基于改进混合遗传算法的柔性车间调度问题研究

针对柔性作业车间调度问题,提出了一种将模拟退火算法和莱维(Levy)飞行扰动策略引入传统遗传算法(Genetic Algorithm, GA)的改进混合遗传算法。基于传统遗传算法,增加了自适应交叉概率和变异概率,生成初始种群后,对优秀个体进行保护,对性能较差的个体进行模拟退火和Levy飞行操作,克服了传统遗传算法的“早熟”和易陷入局部最优解的问题。通过仿真对比实验的测试,证明了该算法的有效性和优越性。     

一种基于GA-SA-TS算法的车间调度方法的研究

运用现代优化算法来解决车间调度这类NP完全问题是现在普遍使用的方法。本文将模拟退火算法和禁忌搜索算法的思想与遗传算法相结合,改善了传统遗传算法中单一的交叉和变异机制,提出了模拟退火-交叉机制和禁忌搜索-变异机制,最终形成了一种适用于解决车间调度方面问题的GA-SA-TS混合遗传算法。三种算法取长补短,避免了遗传算法局部搜索能力差和易早熟的缺点。同时运用GA-SA-TS算法,针对实际车间调度问题进行了仿真。通过该仿真结果可以看出,GA-SA-TS混合遗传算法对于解决车间调度问题是可行的,且在解的质量方面有所提高。     

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.     

一种混合遗传算法在车间作业调度中的应用研究

结合遗传算法和局域搜索的优点,提出一种混合遗传算法(HGA)以解决Job-shop调度问题。HGA采用基于工序的编码方案;然后在探讨影响HGA性能的交叉和变异算子的基础上,引入顺序保留交叉算子(PPX),并采用具有邻域搜索能力的变异算子;最后应用局部搜索对得到的GA解进行微调以改善解的质量。仿真结果表明了本文方法的有效性。     

基于进化算法和模拟退火算法的混合调度算法

将进化算法与模拟退火算法相结合,提出四种有效的混合调度算法,即遗传退火算法、改进遗传算法、改进进化规划和并行模拟退火算法。两种算法搜索机制的互补增强了全局探索能力,基于关键路径的邻域函数运用提高了算法的效率。仿真结果表明:混合算法在求解质量和求解效率方面均有优势,优于国外同类研究成果;基于模拟退火的变异算子的搜索能力优于交叉算子;改进进化规划优于其他混合算法。     

一种混合遗传算法在货物装载中的应用

拼箱问题是货物运输中存在的NP完全问题.这里将贪婪法与自适应交叉变异算子引入到遗传算法中,设计了一种混合遗传算法,解决货箱的拼箱优化问题.文中给出了混合遗传算法与标准遗传算法、贪婪算法的比较结果.仿真研究验证了该方法的有效性.     

面向大规模定制的混流装配线平衡研究

为解决面向大规模定制的混流装配线的平衡问题,分析了这一类装配线的特点,并综合考虑工作站的数量、工作站的负荷及装配线效率三个因素,提出了面向大规模定制的混流装配线的平衡模型和优化装配线平衡的混合遗传算法.该算法将模拟退火算法和遗传算法相结合,采用了交叉概率和变异概率的自适应重构策略,有效避免了算法的早熟,增强了算法全局寻优能力.实例仿真计算表明,该算法比标准的遗传算法和模拟退火算法具有更高的求解质量和求解效率.     

基于改进遗传算法的自由曲面测量路径优化

为提高三坐标测量机对自由加工曲面的测点检测效率,针对传统遗传算法收敛速度慢且易陷入局部最优解的问题,引入自适应调节机制,从种群个体的适应度分布情况与个体适应度值两个方面实现交叉与变异概率的自适应参数调节,提高了算法效率,降低了早熟概率;采用贪婪交叉算子与贪婪倒位变异算子,加快了算法的收敛速度。实验结果表明,改进的遗传算法能够更高效且优质地完成自由曲面测量路径优化。     

基于符号函数的自适应遗传算法的研究与应用

交叉概率和变异概率的选择是决定遗传算法行为和性能的关键,直接影响算法的收敛性.自适应遗传算法在前期收敛速度缓慢,而且容易陷入局部最优.针对此局限,本文提出了基于符号函数的自适应遗传算法,将交叉算子与变异算子控制在期望区间内变化,增强了全局搜索能力,提高了收敛速度.最后进行了仿真实验,通过比较两个优化实例,验证了本文所提出算法的有效性,且符合工程实际需要.     

