引入免疫算子的遗传算法对作业车间调度结果的影响

解决车间生产调度问题能缩短生产周期,提高生产效率,降低制造成本。通过对作业车间调度问题的分析,提出一种求解作业车间调度问题的免疫遗传算法。该算法通过引入免疫算子,进行抽取疫苗和接种疫苗等免疫机制,充分利用待求解问题的特征信息来指导个体的进化,有效改善基本遗传算法的未成熟收敛和局部搜索能力差的不足,显著提高了基本遗传算法对全局最优解的搜索能力和收敛速度。利用Delphi实现该算法并实例仿真,结果表明免疫遗传算法能有效解决作业车间调度问题。     

基于多目标混合进化算法的作业车间混排可变分批节能调度方法

针对作业车间分批调度问题,集成可变子批划分和子批混排策略,考虑批量划分约束、子批混排加工约束等,建立了最小化能耗和完工时间的混排可变分批调度优化模型,并提出了一种改进多目标混合进化算法。为了协调算法的全局搜索与局部搜索性能,将Jaya算法种群更新机制引入基于分解的多目标进化算法中,同时结合混排可变分批调度问题特征,设计了一种基于子批拆分/合并与关键链相结合的局部搜索策略。基于不同规模算例,对比分析了所提出的算法与其他经典算法的求解性能。实验结果表明,所提出的算法在Pareto解集收敛性和分布性方面具有明显优势,同时所提出的混排可变分批策略可有效降低能耗、缩短完工时间。     

考虑工件分批的柔性作业车间调度及求解算法

针对柔性作业车间分批调度问题,建立了考虑工件分批的柔性作业车间调度模型,并提出混合遗传算法用于模型求解。首先,采用改进试探法确定划分的具体批次、柔性批量划分方法确定各个批次的实际批量;其次,采用双层编码机制对工序排序及机器选择同时进行优化,利用GLR机器选择法生成初始解;最后,混合遗传算法利用GA鲁棒性强与ABC算法对初始解依赖性不高、适应性强的特点在解空间内充分搜索较优解,并结合SA出色的局部搜索能力快速收敛到全局最优解。分析表明,改进试探法批次划分与柔性批量划分方法可明显缩短生产周期,同时也证明了所提算法的有效性和可行性。     

一种混合算法在装配序列规划中的应用研究

基于现有复杂产品装配序列的特点,建立了装配体的几何可行性、零件的重新定向次数及装配体稳定性的目标函数。在原有离散粒子群算法的基础上,引入改进的进化方向算子,该算子可较为突出的改进离散粒子群算法的局部搜索能力。提出了一种混合算法,该算法在不牺牲粒子群算法的局部搜索能力和搜索速度的同时,提高其全局搜索能力,减少算法平均迭代的步数。算例表明:该混合算法具有优良的局部搜索特性及全局搜索特性,算法可快速收敛至全局最优解,可有效解决装配序列规划问题。     

无缝钢管热轧批量调度问题的学习型文化基因算法

针对无缝钢管热轧批量调度问题,考虑生产工艺约束、生产需求优化等因素,以最小化热工具轧辊使用消耗、生产拖期为目标,建立了多目标整数规划模型。分析了无缝钢管批量调度顺序对热工具轧辊消耗的影响,给定了轧制批量顺序下的求解启发式算法,并设计了一种基于多种群进化的学习型文化基因算法。针对目标设计了不同的搜索算子以及算子的自适应学习选择策略来指导种群进化,充分发挥全局搜索和局部搜索能力。仿真实验与常用的带精英策略的快速非支配排序遗传算法和文化基因算法进行了对比,验证了所提模型和算法的有效性。     

一种新型病毒进化遗传算法研究

引入了学习机制，结合病毒进化原理，提出了一种新的病毒进化遗传算法。该算法通过病毒感染操作提高了局部搜索能力，同时利用病毒学习机制，增加了提高主群体和病毒全体的平均适值，有效地避免了最优解的丢失，缩小了搜索空间，从而加快了算法的收敛性能和收敛速度。针对车间调度中的典型问题进行了仿真，结果证明了新算法的有效性。     

