基于遗传分枝定界算法的Flow-shop调度问题

Flow shop调度问题属于NP难题,传统的方法很难求出精确最优解,提出了一种遗传分枝定界算法,即在遗传算法中引入分枝定界算法保持对优化解有贡献的工件部分顺序,求解3机Flow shop调度问题,该算法与常用的遗传局部算法和遗传动态规划算法类似,用随机方法测试例子,与目前著名的Taillard的禁忌搜索算法和Reeves的遗传算法两种改进算法进行比较,大量的数据实验证实了遗传分枝定界算法的有效性。     

3机Flow-shop调度问题研究

提出了一种遗传分枝定界算法求解3机Flow-s hop调度问题，该算法类似于常用的遗传局部算法和遗传动态规划算法．用随机方法生成测 试例子，通过与著名的Taillard的禁忌搜索算法和Reeves的遗传算法进行比较，实验结果证 实了遗传分枝定界算法的有效性．     

用GA求解有模具约束的平行机台成组工作调度问题

描述了在平行机台上调度具有单一模具约束的成组工作，以实现最小化总拖期量为目标建立了数学模型，并运用遗传算法得到不同的调度方案，比较了遗传算法的５种不同交叉方式。在算法中，利用仿真方法对不同调度方案进行了评估，并利用几组随机问题与分枝定界法求得的结果对比，测试了该算法的有效性。     

遗传算法求解柔性job shop 调度问题

在分析柔性job shop调度问题特点的基础上，提出一种新的求解该问题的遗传算法，即利用编码方法表示各工序的优先调度顺序及工序的加工机器，由此产生可行的调度方案，使得问题的约束条件在染色体中得以体现．所设计的遗传算子不仅能避免非法调度解的出现，保证后代的多样性，而且可使算法具有记忆功能．仿真结果证明了该算法的有效性．     

航天测控调度分枝定界算法

通过分析航天测控调度问题的测控需求,建立了航天测控调度整数规划模型,引入了拉格朗日松弛思想并与分枝定界算法结合,设计了基于拉格朗日松弛的分枝定界算法求解航天测控调度问题。通过对两个场景的仿真实验,得到了两个场景的航天测控调度问题最优值,验证了基于拉格朗日松弛的分枝定界算法的有效性。     

基于遗传算法的作业车间调度优化求解方法

针对 job shop调度问题 ,提出了一种遗传算法编码方法和解码方法。该方法根据问题的特点 ,采用一种按工序用不同编号进行的染色体编码方案 ,并采用矩阵解码方法。此编码与调度方案一一对应 ,并且该编码方案有多种交叉操作算子可用 ,无须专门设计算子。算例计算结果表明 ,该算法是有效的 ,适用于解决 job shop调度问题 ,通过比较 ,该遗传算法优化 job shop调度操作简单并且收敛速度快。     

基于改进遗传算法的可靠性网络优化设计

在可靠性条件约束下，使网络成本最低是网络规划NP—hard问题。从遗传算法的基本原理出发并对其进行改进，分析带有可靠性约束条件的通信网设计中的网络优化问题，这一方法的最大优点是可将其推广到求解一般带有约束的网络优化问题。而且结果表明无论是解的精度还是运算速度遗传算法都优于分枝定界法及其它启发式算法。     

考虑资源转移时间的资源受限项目调度问题的算法

现有项目调度问题的研究一般假设资源在任务间转移不需要时间,但这一假设与很多实际情况不相符,本文在资源受限项目调度问题（Resource-constrained project scheduling problem,RCPSP）中引入资源转移时间,以最小化项目工期为目标,建立了考虑资源转移时间的资源受限项目调度问题的数学模型.为改善遗传算法在局部搜索能力方面的不足,提出将分支定界法与遗传算法相结合,构造了一种内嵌分支定界寻优搜索的遗传算法,在保证算法全局搜索能力的前提下提升局部精确搜索能力.同时,对于遗传算法,为了适应算法结构提出了一种基于任务绝对顺序的编码策略.数据实验表明,对于小规模问题可获得近似精确解,对于大规模问题相较现有文献所提算法,在算法求解精度上可提升10%.     

一种可靠性驱动的云工作流调度遗传算法

为了解决云环境中工作流调度的可靠性问题,提出了一种基于可靠性驱动信誉度模型的工作流调度遗传算法RDR-GA。算法以工作流执行跨度makespan与可靠性最优化为目标,设计了一种基于时间依赖的可靠性驱动信誉度模型,通过该模型可以有效评估资源可靠性。同时,为了寻找遗传最优解,算法设计了新的遗传进化和评估机制,包括：1)以进化算子对调度解中的任务-资源映射进行遗传进化;2)以两阶段MAX-MIN策略评估并决定调度解的任务执行序列。仿真实验结果表明,满足可靠性驱动的信誉度算法不仅能够以更精确的信誉度改善工作流应用执行可靠性,而且能够以比同类遗传算法更快的收敛速度得到进化更优解。     

用遗传算法求解可变机器约束的Job-shop调度问题

描述了可变机器约束的Job—shop调度问题模型，并提出了一种基于遗传算法的调度算法进行求解．采用了一种新的基于操作的染色体编码方式，用二维矩阵的形式在机器的表达形式上扩展了传统基于操作的编码方式．在进化过程中设计了一种改变算子附加信息方法的操作，用于扩展种群的变化方式和算法的搜索范围．最后，分别以满足交货期和总加工时间最小为调度目标进行了数值计算，表明了该方法的有效性．     

