基于改进遗传算法的柔性作业车间调度

应用遗传算法解决柔性作业车间调度问题,针对柔性作业车间问题的特点提出了一种新颖直观的双子串基因编码方法,并设计了独特的交叉和变异算子,从而取消了运用遗传算法求解作业车间问题时为使基因合法化而进行的基因修复和重建过程,仿真结果表明用该遗传算法解决柔性作业车间调度是有效的.     

Simultaneous scheduling of machines and automated guided vehicles in flexible manufacturing systems using genetic algorithms

The problem of simultaneous scheduling of machines and vehicles in flexible manufacturing system (FMS) was addressed.A spreadsheet based genetic algorithm (GA) approach was presented to solve the problem.A domain independent general purpose GA was used,which was an add-in to the spreadsheet software.An adaptation of the propritary GA software was demonstrated to the problem of minimizing the total completion time or makespan for simultaneous scheduling of machines and vehicles in flexible manufacturing syst...     

车间作业调度问题的染色体非完整表示方法

提出了一种用于解决车间作业调度问题的新的遗传染色体编码方法———非完整编码。其特征是基因数少于工序数。剩余基因采用简单的启发式规则方法进行解码。考证结果表明,非完整表示方法能够在合理的时间内得到临近最优解,通过删除高冗余和很少有实际意义的尾部基因,可以使遗传更有效。     

基于双向收敛蚁群算法在车间作业调度上的应用

合理搭配车间中生产环节的各种资源,减少零部件的准备工作,可以提高设备使用率与生产效率。提出双向收敛蚁群算法,并通过实例跟基本蚁群算法相比较,实验结果证明采用双向收敛蚁群算法可以提高搜索过程的挥发系数,加快收敛速度。     

求解JSP问题的改进遗传算法

作业车间调度是一类求解困难的组合优化问题，使用改进的遗传算法来求解。GA有新解产生盲目性的特点，以搜索效率为目标提出了一种改进的遗传算法，在解的搜索过程中，通过禁忌表操作来评价种群。改进的遗传算法在保持群体多样性的同时，加快了遗传算法的收敛速度，将该算法用于典型作业车间调度问题的测试，找到了已公布的最优解，对超大规模的问题还有待进一步研究。     

JIT意义下极大化顾客满意数的并行多机问题

随着JIT(Just-In-Time)生产管理技术的出现和发展,考虑到以往极大化顾客满意数问题的研究只限于单机问题,而实际的生产调度和计划管理中绝大多数情况是并行多机问题,提出了一个在JIT意义下, 极大化顾客满意数的并行多机问题,并在分析相应的单机问题最优排序的基础上,构造出一个求解其多机问题的启发式算法,该算法的构思新颖,计算复杂性低,适用求解多机问题,具有工程实用价值的有效算法.最后给出了一个数值例子.     

用拉氏松弛法解决FMS中一类特殊的生产调度问题

考虑了柔性制造系统（ＦＭＳ）中的一类调度问题，其目标是极小化一个加工作业集的加权平方ｔａｒｄｉｎｅｓ和．由于物料传送系统同时只能最多处理固定数量的加工作业，使得问题变得比一般ｊｏｂｓｈｏｐ问题更为复杂．本文提出了一种基于拉氏松弛的算法，借助该算法不仅能求得满意的次优解，而且能对解的次优性做出定量评估．计算实验验证了这种算法的有效性．     

求解非满载车辆调度问题的免疫遗传算法

非满载车辆调度问题是车辆调度问题中的一个基本问题,由于它是一个典型的NP难题,传统方法的求解结果往往不能令人满意.曾有研究将传统的遗传算法用于求解非满载车辆调度问题,但是由于遗传算法在遗传后期的波动现象,导致了迭代次数过大和准确率不高.该实验根据生物免疫系统的机理提出的免疫遗传算法,结合了遗传算法的进化操作和生物免疫中的浓度机制,通过抗体的期望繁殖率实现对抗体的促进和抑制,改善未成熟收敛.该算法是在传统遗传算法全局随机搜索的基础上,借鉴生物免疫机制中抗体的多样性保持策略,改善了传统遗传算法的群体多样性,通过与遗传算法的比较,结果表明,该算法不仅收敛,而且具有更好的全局和局部搜索能力和收敛速度.     

基于相似性遗传算法及其在JSP中的应用

提出一种基于个体相似性的改进算法, 当种群的多样性较好时,采用标准的交叉策略;当种群的多样性较差时,根据个体的相似性选择个体配对, 避免相同的个体配对交叉, 减少高度相似个体进行配对交叉的概率, 从而提高交叉操作的效率. 用该改进算法对基准作业车间调度问题（JSP）进行计算,仿真结果表明：该算法优于标准遗传算法.     

