带恶化工件的PFS调度的混合遗传算法北大核心CSSCI

研究了带恶化工件的置换流水车间调度问题,其中工件的加工时间是与开始时间有关的线性函数,考虑不同工件在不同机器上具有不同的恶化率,以最小化最大完工时间为目标,建立数学规划模型,进而提出了一种混合遗传算法来求解。该算法引入一种启发式规则以产生m-1条染色体改进初始种群的40%,结合遗传算法的初始种群产生方法共同生成种群,设计遗传参数自适应调节。仿真实验测试和对比了启发式法、遗传算法和混合遗传算法三种求解方法,实验结果表明所提出的混合遗传算法能更有效地求解这类NP-hard问题。     

带恶化工件和缓冲区的置换流水车间调度优化

本文研究了带恶化工件和缓冲区的置换流水车间调度问题,其中工件的加工时间是与开始时间有关的线性函数。假设每个工件在不同机器上有不同的恶化率,相邻机器之间的缓冲区容量有限,目标是最小化最大完成时间。针对该NP-hard问题,提出一种嵌入CDS算法和化学反应优化的混合遗传算法进行求解。首先,结合CDS算法和随机规则产生初始工件加工序列群,以改善初始工件加工序列群质量和提高工件加工序列群多样性;然后,基于工件加工位执行双亲双子单点交叉操作,应用基于反转逆序和交换的两种单点变异操作更新解;为进一步改进遗传算法解,引入化学反应优化的合成反应产生邻域解。仿真实验测试了不同规模的实例,通过与已有算法求解实例的结果进行比较,说明了所提出算法的有效性。     

面向柔性作业调度问题的启发性规则改进遗传算法

对柔性作业调度问题,提出了一种启发性规则的改进遗传求解方法,此方法从启发性规则出发产生初始调度解。通过对初始调度解进行比较而产生初始种群。对初始种群通过启发规则的改进遗传算法进行优化计算,对染色体进行交叉、变异、交换和选择操作,应用启发式规则搜索关键工序并提高关键工序的交换、变异操作概率,在变异操作中利用启发式规则对变异过程加以引导,从而得到优化解。将此方法运用于一系列典型柔性调度问题进行了实验求解,并将求解结果与其他的计算方法进行了比较,表明此方法能提高求解效率,适合复杂的柔性作业调度问题求解。     

基于改进混合遗传细菌觅食算法的贝叶斯结构学习算法

针对利用启发式学习算法学习贝叶斯网络时容易陷入局部最优和寻优效率低的问题,提出一种改进的混合遗传细菌觅食优化算法的贝叶斯网络结构学习算法。该算法首先通过遗传算法求得较优种群并作为细菌觅食算法的初始种群;然后利用交叉和变异策略改进细菌觅食算法的复制行为,增加种群多样性,扩大搜索空间;最后通过改进细菌觅食算法的迁移行为的初始化操作更新种群,防止精英个体的丢失。通过种群的迭代搜索最终获得最优的贝叶斯网络结构。实验仿真结果表明,与其他算法相比,该算法的收敛精度和效率有所提升。     

改进离散候鸟优化算法求解带缺失阶段的柔性流水车间问题

针对每阶段包含不相关并行机的柔性流水车间调度，研究了具有缺失阶段的总加权完工时间问题。由于该问题是NP-hard的，因此，提出基于两段式编码和组合邻域策略的改进离散候鸟优化算法进行求解。基于机器和工件编号设计两段式编码，利用最短加工时间规则和随机策略获得初始候鸟种群。领飞鸟和跟飞鸟进化中引入组合邻域策略以产生邻域解，最后对最差个体设计重置机制以再次提高解的质量。针对不同规模问题，对所提算法和四种启发式算法进行仿真实验，实验结果表明改进离散候鸟优化算法得到了更高质量的满意解。     

带时限与回程的配送中心运输调度问题研究

在优化模型中将配送任务执行时间及每日调用车辆数量及路径作为决策对象,以车辆的固定费用、行驶费用、未按时完成服务产生的惩罚、存储费用等作为优化目标。在遗传算法中采用自然数编码形式以便于优化车辆数量,采用基于扫描算法的启发式算法构造更好的初始解,引入单亲遗传算子、重启机制及并行禁忌搜索以提高种群质量和深度寻优。经不同规模算例间对比测试,显示基于扫描算法的混合遗传算法具有最佳的优化性能。     