多机Flow Shop加权完成时间调度问题的渐近最优算法研究

最近Chou、Queyranne和Simchi—Levi，Liu分别证明了恒速平行机调度问题和Flow shop调度问题的基于有效作业加权最短处理时间的启发式算法是渐近最优的。本文使用分组机器模型的方法证明：即使对于多机Flow shop加权完成时间调度问题，基于有效作业加权最短处理时间的启发式算法也是渐近最优的。关键词调度，多机Flow shop调度，启发式算法，渐近最优分析     

一类Job- shop 车间生产计划和调度的集成优化

讨论一类Job—shop车间的生产计划和调度的集成优化问题，给出了该问题的非线性混合整数规划模型，并采用混合遗传算法进行求解。该模型利用调度约束来细化生产计划，以保证得到可行的调度解。在混合算法中，利用启发式规则来改善初始解集，并采用分段编码策略将计划和调度解映射为染色体。算例研究表明，该算法对求解该类问题具有很好的效果。     

基于记忆库拉马克进化算法的作业车间调度

多种群遗传算法相比遗传算法在性能上能够有所提高,但对具有较多局部最优解的作业车间调度问题,多种群遗传算法仍然难以改善易陷入局部最优解和局部搜索能力差的缺点.因此,提出了一种求解作业车间调度问题的新算法MGA-MBL(multi-population genetic algorithm based on memory-base and Lamarckian evolution for job shop scheduling problem).MGA-MBL在多种群遗传算法的基础上通过引入记忆库策略,不但使子种群间的个体可以进行信息交换,而且有利于保持整个种群的多样性;通过构造基于拉马克进化机制的局部搜索算子来提高多种群遗传算法中子种群进化的局部搜索能力.由于MGA-MBL采用了全局寻优能力较强的模拟退火算法对记忆库中的个体进行优化,从而缓解了多种群遗传算法易陷入局部最优解的问题,并提高了算法求解作业车间调度问题的性能.对著名的benchmark数据进行测试,实验结果证实了MGA-MBL在求解作业车间调度问题上的有效性.     

基于HGA的冲压车间生产计划与调度的集成优化

根据车身厂冲压车间和生产库房的实际情况，研究了冲压件成批生产的Job—shop车间生产计划和凋度的集成优化问题，给出该问题的非线性混合整数规划模型，并采用混合遗传算法进行求解。遗传算法中，给出一种新的启发式规则来改善初始解集，通过与递阶分解方法进行比较，得出该算法对求解该类问题有着很好的效果。     

柔性Job shop集成化计划调度模型及其求解算法

考虑不同加工工艺路径的成本因素，从集成化的角度研究了柔性Job shop计划和调度问题，针对问题的结构特点，建立了两层混合整数规划模型，提出门槛接受，遗传算法与启发式规则相结合的混合求解算法，综合考虑各层次决策问题进行求解，实例计算表明，该算法可迅速求得问题的近优解，表现出良好的求解性能。     

软件算求解分布式多工厂单件制造业的提前／拖期生产计划问题

描述了分布式多工厂单件制造企业准时化生产计划问题，以实现最小化提前／拖期惩罚费用，生产成本，产品运输费用之和为目标建立0－1规划数学模型，设计了基于模糊规则量化的方法求解模糊决策，并将模糊决策嵌入到遗传算法中的软计算方法求解模型，使得算法具有比分枝定界快速的寻找优解的能力以及更广泛的适应范围，结果表明了该模型和算法的有效性和应用潜力。     

基于DNA进化算法的车间作业调度问题研究

针对遗传算法解决车间作业调度问题时存在早熟收敛的缺点,采用一种新型进化算法——DNA进化算法解决车间作业调度问题.将算法从连续优化问题拓展用于解决离散优化问题,并将其成功地应用于Job shop生产调度.采用了著名的M u th和T hom pson标准问题FT 10进行了验证.仿真结果表明,与遗传算法相比,该算法简单有效,不仅具有很好的求解性能,而且具有更快的收敛速度和全局搜索能力.     

求解一类并行多机调度问题的混合启发式算法

该文研究了一类工件具有不同释放时间的并行多机调度问题，调度目标为使总流程时间最小。针对该类调度问题具有强NP—hard的特点，首先构造了的一种启发式算法，该算法能够在很短的时间内找到次优解。由于通常启发式算法会随着问题规模的扩大导致求解的质量有所下降，结合遗传算法的全局搜索能力，提出了一种混合启发式算法进一步改善解的质量。仿真结果表明该算法很好地结合了启发式算法和遗传算法的特点，能够在较短的时间内求解较大规模的调度问题，算法的计算量小，鲁棒性好。     

多机相关任务的改进型分枝定界调度算法

本文提出一种多处理机系统中相关任务的最佳调度算法,即改进型的分枝定界调度算法.算法所采用的最高位级优先的估时策略,大大减少了分枝定界算法的试探次数.此算法在任务系统(T,<)的前趋图G为任意结构、各任务的执行时间{τ_i}为任意位、处理机数m≥2时,都能够产生最佳调度.文中给出了算法的实现,并进行了调度实验研究.     

病毒遗传算法在非流水作业调度中的应用

非流水作业调度是相对流水作业调度的一种调度问题,与流水调度作业相比,该模型拥有更大的解空间,用解析方法求解是不可能的。本文基于病毒遗传算法框架设计了一种基于任务工作序列和机器分配模式的主个体编码形式的遗传算法,并对机器分配模式进行病毒操作,进而增强遗传过程的局部搜索能力。试验表明,该算法运行有效,在计算效果上比基本遗传算法具有明显优势。