改进差分进化算法求解混合流水车间调度问题

对于求解混合流水车间调度问题,标准差分进化算法存在易陷入局部极值的缺点,为此,以最小化最大完工时间为目标函数建立了仿真优化模型,并提出了一种改进差分进化算法进行求解。将所提算法结合反向学习策略生成初始种群,在差分进化中进一步引入自适应差分因子,并在个体选择机制中引入模拟退火算法的Metropolis准则,有效提高了该算法的全局搜索能力。最后基于不同规模算例对所提算法和经典算法进行了仿真实验结果对比,验证了所提改进差分进化算法的有效性和优越性。     

变批量车间调度文化进化算法研究及应用

针对JIT环境下柔性生产的要求,多品种小批量生产使车间调度规划更加困难,许多生产调度优化问题属于NP-hard问题,其求解通常采用智能启发式算法。文化进化算法基于文化算法、文化进化思想及超群进化思想,通过上层文化空间的经验知识指导下层个体进化搜索的方向及步长,通过模拟人类社会文化进化的机制实现文化空间的进化与更新,最后将算法应用到变批量Flowshop问题的求解,用Matlab编程仿真测试,结果表明用此算法进行批量分割,解决生产调度优化问题是可行的,而且其搜索性能优于AGA算法。     

自适应差分进化改进云资源调度

为了解决云制造资源调度与实际制造场景不符、易陷入局部最优和收敛速度过慢的问题,提出了一种基于自适应多目标差分进化的制造资源调度方法。该方法考虑了实际云制造平台资源调度特点,建立了一个具有时序约束及成本约束的多目标优化资源调度模型。针对云制造资源调度特点,对传统差分进化进行改进,提出自适应变异率和交叉率,实现了寻优过程中变异率与交叉率的动态调整,均衡了多目标差分进化全局搜索与局部搜索能力,提高了最优解搜索的精度与速度。实际算例证明了该方法的有效性和可行性。     

一种求解Flow-Shop调度问题的混合量子进化算法

针对Flow—Shop调度问题,在量子进化算法的基础上,提出了一种求解置换流水车间调度问题的混合量子进化算法（HQEA）,融合了量子进化算法和经典遗传算法的优点,并提出了一种新的针对置换流水车间调度问题的解码方法和一种新的量子门更新旋转角策略,最后针对一系列典型置换流水车间调度问题进行了对比仿真。研究结果表明,所提出的混合量子进化算法HQEA具有良好的全局搜索能力和较快的收敛速度。     

A new hybrid parallel algorithm for consistent-sized batch splitting job shop scheduling on alternative machines with forbidden intervals

Considering alternative machines for operations, forbidden intervals during which machines cannot be available and a job’s batch size greater than one in the real manufacturing environment, this paper studies the batch splitting scheduling problem on alternative machines with forbidden intervals, based on the objective to minimize the makespan. A scheduling model is established, taking before-arrival set-up, processing, and transfer time into account. And a new hybrid parallel algorithm, based on differential evolution and genetic algorithm, is brought forward to solve both the batch splitting problem and the batch scheduling problem by assuming a common number of sub-batches in advance. A solution consists of the actual optimum number of sub-batches for each job, the optimum batch size for each sub-batch, and the optimum sequence of operations for these sub-batches. Experiments on the performance of the proposed algorithm under different common numbers of sub-batches are carried out. The results of simulations indicate that the algorithm is feasible and efficient.     

A hybrid differential evolution method for permutation flow-shop scheduling

The permutation flow-shop scheduling problem (PFSSP) is a typical combinational optimization problem, which is of wide engineering background and has been proved to be strongly NP-hard. In this paper, a hybrid algorithm based on differential evolution (DE), named HDE, is proposed for the single-objective PFSSPs. Firstly, to make DE suitable for solving PFSSPs, a largest-order-value (LOV) rule is presented to convert the continuous values of individuals in DE to job permutations. Secondly, after the DE-based exploration, a simple but efficient local search, which is designed according to the PFSSPs’ landscape, is applied to emphasize exploitation. Thus, not only does the HDE apply the parallel evolution mechanism of DE to perform effective exploration (global search), but it also adopts problem-dependent local search methodology to adequately perform exploitation (local search). Based on the theory of finite Markov chains, the convergence property of the HDE is analyzed. Then, the HDE is extended to a multi-objective HDE (MHDE) to solve the multi-objective PFSSPs. Simulations and comparisons based on benchmarks for both single-objective and multi-objective PFSSPs are carried out, which show the effectiveness, efficiency, and robustness of the proposed HDE and MHDE.     

