基于遗传规划的作业车间调度算法研究

遗传规划很少应用于解决调度问题,对此,研究一种进化算法---遗传规划算法在作业车间调度中的应用,并对其做了改进.结合Read线性编码和基于工序的编码设计了新的编码策略,使编码后的个体更容易进行遗传操作,大大提高了运算效率;同时对交叉算子进行了改进,以防子代中非法解的产生.通过对作业车间调度问题标准测试集的求解,所得结果验证了该算法求解作业车间调度问题的有效性.

     

基于改进遗传进化算法的复杂作业流程调度

为了提高车间或者工业生产速度和质量,需要对生产中复杂作业流程调度进行研究。当前算法利用调度静态求解法和动态优化法实现复杂作业流程的调度。该算法没有相关策略的制定,也没有高效的理论作为支撑,导致该算法存在调度效率低,资源的利用率和环境适应能力较差等问题。为此,提出基于改进遗传进化算法的复杂作业流程调度。该算法先对复杂作业流程调度问题进行描述,针对调度问题描述,利用改进遗传进化算法对车间作业调度问题进行解决,将问题描述中的数学规划模型建立在规定的定义上。然后构建合适的编码实现改进遗传进化算法正常运行,过程中按一定要求对JSSP染色体进行编码,选择初始种群,并对适应度函数进行计算,引入交叉算子和变异算子扩大寻优范围。最后利用无延迟作业计划解决死锁状况,并通过调度过程流程图和作业调度整体结构流程图实现调度。实验结果表明,本文所提算法充分利用了现有资源实现了复杂作业流程的高效调度,同时也具有比较好的适应能力和灵活性。     

批量生产柔性作业车间多目标精细化调度方法

提出了一种批量生产柔性作业车间多目标精细化调度方法。针对批量生产柔性作业车间多目标调度问题特点,建立了一类以完工时间最短和制造成本最低为优化目标的等量分批柔性作业车间调度多目标优化模型。提出了5种批量生产柔性作业车间精细化调度技术;设计了一种改进的NSGA II算法对模型进行求解。算法中引入面向对象技术处理复杂的实体逻辑关系,使用矩阵编码技术进行编码,采用分段交叉和分段变异的遗传算子实现遗传进化,应用上述5种精细化调度技术于解码过程以提高设备利用率。通过案例分析验证了该方法的有效性。     

求解柔性作业车间调度的混合PSO算法与实现

研究车间作业调度优化过程,针对资源的合理分配排序,采用PSO算法求解柔性作业车间调度问题,根据PSO算法存在易陷入局部极值和早熟的缺陷,引入遗传算法中的交叉算子和变异算子,构造求解柔性作业车间调度问题的混合PSO算法,能够较好地克服上述缺陷.采用面向对象的程序设计语言,设计并编码实现了混合PSO算法求解柔性作业车间调度问题的仿真软件.使用软件进行仿真,实验结果表明在求解柔性作业车间调度问题中,混合PSO算法的全局寻优和克服早熟能力均优于基本PSO算法,证明混合PSO算法求解柔性作业车间调度问题的有效性.     

基于改进的基因表达式编程算法在作业车间调度问题中的应用

文章提出一种新颖的方法一改进的基因表达式编程算法来求解作业车间调度问题。作业车间调度问题是许多实际生产调度问题的简化模型,基因表达式编程算法结合了遗传算法和遗传编程的优点,具有更强的解决问题能力,对基因表达式编程算法进行改进使其在作业车间调度问题的应用上更加有效;最后应用一个实例来验证提出方法的有效性。     

求解作业车间调度问题的改进的遗传算法

描述了作业车间调度问题,提出一种求解作业车间调度问题的改进的遗传算法.该算法对交叉算子和变异算子进行改进,能有效避免局部最优.通过对实例的计算和分析,取得了良好的调度效果,论证了该算法的有效性和稳定性.     

混合鲸鱼优化算法求解柔性作业车间调度问题

提出一种混合正余弦鲸鱼优化算法, 将其应用于柔性作业车间调度问题的研究, 以最小化最大完工时间为目标; 首先进行两段式编码, 使连续型鲸鱼优化算法可应用于柔性作业车间调度问题, 并对基本鲸鱼优化算法加入非线性收敛因子平衡搜索与开发阶段; 以正余弦算法策略改进鲸鱼个体位置更新方式与螺旋方式, 提升算法寻优能力; 最后以实验数据验证混合正余弦鲸鱼算法在求解柔性作业车间调度问题方面的有效性.     

