的缺点。在病毒遗传算法(VEGA)和灾变遗传算法的基础上提出了一种带有灾变因子的病毒遗传算法(IVEGA-C)。该算法在传统遗传算法的基本结构上加入了病毒感染操作和灾变操作,病毒感染操作实现了同代个体之间横向传递进化信息,灾变操作采用灭绝操作。正是这种改进加快了遗传算法的收敛速度,避免了早熟现象和陷入局部最优解。通过仿真实验验证了IVEGA-C算法在解决Job Shop调度问题中的性能优于传统GA算法和VEGA算法。最后给出了应用该算法的一个实例。     

基于多层遗传算法的柔性Job Shop调度问题的研究

介绍了柔性Job Shop调度问题的模型,并针对三级子问题,分别设计了相应的遗传算法,给出了其流程.通过实例证明,该算法的设计是行之有效的.     

基于遗传算法的一类Job—shop调度

针对遗传算法解决生产路径不固定的调度问题所遇到的困难，提出一种遗传编码方式，并相应采用新的遗传算子。应用于某冷轧厂的精整计划钢卷调度问题，进行了仿真分析。     

基于遗传算法的Job-Shop调度问题求解

针对 Job Shop调度问题,详细讨论了遗传算法以及染色体编码方法,建立了算法模型。通过仿真实验,验证了该算法的有效性。     

基于佳点集遗传算法求解Job—shop调度问题

1.介绍 Job-shop调度问题(JSSP)是极为困难的带约束组合优化问题,是NP难的。典型的Job-shop调度问题可描述为n个工件要在m台机器上加工,每个工件有其特定的加工工序,每道工序加工时间已知,并符合以下假设: (1)每个机器在同一时刻只能加工一个工件。(2)每个工件的工序事先确定。(3)同一工件的两个工序不可同时进行。(4)不允许抢占式执行,即一个工序执行后就不能中断。(5)机器间传送时间为零。典型的调度目标是确定每个机器上工序的加工顺序和各工序的开始时间,以使完成所有工序所需的时间(Makespan)最少。     

Job Shop 调度的序列拉格朗日松驰法

拉格朗日松驰法为求解复杂调度问题次最优解的一种重要方法，陆宝森等人把这种方法推广到Ｊｏｂ Ｓｈｏｐ调度问题，但他们的方法存在解振荡问题。本文提出一种序列拉格朗日松驰法，它能避免解振荡。     

《线性代数》课程与Mathematica软件相结合教学的研究

《线性代数》是高等财经本科院校所开设的一门重要基础必修课，学生学习该课程时，在计算方面存在着困难，教学过程中结合使用Mathematica软件不但可以解决计算量大而复杂的问题．而且可以利用软件得到的结果来检验手工算法的准确性，从而达到提高教学质量的目的；另外，可以让学生初步掌握Mathematica软件的使用。     

基于遗传算法的车间作业调度问题求解

文章提出了一个求解车间作业调度问题的完备的、强壮的遗传算法。在分析车间作业调度问题的数学模型的基础上,给出了:(1)采用分段结构的染色体编码思想;(2)生成可行调度的算法;(3)计算调度目标函数的算法;(4)三种遗传算子及其辅助算子———修正算子的设计。最后,通过仿真验证了算法的有效性和稳定性。     

基于遗传算法的Job-Shop调度问题求解方法

调度问题是许多计算机应用领域的重要问题,Job-Shop调度是其中的一类典型的困难问题,它通常包含多个可并行实现的目标以及实现这些目标的多种方法与资源.本文以一类实用的Job-Shop问题模型为基础,给出了用遗传算法求解调度问题应采用的染色体表示方法,并针对问题的特点,给出了面向资源空间与面向规划空间的遗传操作的设计思想与方法.实验结果表明,基于遗传算法的Job-Shop调度问题求解方法具有较好的性能,同时也表明,对于求解过程中可能出现的提前收敛问题可通过改变遗传操作概率及调节适应度等方法予以解决.     

基于单亲遗传算法的Job-Shop问题求解方法的研究

本文针对遗传算法求解Job-Shop问题时,存在遗传算子设计复杂、计算效率不高等问题,提出了一种求解该类问题的单亲遗传算法.实验表明:该算法是可行的、有效的.     

Job-Shop调度问题的仿真研究

Job-Shop是离散事件系统中典型的调度问题，通过计算机仿真能够动态地展现Job-Shop车间的状态，分析在不同调度方法下的系统性能，并运用知识和经验去选择合适的调度方法，从而改善调度性能。本文构造了Job-Shop的离散事件仿真模型，设计了基于事件驱动的仿真策略，并讨论了优先调度准则，为解决这一问题提供了一种现实可行的思路与方法。     

Job-shop调度问题的一种遗传算法表示方法

提出了一种新的染色体表示方法以及相应的遗传操作算子,它们与少许的调整工作相结合,既使得在每次操作算子作用之后产生的新的个体是合法的,也使染色体与时间表产生一一对应的关系,完满地解决了Job-shop问题中关键的表示和操作问题。     

基于遗传算法的网格计算资源调度策略

如何将网格这个复杂环境中的计算资源进行有效调度,是一个NP问题。遗传算法被证明是解决这类问题的有效算法,同时遗传算法有“早熟”和慢速收敛等缺点。为了克服其缺点,提出一种新的并行遗传算法,采取避免近亲繁殖的交叉策略和保护优秀个体的方法,提高算法搜索能力和收敛速度。仿真结果表明该算法能有效地解决网格计算资源分配问题。     

基于遗传算法的混合Flowshop调度

混合Flowshop调度问题,是一个NP完全问题,很难用一般的方法解决,文章提出了遗传算法求解混合Flow-shop调度问题的方法,给出了一种染色体表示方法,设计了相应的交叉和变异操作算子,这两种算子很容易保证个体的合法性,同时又具有遗传算法本身所要求的随机性。最后给出了一个较大规模的计算实例,仿真结果表明此算法是有效的。     

求解多工艺路线车间调度问题的禁忌-遗传算法

车间调度问题是一个NP难题,而多工艺路线的车间调度问题更具有实际的研究意义。从生产实际出发,在分析了多工艺路线的车间调度问题一般特点的基础了,提出了一种禁忌-遗传的嵌套算法,该算法重点讨论了禁忌算法的设计思想及遗传算法中遗传算子的设计。仿真实例说明了算法的有效可行。     

动态报表的打印对象的控制设计

每个信息系统的功能大多不相同,但一般都要把表或视图的联接集作为数据集进行报表打印。由于数据库不同,表结构不同,因此每个报表数据集的字段类型、宽度都不可能完全相同,这导致报表的多样性与复杂性,给报表设计带来诸多不便,通过控制报表的打印对象实现动态报表是一个有效解决该问题的方法。在水晶报表中先创建若干个打印对象,程序运行时对SQL语句获取的动态打印数据集的元素进行枚举,使每个元素与水晶报表上已存在的打印对象进行逐一匹配绑定,进而对绑定的打印对象进行控制,从而实现动态报表的目的。