基于混合遗传算法的车间调度问题的研究

作业车间调度问题是最困难的组合优化问题之一，也是计算机集成制造系统中的一个关键环节，在实际生产中具有广泛应用。为此，提出了实现车间调度的混合遗传算法的设计方案，把遗传算法与模拟退火算法相结合，充分发挥遗传算法良好的全局搜索能力和模拟退火算法有效避免陷入局部极小的特性。通过实验验证了基于GASA混合算法的作业车间调度方法显著提高了搜索效率，改进了收敛性能。     

基于遗传模拟退火融合算法的船舶分段装配序列优化

针对复杂船舶分段装配序列规划问题,提出基于遗传模拟退火算法的分段装配序列规划求解方法,综合考虑分段装配中的工艺约束和几何约束,建立以分段装配所需时间和消耗成本为优化目标的问题模型,并为模型求解设计了遗传模拟退火融合算法,将模拟退火算法的局部搜索能力与遗传算法的快速全局搜索能力相结合,达到快速收敛到全局最优解的目的.通过实例验证了该算法的有效性.     

遗传模拟退火算法在模型辨识中的应用

针对标准遗传算法在许多问题的解决中出现的早熟现象、局部寻优能力较差的情况．结合了标准遗传算法和模拟退火算法的优点并在编码的时候采用混合编码机制、提出一种改进的遗传模拟退火算法、解决了标准遗传算法在局部寻优差．求解效率差的问题。并用FESTO紧凑型过程控制实验室中的液位控制系统完成算法的验证工作、证明这种方法具有一定的优越性。     

基于混合遗传算法的Job Shop问题研究与实现

遗传算法具有良好的全局搜索能力,在调度问题中得到了广泛的应用。通过对遗传算法进行改进,可以有效避免在求解过程中容易陷入局部最优域的问题。通过采用混合遗传算法,即将模拟退火算法与遗传算法结合,在种群更迭过程中引入了模拟退火操作来求解Job Shop问题。通过实验验证了混合遗传算法的特性,最终算法显示出了遗传算法较好的搜索能力和模拟退火避免过收敛的特性,改进了收敛性能。系统的运行结果满足调度要求,实现了良好的有效性和实用性。     

一种基于改进遗传算法的车间调度问题研究

作业车间调度是一类求解较困难的组合优化问题,在考虑遗传算法早熟收敛问题结合模拟退火算法局部最优时能概率性跳出的特性,该特性最终使算法能够趋于全局最优。在此基础上,将遗传算法和模拟退火算法相结合,提出了一种基于遗传和模拟退火的混合算法,该算法将模拟退火算法赋予搜索过程一种时变性融入其中,具有明显的概率跳跃性。同时。通过选取Brandimarte基准问题和经典的Benchmarks基准问题进行分析,并应用实例对该算法进行了仿真研究。该结果表明,通过模拟退火算法与遗产算法相集合,可以使计算的收敛精度明显提高,是行之有效的,与传统的算法相比较,有较明显的优越性。     

基于退火选择微粒群算法的车间调度问题研究

针对车间调度问题研究的不足,以及标准微粒群算法只能求解无约束问题和容易陷入局部最优的缺陷,提出一种退火选择微粒群算法。通过构造混合罚函数的方式对目标函数进行优化;采用一种动态权重策略,并与模拟退火算法以及遗传算法的选择过程相结合,有效避免陷入局部最优,提高了算法的寻优能力。将ASPSO算法应用于实例仿真,得到了较好的结果,证明了算法的可行性和有效性。     

JIT柔性混合流水车间生产调度问题研究

针对混合柔性流水车间多种工艺路线的生产调度问题,分析了生产工艺计划与车问调度系统的集成原理,建立目标模型,通过将简单遗传算法加以改进,在建立集成模型的基础上,对算法进行研究,把进化后的遗传算法（SGA）和改进的模拟退火算法（SA）有机结合,使算法优化机制融合和优化结构互补,形成较为高效的混合优化算法,并对问题进行求解。最后给出了一个具体算例,验证算法的有效性和先进性。     

