基于混合粒子群算法的航空零件生产车间柔性调度研究

航空零件生产车间调度具有目标多样性和不确定性问题,普通方法难以求得最佳调度顺序。针对这个问题,采用了混合粒子群算法优化加工工序。该算法通过个体交叉,变异的方法来反复迭代寻优,从而得到更好的零件加工工序。通过仿真实验验证了该算法的有效性,从而为航空零件加工车间调度优化提供了一种新的思路。     

遗传算法解柔性作业车间调度问题应用综述

柔性作业车间调度问题是典型的NP难问题,对实际生产应用具有指导作用。近年来,随着遗传算法的发展,利用遗传算法来解决柔性作业车间调度问题的思想和方法层出不穷。为了促进遗传算法求解柔性作业车间调度问题的进一步发展,阐述了柔性作业车间调度问题的研究理论,对已有改进方法进行了分类,通过对现存问题的分析,探讨了未来的发展方向。     

改进遗传算法求解柔性作业车间调度问题

针对柔性作业车间调度问题中最大完工时间、机器最大负荷和总机器负荷三项性能指标,提出一种改进的自适应交叉和变异的混合遗传算法。在基本遗传算法染色体编码的基础上,设计一种基于海明距离的调度个体差异判别方法,并通过自适应交叉阈值和动态变异概率计算提高遗传算法整个种群调度个体的多样性,防止算法过早的进入早熟。在遗传算法进化期间,对每个调度个体的进化采用变邻域搜索算法,扩大调度个体的邻域搜索范围。最后,使用文献中相同的调度实例将本文的计算结果与其它文献中的测试结果进行比较,验证了所提出的算法的可行性和有效性。     

遗传算法求解单目标柔性流水车间调度问题研究

为了研究单目标的柔性流水车间的调度问题,完成对此类复杂的组合优化问题的求解,求最小化最大完工时间,提出解决该问题的方法为通过遗传算法对所有解空间进行全局搜索最优解。并且用此方法在进行加工机器选择时用轮盘赌的方法来选择个体,达到优化初始种群的目的。接着对此不确定问题的进行数学模型的建立,确定优化总目标为所有待加工工件加工完成的最小化完工时间。然后通过遗传算法对问题模型求解最优解和最优调度方案。最后,用Matlab进行模拟仿真求出最优结果。     

基于改进变异算子的遗传算法求解柔性作业车间调度①

柔性作业车间调度问题是对传统车间调度问题的扩充,它更接近于现实的生产调度问题。针对柔性作业车间调度的特点,设计了基于关键工序的变异算子,使变异集中于关键路径,从而提高了变异过程的效率。还采用二向量编码、初始种群定位法和POX交叉算子,设计了新的应用于柔性作业车间调度的遗传算法,并通过实验验证了算法的有效性。     

柔性作业车间调度中的组合遗传优化研究

针对柔性作业车间调度问题,提出一种组合遗传算法。该算法在种群初始化、选择、交叉、变异各阶段,组合使用各种不同的策略。针对机器编码部分的交叉,提出一种基于工件的机器交叉算子,用以改进机器分配部分随机交叉引起的对父代优秀基因继承不足的缺陷。通过对典型算例的计算以及与其他文献的研究成果比较,证明该算法的优良性能。     

基于遗传算法的多目标柔性车间作业调度方法

多目标柔性车间作业调度通常将多个目标进行无量纲处理,加权转换成单一目标函数用于解的优化筛选,但权重选择难免存在一定的随意和偏好,影响调度效果。针对这一问题,提出单目标决策下的多目标调度解决方案,从多个目标中选择一个重要的目标作为决策目标,其他目标作为算法搜索的导向目标。其中对遗传算法变异算子进行改造,将随机性变异转换成目标诱导性变异。实例仿真结果表明了算法的有效性和可行性。     