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。     

基于可行域遗传算法的装配作业调度

为了对装配环境下的车间作业进行调度,提出了一种基于可行域搜索的遗传算法。为保证算法在进化过程中染色体始终保持合法性和可行性,在种群的初始化、交叉和变异等阶段,分别设计实现了首代修复算子、可行域交叉算子和可行域变异算子。可行域交叉算子和可行域变异算子的设计组合实现了算法的可行域搜索,减小了搜索空间,省去了复杂的解码修复操作,提高了求解效率,为解决复杂的装配车间调度问题提供了有价值的参考。通过与简单规则、禁忌搜索、普通遗传算法实验结果的比较,验证了所提算法的合理性和优越性。     

基于多样性增强的自适应遗传算法的开放式车间调度优化

针对开放式车间调度问题,提出了基于多样性增强的自适应遗传算法进行优化求解。设计了多样性判定增强算子、自适应交叉变异算子、多元竞争选择算子等五个算子,以提高遗传算法的进化效率和进化质量;通过分析算法各算子的时间复杂度,发现所提算子并未增加算法复杂度;采用正交试验确定了各算子的最优参数;设计了三组实验,分析了所提算子对算法的影响,结果表明多样性增强算子提高了求解质量,自适应交叉变异算子加快了收敛速度;基于60个标准算例,通过与已有5种算法比较,验证了所提算法的有效性和稳定性。采用100个算例,分析了算例规模对调度性能的影响规律。     

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。     

改进混合遗传算法的作业车间调度研究

针对作业车间调度问题,结合遗传算法和模拟退火算法的优点,提出一种改进混合遗传模拟退火算法.首先,加入自适应调整的遗传操作以及精英替换策略,并对模拟退火算子进行改进,增加记忆功能以防止遗失当前最优解;然后,对于当前状态,采用多次搜索策略代替单次比较方式,以接受区域内的最优状态;其次,加入升温策略,从而激活各个状态的接受概...     

基于改进自适应遗传算法的柔性作业车间调度问题研究

为了克服遗传算法在解决柔性作业车间调度问题中收敛速度慢、易陷入局部最优的缺陷,根据柔性作业车间调度问题的特点,提出一种具有自适应交叉概率与变异概率的改进自适应遗传算法。将交叉概率与个体适应度值相关,将变异概率同时与个体适度值与进化代数相关,采用有效的编码、解码机制,引入精英保留策略。通过对两个基准问题进行仿真分析,验证了改进自适应遗传算法的有效性。     

含精英策略的小生境遗传退火算法研究及其应用

针对传统遗传退火算法的缺陷,提出了小生境遗传退火算法,该算法引入小生境技术,避免了搜索初期有效基因的缺失,保证了解的多样性;引入了自适应双点交叉和互换变异策略,克服了算法交叉和变异概率固定不变导致的求解过程较长和易收敛于局部最小值的缺陷;引入精英保留策略,有效地避免了最优解的丢失,加快了进化速度;通过3个经典函数测试,并将其应用于Job Shop调度问题,仿真实验结果表明:新算法有效克服了停滞现象,增强了全局搜索能力,比遗传算法和传统遗传退火算法的寻优性能更佳。     

求解车间调度问题的改进型自适应遗传算法

针对作业车间调度问题,以最小化完工时间为目标,借鉴内分泌激素调节机制,提出了一种新颖的改进型自适应遗传算法.通过引入自适应交叉概率和变异概率因子,克服了传统的遗传算法在解决生产调度问题时存在的搜索精度低和收敛性难以控制等问题,并在Microsoft Visual C++6.0中实现了该算法.通过一个10工件、10机器作...     

柔性设计任务协同调度算法

指出柔性多任务协同调度是一个NP难题,并分析了协同任务调度在协同设计系统中的重要性,提出一种基于遗传算法和模拟退火算法的混合算法,利用该算法实现设计任务的选择。设计二维结构的矩阵编码,并基于这种编码方式,提出行算子与列算子,融入约束条件,采用列交叉算子与列变异算子;为了加快群体的收敛性,采用精英保留策略;此外引入灾变算子,以保证群体的多样性;在个体生成过程中,考虑能力等相关因素对设计效果的影响,在解码过程中实现任务的时间调度与优化,并设计解码算法。通过实例仿真分析,所提出的混合遗传算法收敛速度快,寻优能力强。     

求解并行JSP作业车间调度问题的一种混合遗传算法

针对并行JSP作业车间调度问题,将所有工件对应工序按照统一顺序编号,由蚁群算法随机构造初始解,通过重排工序法保证解的可行性;融合遗传算法的选择、交叉、变异操作,加大全局最优解的求解概率,防止陷入局部最优解.在交叉算子中采用随机设置工件固定,以及顺序交叉邻域搜索策略,使得解的多样性性均得到充分保证;实验证明,改进混合遗传...     

云模型遗传蚁群算法的机器人逆运动学求解

遗传算法具有全局搜索能力强的特点,但易出现"早熟"现象;蚁群算法局部具有搜索能力强的特点.因此将遗传算法与蚁群算法结合,与此同时融合了云模型,提出一种适用于跨越越障式巡检机器人的求逆算法.为了提高算法的局部搜索能力及收敛速度,引入了网格划分策略的连续域蚁群算法;为了避免"早熟",采用了适应度值尺度变换;为了使参数自适应,采用了云模型进行修正.用遗传算法进行全局搜索,用蚁群算法进行局部迭代寻优,用云模型实现交叉算子和变异算子中参数的自适应.并以跨越机器人为对象,开展与遗传算法的对比实验,结果表明:该算法可以在避免局部收敛的基础上保证算法的稳定性以及提高收敛的速度和精度.