基于实虚基因座的车间调度遗传算法

提出了实基因座和前、后虚基因座的概念，能够很好地表达生产排程时制品之间的优先级别以及加工工艺路线，并由此构建了面向车间生产的实用遗传算法。该算法具有编码简单、小群体进化、快速收敛代数少、全局搜索能力强等优点，可以有效解决生产车间的排程问题。     

基于遗传算法的车间生产调度系统研究

随着制造业的快速发展,如何有效的实现车间生产调度系统的整体优化,是很多企业需要解决的紧迫问题。针对以上问题,提出了基于遗传算法的车间生产调度系统,建立了最小化完工时间目标模型,研究了基于遗传算法的车间生产调度系统实现过程。最后,以C#为开发语言,以Visual Studio2008为开发平台,开发成功了车间生产调度系统模块并用实例和仿真验证了该方法的可行性。     

基于改进遗传算法的生产车间多工艺计划调度研究

建立了基于多工艺加工计划的生产调度数学模型,给出了基于改进遗传算法的无辅助加工时间多工艺加工计划调度算法,通过与国外学者提出的算法相比较,证明了该算法的正确性和优越性,实验结果表明,模型是正确的,算法是有效的。     

基于遗传算法的作业车间调度研究与应用

提高大功率船舶柴油机的生产能力和水平,对提高我国造船行业的国际竞争力有着重要的意义。介绍作业车间调度问题,提出一种改进的遗传算法,同时将此算法应用于船舶柴油机的作业车间调度,该算法采用基于工序的编码方式,考虑了机床与工艺路线的约束,求解以关键设备的利用率最高和产品的加工周期最短为目标的静态调度问题,并通过具体的实例仿真分析其有效性。     

基于改进的遗传算法在车间作业调度中的应用与研究

在车间作业调度中,如何合理安排工件在机器上的加工顺序是企业生产过程研究的关键问题,在分析作业调度的数学模型的基础上,以完工期最小为目标,设计了遗传算法,为克服传统遗传算法在求解过程中出现的早熟收敛现象,设计了一种独特的选择算子和交叉变异方式,通过实例验证了该算法的有效性.     

基于遗传算法的作业车间调度优化

车间调度问题由于具有重要的理论和实用价值吸引了很多研究者的兴趣 ,但以前的大多数研究集中在经典的作业车间调度问题 ,忽略了很多重要的因素 ,离应用尚有不少的差距。本文结合实际的生产过程 ,考虑到工件的加工受到机床、工人和机器人等资源的制约 ,并且可以有多种可行的工艺路线。提出了一种与启发式调度规则相结合的混合遗传算法 ,调度规则使该算法具有较高的局部搜索效率 ,遗传算法保证了解的全局最优性 ,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     

基于遗传算法的作业车间双向调度优化问题

提出了一种基于混合遗传算法的双向调度算法，用来解决以关键工件交货期和生产周期为优化目标的作业车间调度问题。在算法中，遗传算法在全局范围内搜索最优调度染色体，双向调度算法根据得到的染色体进行调度。按照订单的要求，作业车间的工件可分为两类，即关键工件和一般工件。因此，车间调度与可分为前向调度和反向调度两个步骤，对于关键工度，利用剩余的车间资源，尽可能早完工。仿真结果表明该算法是可行的，与传统的调度算法相比，其优越性是明显的。     

基于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,以最小化最大完工时间、关键机器负载以及机器总负载为目标建立调度数学模型,提出一种改进改进遗传算法进行求解。算法采用两种交叉原则,通过对关键工序块操作形成二级邻域结构进行求解,并采用外部档案集对操作过程中的个体进行保留,采用加权法对个体进行评价,对Kacem基准算例进行求解,以证明所提出算法求解性能。     

基于改进遗传算法的车间调度问题求解

针对车间调度问题(Job Shop Problem,JSP)的特点,提出一种改进遗传算法。该方法利用剩余作业时间最多(MostWork Remaining,MWR)的工件优先排列的启发式规则来产生初始种群,并且在进化过程中采用分代交叉算子进行操作来避免算法早熟。通过分析算例结果表明,该改进遗传算法可以在进化初期就得到比较理想的调度方案,而且优化收敛速度快、结果优,更适用于解决车间调度问题。     