基于混合遗传鲸鱼优化算法的柔性作业车间自动导引车融合调度方法

针对柔性作业车间调度问题,考虑自动导引车(AGV)在车间制造过程中只参与装卸和搬运工作,提出一种实现AGV路径规划与柔性作业车间调度集成优化的融合调度模型。采用基于工序排序与机器选择两个子问题的二维向量编码方案,并在解码过程中提出基于最先服务原则的AGV安排策略。对鲸鱼优化算法进行离散化改进,针对性地设计了多种种群初始化策略,引入遗传算法的交叉、变异操作以提升鲸鱼优化算法的全局搜索能力,并嵌入局部搜索算法以达到全局搜索和局部搜索的平衡,构建了一种混合遗传鲸鱼优化算法（HGWOA）来求解该融合调度模型。通过经典测试算例验证了算法性能,并使用正交试验优化了算法参数。研究结果表明,HGWOA算法用于求解柔性作业车间AGV融合调度问题可以获得较好的效果。     

多级车间生产计划和调度的集成优化

针对一类多级制造系统建立了生产计划和调度的集成优化模型。该多级制造系统为三种类型车间的一个串联,主要有作业车间、并行生产车间和流水车间,且终端产品和上游车间制造的零部件之间为装配关系,因此生产关系十分复杂。在分析批量生产特点的基础上给出了一个批量动态分割合并算法,并构造了一个基于遗传进化的启发式算法对该模型进行求解。与递阶分解方法的比较试验表明所提出的集成优化方法是有效的。     

基于禁忌搜索的平行机多工厂供应链调度

提出一类平行机多工厂供应链调度问题,从整体的角度优化订单分配、生产调度和运输调度。以交货期限内完成所有工件的生产和运输总成本最小化为目标,构建了问题的混合整数规划模型。设计了一种基于向量组编码结构的禁忌搜索算法以求解该问题。使用供应链调度策略和独立决策策略分别对算例进行求解,数据结果验证了供应链调度策略的优越性。禁忌搜索算法结果与CPLEX的求解结果对比表明,禁忌搜索算法有效可行。     

设备共享环境下的并发预约问题研究

为解决设备并发预约下的作业调度问题，在分析预约流程和共享模式的基础上，给出了定量数学模型。根据问题的不确定特性和大量用户并发访问的实际情况，提出了基于问题分解的启发式算法。按照SF策略决定区间求解顺序，用改进Dantzig算法求解单区间问题，求解过程中进行局部回溯调整，最后再执行邻域搜索。仿真结果证明了上述步骤的有效性，该算法能在可忽略的时间内获得满意解。     

基于粒子群算法的并行多机调度问题研究

将港口拖轮作业调度问题描述为一类带特殊工艺约束的并行多机调度问题，采用粒子群算法求解该类调度问题，提出了一种2维粒子表示方法，通过对粒子位置向量进行排序生成有效调度，并采用粒子位置向量多次交换的局部搜索方法来提高算法的搜索效率。最后，通过计算验证了混合粒子群算法的有效性。     

求解置换调度问题的改进混合遗传算法

构造了求解极小化总完工时间的置换调度问题的改进混合遗传算法：先采用构造型启发式算法和随机方法共同产生初始种群，然后在选择、交叉和变异等遗传操作之前借助禁忌搜索算法寻找每个个体的局部最优解组成当前种群，再应用种群整体替换策略保存种群中的优秀个体构成新一代种群。改进混合遗传算法有机地结合了禁忌搜索算法的局部搜索性能和遗传算法的全局搜索性能。仿真实验表明，改进混合遗传算法具有比构造型启发式算法和禁忌搜索算法更好的鲁棒性和寻优性能。