可重入混合流水车间调度的拉格朗日松弛算法

为了有效提升多重入车间的生产效率,考虑了实际生产中检查和修复过程对于逐层制造的可重入生产系统的重要性,提出了基于拉格朗日松弛算法的可重入混合流水车间的调度方法.首先进行了问题域的描述,并在此基础上以最小化加权完成时间为调度目标,建立数学规划模型.针对该调度问题提出了基于松弛机器能力约束的拉格朗日松弛算法,使松弛问题分解成工件级子问题,并使用动态规划方法建立递归公式,求解工件级子问题.随后,使用次梯度算法求解拉格朗日对偶问题.最后,对各种不同问题规模进行了仿真实验,结果表明,所提出的调度算法能够在合理的时间内获得满意的近优解.     

基于调度规则和免疫算法的作业车间多目标调度

利用动态在线调度方法对动态环境下的作业车间进行研究,采用优先级调度规则对大量调度案例进行求解,针对7个调度目标,从备选调度规则集中选出了单个目标下性能最优的调度规则;为实现调度规则的动态选择以适应多目标调度,基于免疫系统中的独特型网络理论,设计了一种免疫调度算法．根据算法,定义了有效的抗体和抗原结构,并通过抗体间亲和力计算、抗体浓度计算、抗体选择等关键步骤,实现对调度规则的动态控制．仿真测试数据表明,所设计的免疫调度算法能根据不同的车间情况,快速选出不同的调度规则满足多个调度目标,有效解决了作业车间多目标调度问题．     

柔性作业车间调度问题的集成启发式算法

柔性作业车间调度问题,包括路径分配和加工排序2大子问题,是组合优化理论和实际生产管理的重要研究方向。作为传统作业车间调度的扩展,柔性作业车间调度问题的内在复杂性(强NP-Hard)使得传统的最优化方法难以有效求解。文章针对以多目标权重和最优为目标的柔性作业车间调度问题,提出基于过滤定向搜索的集成启发式算法,设计改进了节点分枝策略和局部/全局评价函数,能同时解决2大子问题。通过实例仿真,对算法性能进行比较分析和评价,结果表明了算法的可行性和有效性。     

基于MAS的生产车间动态调度系统的研究

简要介绍了车间调度的基本问题,发展现状以及多智能体技术.在分析车间生产调度特点的基础上,提出了基于MAS的动态车间生产调度模型.该模型把车间生产调度系统分为调度代理、任务代理和资源代理等.代理之间采用了基于改进的合同网的关系网模型,并引入了基于混合遗传算法的调度模块,为解决车间加工动态调度问题提供了一种新的方法.仿真实验结果表明,该系统更好满足了车间调度的动态化、高效化、智能化、实用化的要求.     

供水系统调度的增广拉格朗日函数优化方法

本文讨论了一类新的解决非线性优化问题的方法——增广拉格朗日函数法.以该方法为基础.采用二级递阶结构,文中提出了解决城市供水系统优化调度问题的一种新的算法、对该算法利用某供水系统进行了仿真计算,获得了满意的结果.     

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。     

作业车间调度问题的杂草优化算法求解

针对作业车间调度问题JSP(Job-shop scheduling problem),提出一种入侵式杂草优化算法。该算法中,子代以正态分布方式在父代个体周围扩散,兼顾全局搜索和局部搜索,并根据迭代次数不同对二者强度进行调节。通过典型算例进行仿真试验,并在反复实验中对算法参数进行修正。测试结果表明杂草算法求解作业车间调度问题的可行性和有效性,优于萤火虫算法和基本粒子群算法,是解决生产调度问题的一种有效方法。     

求解柔性作业车间调度的混合PSO算法与实现

研究车间作业调度优化过程,针对资源的合理分配排序,采用PSO算法求解柔性作业车间调度问题,根据PSO算法存在易陷入局部极值和早熟的缺陷,引入遗传算法中的交叉算子和变异算子,构造求解柔性作业车间调度问题的混合PSO算法,能够较好地克服上述缺陷.采用面向对象的程序设计语言,设计并编码实现了混合PSO算法求解柔性作业车间调度问题的仿真软件.使用软件进行仿真,实验结果表明在求解柔性作业车间调度问题中,混合PSO算法的全局寻优和克服早熟能力均优于基本PSO算法,证明混合PSO算法求解柔性作业车间调度问题的有效性.     