基于遗传算法的柔性车间作业调度研究

阐述了对基于遗传算法的柔性车间作业调度进行研究的重要意义及其研究现状,分析了传统算法应用于车间作业调度过程中出现的问题,论述了在柔性车间作业调度中运用遗传算法的可行性。     

基于嫁接GA的车间作业调度问题研究

针对现有遗传算法在解决大规模车间作业调度问题时存在进化速度过慢与早熟的矛盾，提出了一种改进的遗传算法一嫁接遗传算法。算法的改进之处有3点：①引入嫁接种群来加快进化速度并提高抗早熟的能力；(多引入交叉概率矩阵来进一步防止出现早熟；(9采用3种不同的交叉算子来扩大搜索范围，提高解的质量。通过经典调度例子测试，该算法在进化速度和求解精度方面同时取得了比较满意的效果，不失为一种解决遗传算法矛盾问题的新途径。     

一种求解Job-Shop调度问题的量子遗传算法

提出了一种基于操作方式进行编码和解码的量子遗传算法,并将其用于求解一种典型的NP-hard组合优化问题即Job-Shop调度问题.该算法采用量子比特方式构造染色体,增加了算法的种群多样性和计算并行性;采用量子旋转门操作实现种群进化,有效地提高了算法的收敛速度.用基准调度问题实例对该算法进行的测试结果表明:该量子遗传算法与改进的遗传算法相比较有更好的优化性能.     

基于工序规划及调度的虚拟仿真系统

利用DENEB-QUEST车间三维虚拟仿真技术,设计了一种实用的集工序规划、车间调度及虚拟仿真于一体的集成仿真系统。     

基于自适应遗传算法的虚拟企业合作伙伴选择

针对均衡分配生产任务与合理选择合作伙伴问题,应用自适应遗传算法进行计算求解.根据低效候选企业的概念,对解的空间进行了缩减以降低计算复杂度;建立了以生产负荷率为主要变量的适应度函数,通过算例分析以验证算法的可行性;应用标准遗传算法以及枚举法作对比验证,表明建立的模型和方法可以获得满意的解.该方法有助于提高制造企业的资源利用率.     

一种使用再编码染色体求解Job-Shop问题的并行遗传算法

使用遗传算法求解Job Shop问题的一个关键问题是编码。本文提出了一种求解Job Shop问题的新遗传算法———RPGA(Re encodingParallelGA)。此方法的编码方式将Job Shop问题转换为一个TSP(TravelingSalesmanProblem)问题 ,使得关于TSP问题的遗传算法的方法可以用于解决Job Shop问题。这种编码方式可以满足Job Shop问题对工件加工顺序的要求 ,避免在进化过程中产生非可行解。RPGA最重要的特点在于染色体的再编码过程 ,再编码过程根据各工序的开工时间先后对染色体的各基因重新赋值 ,使得编码空间和解空间一一对应。最后 ,本方法使用MPI并行编程技术实现了粗粒度的并行模型 ,在此模型上我们对Fisher和Thompson的 10× 10问题进行了求解实验。实验表明本方法有着良好的求解效率 ,也证明了对染色体再编码过程对此问题的重要性。     

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。     

嫁接遗传算法及其在车间作业调度问题中的应用

分析了现有遗传算法在解决车间作业调度问题时局限产生的原因 ,提出了一种既能加快进化速度 ,又能提高抗早熟能力的嫁接遗传算法 ,并将其成功应用于车间作业调度问题。最后的实例测试表明了新算法的有效性和优越性以及它在调度领域的应用可行性。     

动态Job-Shop调度问题的一种自适应遗传算法

提出了基于序列号的、独特的混合编码与级联编码相结合的遗传编码构造方法，给出了序列海明距离的定义和具体的计算方法，并引入到自适应遗传算法中。实例仿真计算的结果表明，提出的自适应遗传算法提高了全局求解能力，在解决动态Job—Shop调度问题时具有明显的优越性。     

基于改进遗传算法的虚拟装配路径规划研究

装配路径规划是虚拟装配技术的核心,为了获得最优装配路径,在凸四边形障碍物环境中,通过对初始种群选取方法的重新定义,保证了参加演化算法的每条染色体都是可行的,同时对传统遗传算法中的变异算子和杂交算子进行改进,提高了算法的有效性。最后实验证明将改进的遗传算法运用到机械式减速箱装配中可得到更优的装配路径。