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。     

一种改进的求解柔性作业车间调度问题的灰狼算法

柔性作业车间调度问题是智能制造领域的一类典型调度问题,它是制造流程规划和管理中最关键的环节之一,有效的求解方法对提高生产效率具有重要的现实意义。本文基于经典灰狼算法进行改进,以优化最大完工时间为目标,提出一种改进的灰狼算法来求解柔性作业车间调度问题。算法首先采用基于权值的编码形式,实现对经典狼群算法中连续性编码的离散化;其次在迭代优化过程中加入随机游走策略,以增强局部搜索能力;然后在种群更新过程中加入尾部淘汰策略,在避免局部优化的同时增加种群多样性,合理扩大算法的广度搜索范围。在标准算例上的仿真实验结果表明,改进的灰狼算法在求解FJSP时比经典灰狼算法在寻优能力方面具有明显的优势,相比其它智能优化算法,本文所提算法在每种算例上均具有更好的优化性能。     

烟花算法求解JSP问题的研究

烟花算法是一种新型智能优化算法,该算法模拟烟花在空中爆炸产生火花这一过程。烟花算法的求解过程包含两种机制：产生爆炸火花,从而实现算法的局部和全局寻优过程;产生高斯变异火花,从而增加种群的多样性以便将优良个体遗传到下一代。通过设计四个参数实验,分析了主要参数对算法求解能力的影响,找出求解作业车间调度问题的较优参数。最后通过对作业车间调度的标准问题进行仿真对比实验,证明了烟花算法求解作业车间调度问题的有效性和稳定性。     

基于改进蛙跳策略的Map-Reduce作业调度算法

为提高智能算法在Map-Reduce作业调度问题中的求解效率, 提出一种基于改进蛙跳策略的调度算法。针对蛙跳策略在Map-Reduce作业调度中的应用, 算法具体设计了编码方案和进化算子; 同时, 为提高算法收敛性能, 对蛙跳策略进行改进：结合种群多样性指标增加逆转变异操作。仿真实验结果表明, 提出的改进蛙跳策略在Map-Reduce作业调度问题求解中, 收敛性能、作业总完成时间和平均完成时间三个方面均优于基本蛙跳策略和已有的智能调度算法, 是一种实用的Map-Reduce作业调度方案。     

资源约束项目的改进差分进化参数控制及双向调度算法

针对资源约束项目调度组合优化难题,提出一种改进的动态差分进化参数控制及双向调度算法.通过参数时变衰减与个体优劣评价,自适应控制个体进化参数,提高算法的收敛性能、勘探与开发最优解的能力;基于动态差分进化(Dynamic differential evolution, DDE),提出一种双向调度算法,使用满足任务时序约束的优先数编码、交替正向反向调度,结合标准化编码调整与精英保留的种群随机重建策略,建立了一种高效稳健的双向编码调整机制.通过著名的项目调度问题库(Project scheduling problem library, PSPLIB)中实例集测试,并与其他文献算法比较最优解平均偏差率,验证了所提算法的有效性与优越性.     

一种新的遗传算法在并行机调度问题中的应用

针对相同交货期窗口非等同并行机提前/拖后调度问题,设计了一个基于向量组编码的遗传算法.此算法的编码方法简单,能有效地反映实际调度方案,收敛速度快.为适应调度实时性和解大型此类问题的需要,基于遗传算法自然并行性特点的基础上,实现了主从式控制网络模式下并行遗传算法.仿真结果表明,此算法是有效的,优于普通的遗传算法,具有较高的并行性.     