基于改进多目标遗传算法求解混合流水车间调度问题

为解决混合流水车间调度问题(HFSP),基于多目标遗传算法和粒子群算法的优点,提出一种多目标混合算法。该算法引入一种扩展的基于工序的编码,将两种算法产生的最优解分别作为彼此的初始因子,增强了遗传算法的进化速度,有效避免了粒子群算法陷入局部最优,并实现了不同加工路线的生产车间的灵活性调度。最后通过实例的数值仿真验证了算法的有效性。     

基于自适应蚁群算法的JSP问题仿真研究

研究车间作业调度优化问题,以实现资源优化配置。针对提高生产效率,缩短周期,降低成本,传统蚁群算法应用于JSP(车间作业调度问题)易出现停滞和陷入局部最优,以致作业调度效率低。为改善传统蚁群算法在车间作业调度的状况,提高车间作业调度效率,提出一种基于自适应蚁群(AACA)优化的车间作业调度算法模型。算法在基本蚁群算法中引入一种新的自适应机制,用于车间作业调度中。AACA在迭代初期快速搜索,可对后期精细寻优,克服了传统调度算法搜索JSP最优解时出现的收敛速度慢、精度不高的缺陷,对照实例进行仿真。仿真结果表明,采用的AACA调度算法在迭代100次以内能找到最优解或满意解,收敛速度快,精度高,优于传统的调度方法 GA、SA和SB,提高了作业调度效率,验证了AA-CA在实际生产中的有效性和实用性。     

车间调度算法的研究和开发

针对车间调度问题,提出了一种改进的拉氏松弛算法,在增加辅助目标函数的基础上,通过对子问题的限制和搜索策略的改变,使拉氏算法的计算量减少,近优解的搜索能力有很大改善,本文还提出了一种基因优化算法,充分利用拉氏算法得到的多个近优解,进一步优化结,仿真结果表明对车间调度问题得到了较好的结果,本方法也可用于其它有约束的规则问题。     

改进的遗传算法在作业调度中的应用

作业调度问题（JSP）是一类典型的NP-hard问题,遗传算法作为一种通用的优化算法在求解JSP中得到了广泛的应用。本文主要针对作业车间调度问题,基于改进的遗传算法 ,根据种群的进化状况,从而确定种群的适应度值,使之能够保持种群的多样化。     

设备带有恶化特性的作业车间调度模型与算法

考虑到现实作业车间调度中设备具有恶化特性,针对作业的处理时间是开始时间的线性递增函数的作业车间调度问题, 建立了以最小化最迟完成时间为目标的优化模型,进而设计了嵌套分割算法进行求解.该算法在抽样阶段嵌入单亲遗传算法以提高抽样的多样性和质量. 实例结果表明,所提出的算法在解决该问题上可以获得较高质量的解,并且具有很好的鲁棒性.     

考虑模糊作业时间的再制造加工车间多目标调度方法

针对再制造加工过程中作业时间的不确定性以及现行车间调度问题中多目标并行的特点,以三角模糊数描述再制造加工车间作业时间的不确定性,建立以完工时间、加工成本、设备负载平衡和加工能耗为目标的再制造加工车间调度模型,并提出一种基于多种群协同进化的混合人工鱼群算法对模型进行求解.该算法采用多种群协同进化的思想提高单种群混合人工鱼群算法的搜索能力,并考虑对多目标再制造加工车间调度问题的适用性,最后以个体分散程度为指标更新Pareto解集中的最优解.仿真实验验证了所提出方法的可行性.     