混合遗传-模拟退火算法应用于液压集成块优化设计的研究

以液压集成块布局布孔优化设计问题为背景,给出了在立体空间中带性能约束的多目标优化数学模型。针对遗传算法在求解该组合优化问题时局部搜索能力不强的情况,将模拟退火算法与之结合,设计了多参数级联的编码方法,且加入记忆装置,构造了一种具有记忆功能的混合遗传-模拟退火算法。实例计算表明,改进后的新算法能很好地改善对解空间的局部搜索能力,从而得到较高质量的解。     

基于模拟退火遗传算法的自动化制造最小完工时间调度优化

自动化制造最小完工时间调度是一个典型的组合优化问题。本文提出一种模拟退火遗传算法,应用于自动化制造最小完工时间调度优化。以最小化时间为目标代价函数,通过遗传算法的复制、选择和变异操作来实现大范围的全局搜索,通过仿真退火算法的逐步降温实现小范围的局部搜索,并行实现方案加速了其求解的速度。与模拟退火算法和遗传算法相比:该算法在解的质量、收敛速度和运行时间上均具有一定的优势。     

一类解决Job Shop问题的改进遗传算法

将遗传算法与模拟退火算法相结合，提出一种有效的混合调度算法。采用4—2选择代替传统的转轮选择方法，既保留了优秀个体叉维持了群体的多样性；采用具有较强突跳能力的模拟退火算法代替传统遗传算法的变并算子，增强了全局探索能力，减小了陷入局部极小值的机会；采用基于关键路径的状态产生函数，缩小了搜索邻域，提高了算法的效率。仿真结果表明，该算法具有较高的求解质量和效率。     

基于并行协同的多车间协同调度问题研究

传统企业在实际生产中,其多个关联车间之间的生产计划与调度存在难以协作的问题。为此,针对多车间协同调度问题建立了调度模型,提出了一种多车间协同调度的并行协同进化遗传算法(PCE-GA),并且采用该算法对上述模型进行了求解。首先,以最小化订单完工时间为目标,建立了单目标调度模型;然后,采用了并行协同进化遗传算法,对上述单目标调度模型进行了求解,基于工件、机器、装配关系的三层整数编码的染色体编码方案,提出了一种协同适应度值计算的方法;最后,以某液压缸生产企业为例,针对单目标调度问题,采用该算法与单车间遗传算法(JSP-GA)、并行协同模拟退火算法(PCE-SA)分别进行了求解,并对其结果进行了比较,以验证PCE-GA算法的优越性。研究结果表明：采用PCE-GA算法得到的优化率为13.3%,比单车间作业调度遗传算法求解的数据优化11.5%,该结果证明了PCE-GA算法在解决多车间协同优化问题时的优越性。     

基于改进遗传算法的环形RGV系统调度优化

针对自动化立体仓库中环形穿梭车系统(Rail Guided Vehicle system,RGVs)调度优化问题,综合考虑RGV数量、进出货口限制、复合作业次数和堵塞次数对作业效率的影响,以最小化任务总完工时间为目标,建立了多影响因素下的RGV调度数学模型,并采用改进遗传算法对模型进行求解。首先,设计了多影响因素下的编码方式,提高算法求解实际问题的能力;然后,在遗传算法中引入模拟退火操作,提高算法的局部搜索能力,避免算法求解过程陷入局部最优;最后,设计染色体修复方法来避免非法解的出现,提高算法的收敛速度和求解稳定性。通过实例验证了模型和算法的有效性与先进性。     

一种基于混合遗传算法的车间生产调度的研究

车间生产调度问题(Job-shop scheduling problem,JSSP)属于NP完全问题,现在多使用现代优化算法来解决此类问题.本文将模拟退火算法、禁忌搜索算法的思想融入到遗传算法中,提出了模拟退火-交叉机制和禁忌搜索-变异机制,形成了一种适用于解决车间调度方面问题的新的混合遗传算法.三种算法取长补短,使得遗传算法局部搜索能力差和易早熟的缺点得以改善.同时运用这种混合遗传算法对经典车间调度问题进行了仿真.     