基于遗传算法的车间作业调度

研究了遗传算法在车间作业调度问题中的应用,以遗传算法作为优化工具,给出了车间作业调度算法。最后给出了计算机仿真结果,并与启发式算法求得的结果作了比较,证明了该算法解的有效性和优越性。     

模糊交货期Flow-shop调度问题的改进微粒群算法

针对企业生产中由定单变化引起的具有模糊交货期性质的连续生产调度问题,提出一种改进的微粒群算法.通过对模糊交货期Flowshop调度问题的模糊机会约束设置惩罚函数,引入自适应变异和交叉等方法来改进算法,仿真结果表明算法具有较好的全局寻优和实用性,优于遗传算法和启发式算法.     

求解模糊Job Shop调度问题的改进禁忌搜索算法

目的提出一种改进的禁忌搜索算法，解决传统禁忌搜索算法优化效果对运行次数和初始解依赖的不足。提高这类问题的求解质量．方法根据模糊JobShop调度问题解的特征，提出基于关键工序的邻域选择方法，采用此邻域选择方法构造禁忌搜索算法。当无邻域时，重新产生初始解进行禁忌搜索．结果采用改进的禁忌搜索算法对以13个难的benchmarks问题经模糊化得到的实例进行求解。得到的平均满意度8个优于TSAB算法。得到的最优满意度5个优于TSAB算法、4个与TSAB算法相同．结论采用基于关键工序的邻域结构构造的改进TS算法具有较强的搜索能力．     

基于协同遗传算法的车间调度问题研究

遗传规划在实际问题中的应用是一个新的发展方向。文章根据车间调度问题的特点,对遗传规划算法进行了改进,借鉴了一种新编码策略将变长编码变成定长,减少了算法复杂度,提高了运算效率;同时设计了一种新的标记交叉算子,这种交叉算法可以有效地避免产生非法解。由于遗传规划问题的收敛性不高,文中将遗传规划和遗传算法有效地结合起来,提出一种协同遗传规划算法,实验表明,改进后的算法比传统算法能更有效地解决车间调度问题。     

公共交货期窗口下提前/拖期多机调度的开工时间问题

随着JIT（Just-In-Time）生产管理技术的出现和发展，考虑零件提前／拖期费用的生产排序与调度问题已成为人们研究的热点领域。近几年有许多学者都研究了公共交货期窗口下提前／拖期多机零件排序问题，但所有机器都是零时刻同时开始加工零件的。本文通过例子分析说明，公共交货期窗口下提前／拖期都有惩罚的多机排序问题，所有机器都在零时刻同时开始加工零件并不一定能获得最小惩罚值。实际上，通过让某些机器在指定时刻后才开始加工，反而能获得更小的惩罚值。最后，本文提出一个确定指定机器的加工开始时刻的方法，具有很高的实际价值。     

基于遗传算法的LTE下行系统资源分配算法

为改善多业务LTE下行系统的吞吐量和公平性并满足用户对多业务的需求,提出一种基于遗传算法的资源分配算法。该算法以遗传算法为基础,建立以适应度函数值之和最大化为目的的优化目标,根据用户业务的服务质量需求和信道状态信息设计适应度函数,经过选择、交叉、变异等操作,得到相对最优资源分配方案。仿真结果表明,与传统算法相比,该算法满足多种业务的服务质量需求,增加系统的公平性,对实时业务提供较小的时延,对尽力而为业务提供更大的吞吐量。     

基于遗传算法的大型Flow—shop生产调度

Flow—shop调度问题具有建模复杂性、计算复杂性、动态多约束、多目标性等特点。近几年,各种演化计算方法逐渐被引入到生产调度中,特别是遗传算法的应用。为此,应用Matlab开发生产调度程序,并利用实际生产数据进行了仿真;通过相关仿真实验,验证了不同交叉算子和变异算子组合获得的最优解存在差异,获得并验证了一种较好的交叉算子和变异算子组合,其仿真调度数据验证了遗传算法用于求解大型流水车间调度的可行性和有效性。     

非量产模式下车间调度的改进遗传算法

将遗传算法用于求解模具制造的车间调度问题．通过改进基于工序的编码方法，采用实际工序和虚拟工序的概念，降低了遗传算法的编码难度．遗传运算中进行了基于位置交叉和互换代码变异．为降低统计误差，分别执行了随机选择和个体最佳选择操作．实验表明，改进后的遗传算法能够在较少的迭代次数下，以小规模种群获得满意解．     

一种新的Job-shop动态优化调度算法

针对具有路径柔性的Ｊｏｂｓｈｏｐ调度问题,以调度长度极小化为优化目标,提出了一种新的动态优化调度算法．该算法将优化分配算法、可行优化调度算法和故障（或修复）调度算法有机地集成起来,能够在系统设备出现异常（例如发生故障或修复等）时,迅速产生最优或次最优调度．并以机床发生故障及修复为例对该算法进行了仿真实验,证实了该算法的高效性和有效性．     

基于遗传算法的汽车复杂注塑件成形工艺参数优化

以汽车外饰件中的观后镜为例子,以注塑件成形质量中的翘曲量为优化目标,依据回归分析和神经网络建立数学模型,并比较其预测精度,得到有效的预测模型;利用遗传算法对得到的数学模型进行寻优,达到对注塑工艺条件优化的目的,以期缩短生产时间,提高制件质量。