基于混合离散人工蜂群算法的混合零等待柔性流水车间优化研究

从钢铁业等流程工业提炼出一类混合零等待柔性流水车间问题，其中一些加工阶段要求工件连续不断地经过这些工序，对该问题建立了整数规划模型，提出了一种混合离散人工蜂群算法以最小化最大完工时间。采用二维矩阵编码表述染色体以及工件右移调整策略进行解码以获取调度解，改进NEH启发式规则用于生成初始种群。在雇佣蜂阶段，引入了修正粒子群优化算法产生新解；在跟随蜂阶段，设计了迭代贪婪算法中的破坏和构造算子，进一步增强算法的搜索能力；在侦查蜂阶段，利用变邻域搜索算子以替换最差解。对不同规模问题进行了仿真测试并与现有算法进行对比，结果表明所提算法在求解混合零等待柔性流水车间问题方面更加有效。     

一种单机加权成套订单数问题的遗传算法

在基本的单机加权成套订单数问题[1]研究的基础上,增加考虑加工工件具有多种类型,且同类工件可分开加工,不同类工件之间接连加工需要机器调整时间的情况.建立了该类问题的0-1整数规划模型,设计求解该类问题的遗传算法,并通过一个算例对这类排序问题和所提出的算法进行说明.算法在文中所列三种初始种群规模下的10次运算内都能得到算例的最优解0.77,每次运算大都在100代以内得到收敛,多次试验结果显示算法具有较强的寻优功能、收敛平稳且运算时间较短,表明了算法求解此类问题的有效性.     

考虑平行机环境下紧急任务最大等待时间的优化调度

以快速响应无预知到达的紧急任务为研究背景，考虑两台平行机环境下紧急任务等待时间的优化调度问题。给定机器最大完工时间上界，考虑机器在加工过程中可空闲情形，在不中断常规任务的条件下，以最小化紧急任务的最大等待时间为研究目标，构建了混合整数规划模型，并对问题的某一类最优方案进行分析，证明了该类最优解满足两台机器无同时空闲以及最大完工时间达到上界的性质。基于该性质，设计了一种启发式算法以及随机键编码的遗传算法对该问题进行求解。仿真实验结果表明：遗传算法在小规模工件求解时略优，但计算时间较长；启发式算法在大规模工件求解时其求解质量与求解时间均有明显优势。本研究可为实际中对限定机器工作负荷的场景如何安排机器的空闲时间以快速响应紧急任务提供决策建议。     

离散变量结构优化设计的拟满应力遗传算法

以力学准则法为基础,提出了一种求解离散变量结构优化设计的拟满应力方法;这种方法能直接求解具有应力约束和几何约束的离散变量结构优化设计问题。通过在遗传算法中定义拟满应力算子,建立了一种离散变量结构优化设计的混合遗传算法拟满应力遗传算法。算例表明:这种混合遗传算法对于离散变量结构优化设计问题具有较高的计算效率。     

求解矩形布局问题的自适应算法

矩形布局问题属于NP-Hard问题,其求解算法多为启发式算法。该文侧重于构造布局求解算法中定位函数(规则)的优化,将模拟退火算法的思想融入到遗传算法中,提出了求解矩形布局问题的自适应算法,其利用自适应交叉、变异及接收劣质解的概率等方法对定位函数中各参数进行优化。算法通过两种方式确定初始种群的数目,具有较强的适应性。在算法搜索的后期,利用差异性较大的个体进行交叉操作,从而保持种群的多样性。最后通过实例证明了该算法能够很好的应用于矩形布局问题的求解。     

基于Lévy Flight的混合GA在柔性作业车间调度问题中的性能分析

近年来,柔性作业车间调度问题(FJSP)由于其NP难特性与在制造系统中的广泛应用被大量关注。为提高该类问题求解效率,本文在标准Lévy flight的基础上提出了一种新的离散Lévy flight搜索策略,并将该策略与遗传算法框架结合,形成一种离散Lévy flight策略的混合遗传算法。该混合算法通过使用离散Lévy flight搜索策略对每代精英种群进行变步长搜索,提高了算法的局部搜索能力,增强了种群多样性。本文通过将CS、GA和TLBO等经典算法作为对比算法,对不同规模的54个FJSP算例进行实验,证明了所提出的算法具备更好的收敛效果与稳定性,适合于求解大规模FJSP。     