一种基于小生境的混合遗传退火算法

分析遗传算法和模拟退火算法混合优化策略的构造出发点 ,融合小生境技术的思想 ,提出一种以遗传算法和模拟退火算法为子算法的基于小生境技术的混合遗传退火算法———NGSA算法 ,并对该算法的特点和优化性能作了定性分析。结合典型多峰值测试函数———Shubert函数的求解实验 ,说明NGSA算法具有较强的全局和局部搜索能力 ,能够高效地寻找到多个全局极值 ,且参数选择不必过分严格 ,是一种优化能力、效率和可靠性较高的多峰值优化方法。最后 ,讨论了该算法在机械学科的广泛应用背景。     

求解车间调度问题的一种新遗传退火混合策略

综合了遗传算法和模拟退火算法的优点,提出了一种新的遗传退火混合优化策略。该算法引入模拟退火算法作为遗传算法种群的变异算子,增强和补充了遗传算法的进化能力,同时将机器学习原理引入混合算法中,增加了种群的平均适值,有效地避免了最优解的丢失,加快了进化速度,使系统能够在很短的时间内得到最优解。针对车间调度的典型问题进行了仿真,结果证明了新算法的有效性。     

基于粒子群优化和模拟退火的混合调度算法

提出了一种离散粒子群调度算法，采用基于工序的编码方式及相应的位置和速度更新方法，使具有连续本质的粒子群算法直接适用于调度问题。针对粒子群算法容易陷入局部最优的缺陷，将其与模拟退火算法结合，得到了粒子群-模拟退火算法、改进的粒子群算法、粒子群-模拟退火交替算法以及粒子群-模拟退火协同算法等4种混合调度算法。仿真结果表明，混合算法均具有较高的求解质量。     

基于混合遗传算法的车间调度问题研究

利用遗传算法(GA)和模拟退火算法(SA)求解该问题近优解的有效性和实用性,提出一种实现车间调度的混合遗传算法(GASA),给出了一个新的编码方法,并建立了相应编码的解码规则.对初始温度的确定方法和获得适应度函数的方法进行了探讨.基于LA16调度问题,分别利用该方法和单纯遗传算法及模拟退火算法进行了模拟仿真计算,计算结果表明该混合算法克服了单纯遗传算法和模拟退火算法在车间调度优化方面的不足,具有较高的鲁棒性.     

嵌入筛选操作的遗传算法及其在焊接路径规划中的应用

针对基本遗传算法(GA)中存在的局部搜索能力不足和未成熟收敛的问题,引入一种结合模拟退火算法的筛选操作对算法进行改进.改进遗传算法(IGA)一方面在优化后的解空间进行精细寻解,另一方面依靠基本GA算子开拓全局搜索空间,从而使算法达到全局最优与局部优化的良好平衡.由于改进算法中采用了模拟退火算法的Metropolis准则...     

嵌入筛选操作的遗传算法及其在焊接路径规划中的应用

针对基本遗传算法(GA)中存在的局部搜索能力不足和未成熟收敛的问题,引入一种结合模拟退火算法的筛选操作对算法进行改进.改进遗传算法(IGA)一方面在优化后的解空间进行精细寻解,另一方面依靠基本GA算子开拓全局搜索空间,从而使算法达到全局最优与局部优化的良好平衡.由于改进算法中采用了模拟退火算法的Metropolis准则...     

一种求解车间调度的混合免疫遗传算法

为了克服传统免疫遗传算法(IGA)在车间调度问题上易陷入局部最优的缺点,将免疫遗传算法(IGA)与模拟退火算法(SA)进行了结合,提出一种应用于车间作业调度的混合免疫遗传算法。为了有效的提高免疫遗传算法收敛速度和避免算法陷入局部最优解,此算法设计了一种基于适应度和浓度的自适应精英保留策略且重新设置了变异算子,即将变尺度变异和自适应变异算子进行了融合。最后利用"Muth and Thompson"基准问题进行仿真实验,验证了该算法在JSP问题中的高效性和可行性。