基于遗传算法车间流控制中调度问题的研究

提出了实现车间调度的混合遗传算法的设计方案，把经典的启发式算法、自适应算法与遗传算法相结合，将启发式搜索运用于初始种群的生成，充分发挥遗传算法良好的全局搜索能力和启发式搜索结构简单搜索速度快的特性，采用自适应方法改进交叉概率与变异概率，并通过实验验证了算法的有效性、     

基于遗传算法的作业车间调度优化

将遗传算法和启发式调度规则相结合，研究了具有柔性加工路径的作业车间的智能优 化调度问题，调度规则的引入使该算法具有较高的搜索效率，遗传算法的引入保证了解的全 局最优性，对照算例，表明该算法在求解性能和效率两方面均具有显著的优势．     

基于遗传算法的车间调度问题

基于遗传算法对车问调度问题进行了优化,给出了自适应的遗传算子,进行了遗传算法参数设置。采用这种编码方案、遗传算子和参数使得遗传操作大大简化,能达到有效的调度作用。最后,使用标准实例对算法有效性收敛速度进行了验证,并作了简要分析。     

多目标柔性车间调度的二级精选算法

多目标柔性车间调度问题与实际更加符合,是典型的多目标组合优化问题,运用传统算法求解会产生大量的解空间,找到最优解是非常棘手的问题.基于此,提出了二阶优化方法,即基于遗传算法的初级单目标优化和基于多目标决策体系的高级精选优化的组合优化算法.初级优化阶段,采用改进的遗传算法,选用企业最关心的单目标选出一组Pareto解集;...     

车间作业调度遗传算法中的编码研究

首先讨论了车间作业调度数学表达模型，然后提出了车间作业高度基因等概念，接着详细论述了ＪＳＳ连锁基因编码法的机理，最后给出了ＪＳＳ连锁基因编码法的实施步骤并说明了ＪＳＳ连锁基因编码法的可行性。     

确定型流水车间调度的遗传算法研究

为了验证遗传算法在解决确定型流水车间调度问题比其他启发式算法优越,分析了确定型流水车间调度的特点,并运用一种新的遗传算法求解该问题。为了提高效率,避免陷入局部最优,提出了一种合理的种群初始化方法,并成功地运用于求解确定型流水车间调度问题。实验结果证明了改进的遗传算法的实用性和可靠性,并具有较好的应用价值。     

含有运输小车的柔性作业车间调度研究

在实际的柔性作业车间调度中,不但工件需要加工时间,而且工件在各个机器之间利用AGV(自动导引小车)转移也需要占用一定的时间,因此对柔性作业车间调度中考虑AGV运输时间的研究更具有实际意义.针对此问题,本文建立含有AGV的柔性作业车间调度的数学模型,针对问题自身特点对遗传算法进行改进,引入局部搜索策略加强局部寻优能力,将...     

遗传算法的双向车间作业调度算法研究

将双向调度思想应用于作业车间调度,得到一种新调度算法。算法中关键零件采用反向调度,尽可能地满足交货期要求,一般零件采用前向调度方法,最大效率地利用车间资源,尽可能早完工。利用遗传算法的全局搜索特性,得到最佳的调度结果。     

柔性作业车间调度问题的多目标优化算法

柔性作业车间调度问题具有解集多样化与解空间复杂的特点,传统多目标优化算法求解时容易陷入局部最优且丢失解的多样性。在建立以最大完工时间、最大能耗、机器总负荷为优化目标的柔性作业车间调度模型的情况下,提出一种改进的非支配排序遗传算法（Improved Non-dominated Sorting Genetic Algorithm II, INSGA-II）求解该模型。INSGA-II算法先将随机式初始化与启发式初始化方法混合,提高种群多样性;然后对工序部分与机器部分采用针对性的交叉、变异策略,提高算法全局搜索能力;最后设计自适应的交叉、变异算子以兼顾算法的全局收敛与局部寻优能力。在mk01～mk07标准数据集上的实验结果显示INSGA-II算法有着更优的算法收敛性与解集多样性。