结合Setup和有限等待时间的两阶段混合流水调度优化

基于某洗发水生产企业的运作场景,研究了一种非同质并行机环境下的两阶段混合流水生产调度优化问题。问题综合考虑了各阶段的机器适用性、各机器上的序列相关准备时间(Sequence-dependent setup time,SDST)以及两阶段间的有限等待时间(Limited waiting time),以最小化最大完工时间(Makespan)。在问题建模的基础上,借助作业块划分规则构造了一种基于模型的启发式算法,并设计和实现了针对本问题的遗传算法。通过大量计算实验,将直接求解模型、基于模型的启发式算法和遗传算法这三种方法进行对比分析,验证了算法有效性,并利用遗传算法求解了大规模实际问题。     

基于时间满意的覆盖问题及混合遗传算法实现

利用时间满意度函数,从顾客角度考虑覆盖半径,从企业角度考虑覆盖比例,提出了比传统集覆盖问题更一般的基于时间满意的覆盖选址问题.通过建立这一问题的整数规划模型,应用混合遗传算法对该问题求解,并同几种被证明为在覆盖选址问题中计算效果较好的启发式算法进行了对比实验分析,实验显示本文的算法策略可以得到高质量的解.     

求解约束优化问题的退火遗传算法

针对基于罚函数遗传算法求解实际约束优化问题的困难与缺点,提出了求解约束优化问题的退火遗传算法。对种群中的个体定义了不可行度,并设计退火遗传选择操作。算法分三阶段进行,首先用退火算法搜索产生初始种群体,随后利用遗传算法使搜索逐渐收敛于可行的全局最优解或较优解,最后用退火优化算法对解进行局部优化。两个典型的仿真例子计算结果证明该算法能极大地提高计算稳定性和精度。     

基于改善初始种群的免疫遗传算法优化JSP问题

合理安排加工任务可以最大化的利用设备。针对单件车间问题采用免疫遗传算法进行求解,设计了具体的初始种群改善方法,将采用能动法和无延迟法生成个体替换随机初始种群中适应度最低的个体的方法融入到初始种群生成过程,提高初始种群质量。通过标准案例测试,与无改善初始种群的算法比较,表明了改善算法的良好求解性能。     

基于批量划分的无等待流水车间订单接受问题研究

在无等待流水车间环境下,考虑订单分批量加工策略的订单接受问题,建立问题的数学模型。由于问题的NP难特性,提出改进的遗传算法对模型进行求解。改进的算法采用正向和反向NEH算法与随机方法产生初始种群,在算法更新过程中将禁忌搜索算法嵌入到遗传算法中来实现局部搜索,避免算法陷入局部最优。最后,算例表明批量划分策略能够有效减少订单的完成时间,实现订单总收益的最大化。通过算法对比,说明了改进遗传算法具有较好的求解效果。     

求解一类非线性双层规划问题的混合遗传算法

本文研究下层目标函数为拟凹函数的非线性双层规划问题。利用下层目标的最优值能在可行域极点上达到的性质,将求极点的方法引入遗传算法,提出了一种混合遗传算法。为了提高该算法的效率,结合种群最优个体,给出了有利于产生高质量后代的杂交和变异算子。对于下层问题存在多个最优解的情况,证明了其最优解可表示为极点最优解的凸组合,并利用这一结论修正了算法,使得该算法也能求解下层多解的情形。数值结果表明本文提出的算法是有效的。     

钢铁企业副产煤气优化调度问题模型及算法

考虑钢铁企业副产煤气优化调度问题,在分析问题特征的基础上,建立了数学规划模型。针对模型特点,将遗传算法与混沌理论相结合进行模型求解,在初始种群中引入基于启发式规则生成的优良个体来提高收敛速度;通过建立个体精英库防止最优值的丢失;引入基于混沌序列的邻域搜索以提高算法的寻优效率。通过仿真实验验证了模型与算法的可行性和有效性。     

采购拍卖的分段线性报价模型及其遗传算法

在分析现有采购拍卖研究多为较少数量物品拍卖和投标规则过于简单的基础上,针对价格折扣问题,提出了更符合企业采购实际的模型：允许投标人分段报价,每一段中边际产品价格不变,但产品平均价格随着数量的增加而下降。由于模型的计算复杂性(NP-Hard),无法用经典方法求解最优解。通过在采购拍卖中引入智能算法思想,运用遗传算法进行求解,并同时利用启发式算法引导其搜索过程,提高了搜索效率。计算实例表明,混合遗传算法结果优于启发式算法。