基于遗传规划的多光谱图像分类

针对多光谱图像分类这一多类别模式识别问题,将二进制纠错编码与GP(GeneticProgramming)算法相结合,并用改进后的编码矩阵代替原先的二进制编码矩阵对图像进行分类,从而建立了新的基于GP的多光谱图像分类算法,给出了用该方法对多光谱图像中地物进行分类的实例。结果表明与以往基于GP的分类方法相比,该文方法体现出较高的分类性能,为遗传规划在多类别模式识别问题中的应用提供了又一条可行的途径。     

解特殊工艺约束拖后调度问题的并行遗传算法

非等同拖后调度问题作为家纺企业的车间调度问题重要组成部分,有着独特的特点,一方面生产设备非等同,另一方面受特殊工艺的约束。针对该问题的特点,设计了一个基于向量编码的遗传算法。此算法编码方法简单,能有效地反映实际调度方案,并能保证满足约束条件,收敛速度快。同时为更好地适应调度实时性和解大型企业此类问题的需要,在基于遗传算法自然并行性特点的基础上,实现了主从式控制网络模式下并行遗传算法。仿真结果表明,此算法是有效的,优于普通的遗传算法,具有较高的并行性。     

特殊工艺约束并行多机双目标调度问题的研究

针对在特殊工艺约束下,非等同并行多机总完工时间最小和总拖后惩罚最小双目标调度问题（BOSP）,设计了一个双目标调度模型,进而构造了一个基于向量组编码的遗传算法。此算法的编码方法简单,能有效地反映实际调度方案,收敛速度快。同时为了更好地适应调度实时性和解大型此类问题的需要,在基于遗传算法自然并行性特点的基础上,实现了主从式控制网络模式下并行遗传算法。仿真结果表明,此算法是有效的,优于普通的遗传算法,具有较高的并行性,并能适用于解大型此类调度问题。     

微粒群优化算法在车间调度中的研究与应用

在对某印染企业的生产状况进行了深入调研和分析的基础上,对流水车间调度、混合流水车间调度进行了对比,同时对微粒群算法进行了深入研究,并根据实际情况对算法进行了部分改动和改进,使之能适用于离散的生产调度问题.最后将改进后的微粒群算法应用到印染企业的车间调度中,同时实现了甘特图的动态生成.研究结果可直接应用于企业流水车间调度和作业车间调度,具有一定的实际应用价值.     

Hybrid evolutionary computation methods for quay crane scheduling problems

Quay crane scheduling is one of the most important operations in seaport terminals. The effectiveness of this operation can directly influence the overall performance as well as the competitive advantages of the terminal. This paper develops a new priority-based schedule construction procedure to generate quay crane schedules. From this procedure, two new hybrid evolutionary computation methods based on genetic algorithm (GA) and genetic programming (GP) are developed. The key difference between the two methods is their representations which decide how priorities of tasks are determined. While GA employs a permutation representation to decide the priorities of tasks, GP represents its individuals as a priority function which is used to calculate the priorities of tasks. A local search heuristic is also proposed to improve the quality of solutions obtained by GA and GP. The proposed hybrid evolutionary computation methods are tested on a large set of benchmark instances and the computational results show that they are competitive and efficient as compared to the existing methods. Many new best known solutions for the benchmark instances are discovered by using these methods. In addition, the proposed methods also show their flexibility when applied to generate robust solutions for quay crane scheduling problems under uncertainty. The results show that the obtained robust solutions are better than those obtained from the deterministic inputs.     

云计算环境下利用改进遗传算法结合二次编码的大规模资源调度方法

针对传统遗传算法无法满足多用户下的大规模云计算环境下的资源调度问题,提出利用改进遗传算法结合二次编码的方法解决大规模资源调度。首先,在选择复制阶段,采用基于最小任务完成时间和匹配程度的双适应度函数,对种群以双重标准进行筛选。然后,对算法的交叉变异概率进行了自适应优化,使其自适应能力进一步提高,保证了算法尽快向最优解收敛。同时引入的收敛终止条件保证了算法尽快跳出循环。最后,在CloudSim平台上对改进遗传算法（IGA）进行了分析,实验结果表明,提出的改进遗传算法能够很好地适用于大规模资源调度,且结果优于其他几种较新的对比算法。     

求解柔性作业车间调度问题的改进蝙蝠算法

针对柔性作业车间调度问题,在研究和分析蝙蝠算法的基础上,提出一种改进蝙蝠算法来求解．为了有效地表达出工序与粒子种群之间的关系,提出一种单层整数编码策略．在粒子的速度和位置方面,算法重新定义速度和位置的相关算子．为了克服基本蝙蝠算法固定参数不足的缺点,重新调整惯性权重的值,提出一种呈指数递减的惯性权重策略．针对具体生产实例进行验证,实验数据表明,该改进算法在求解柔性作业车间调度问题上具有良好的性能,是一种有效的调度算法.