Lagrangian bounds for just-in-time job-shop scheduling

We study the job-shop scheduling problem with earliness and tardiness penalties. We describe two Lagrangian relaxations of the problem. The first one is based on the relaxation of precedence constraints while the second one is based on the relaxation of machine constraints. We introduce dedicated algorithms to solve the corresponding dual problems. The second one is solved by a simple dynamic programming algorithm while the first one requires the resolution of an NP-hard problem by branch and bound. In both cases, the relaxations allow us to derive lower bounds as well as heuristic solutions. We finally introduce a simple local search algorithm to improve the best solution found. Computational results are reported.     

改进人工蜂群算法求解分布式柔性作业车间调度问题

针对分布式柔性作业车间调度问题的特点,提出一种改进人工蜂群算法.首先,建立以最小化最大完工时间为优化目标的分布式柔性作业车间调度优化模型;然后,改进基本人工蜂群算法以使其适用于求解分布式柔性作业车间调度问题,具体的改进包括设计一种包含三维向量的编码方案,结合问题特点针对性地设计多种策略用于种群初始化,在雇佣蜂改良搜索操作中设计多种有效的进化操作算子,并在跟随蜂搜索操作中引入基于关键路径的局部搜索算子以提升算法的局部搜索能力;最后,利用扩展柔性作业车间通用测试集得到的测试数据设计实验验证算法性能,使用正交试验法优化算法参数设置.仿真实验结果表明,改进后的人工蜂群算法能有效求解分布式柔性作业车间调度问题.     

Optimisation of distributed manufacturing flexible job shop scheduling by using hybrid genetic algorithms

In contrast to traditional job-shop scheduling problems, various complex constraints must be considered in distributed manufacturing environments; therefore, developing a novel scheduling solution is necessary. This paper proposes a hybrid genetic algorithm (HGA) for solving the distributed and flexible job-shop scheduling problem (DFJSP). Compared with previous studies on HGAs, the HGA approach proposed in this study uses the Taguchi method to optimize the parameters of a genetic algorithm (GA). Furthermore, a novel encoding mechanism is proposed to solve invalid job assignments, where a GA is employed to solve complex flexible job-shop scheduling problems (FJSPs). In addition, various crossover and mutation operators are adopted for increasing the probability of finding the optimal solution and diversity of chromosomes and for refining a makespan solution. To evaluate the performance of the proposed approach, three classic DFJSP benchmarks and three virtual DFJSPs were adapted from classical FJSP benchmarks. The experimental results indicate that the proposed approach is considerably robust, outperforming previous algorithms after 50 runs.     

A fast estimation of distribution algorithm for dynamic fuzzy flexible job-shop scheduling problem

Due to the complicated circumstances in workshop, most of the conventional scheduling algorithms fail to meet the requirements of instantaneity, complexity, and dynamicity in job-shop scheduling problems. Compared with the static algorithms, dynamic scheduling algorithms can better fulfill the requirements in real situations. Considering that both flexibility and fuzzy processing time are common in reality, this paper focuses on the dynamic flexible job-shop scheduling problem with fuzzy processing time (DfFJSP). By adopting a series of transforming procedures, the original DfFJSP is simplified as a traditional static fuzzy flexible job-shop problem, which is more suitable to take advantage of the existing algorithms. In this paper, estimation of distribution algorithm (EDA) is brought into address the post-transforming problem. An improved EDA is developed through making use of several elements omitted in original EDA, including the historical-optimal solution and the standardized solution vectors. The improved algorithm is named as fast estimation of distribution algorithm (fEDA) since it performs better in convergence speed and computation precision, compared with the original EDA. To sum up, the ingenious transformation and the effective fEDA algorithm provide an efficient and practical way to tackle the dynamic flexible fuzzy job-shop scheduling problem.     

一种求解车间调度问题的混沌遗传规划方法

作业车间调度问题是制造业的一个经典NP-hard组合优化难题。提出一种基于混沌遗传规划的调度算法,利用遗传规划进行染色体的结构设计,采用混沌序列改善初始种群质量,利用混沌扰动来维持进化群体的多样性,并自适应调整个体权重,使算法具有优良的综合求解性能。实验表明,算法对典型的标准调度测试问题具有较强的全局搜索能力,甘特图表明其获得的最优解优于当前已知的最优解历史记录,对比结果表明了该方法的有效性。