基于改进遗传算法的车间调度问题求解

针对车间调度问题(Job Shop Problem,JSP)的特点,提出一种改进遗传算法。该方法利用剩余作业时间最多(MostWork Remaining,MWR)的工件优先排列的启发式规则来产生初始种群,并且在进化过程中采用分代交叉算子进行操作来避免算法早熟。通过分析算例结果表明,该改进遗传算法可以在进化初期就得到比较理想的调度方案,而且优化收敛速度快、结果优,更适用于解决车间调度问题。     

基于虚拟零部件的零等待约束复杂产品综合调度算法

针对复杂产品实际生产中工序间存在零等待约束的综合调度问题,提出一种基于设计结构矩阵和遗传算法的综合调度算法。该算法在提出零等待虚拟零部件、非零等待虚拟零部件、叉点虚拟零部件以及子虚拟零部件等概念的基础上,设计一种更为有效的基于数字化虚拟零部件下三角设计结构矩阵的编码方式,不仅满足了复杂产品的加工装配顺序约束关系,而且体现了工序间存在的零等待约束;设计了能满足加工装配顺序约束的遗传算子,避免了不可行子代个体转化操作;提出一种满足零等待约束的解码方法,且能确保染色体经过解码后能够产生主动调度。与现有算法进行对比试验,结果表明所提出的调度算法对于存在零等待约束的复杂产品综合调度问题具有良好的求解速度和质量。     

基于遗传算法的配作齐停类调度约束处理技术

针对离散作业车间调度中的工序作业非独立以及资源非独占式占用的作业排产需求,提出面向配作及批处理的基于改进遗传算法的配作齐停类调度约束处理技术。通过分析配作、批处理、工艺顺序和设备能力等约束,建立了综合批处理设备的利用率和订单平均延误时间的目标模型。设计了一种综合适应配作和批处理约束的二维染色体编码方式,提出基于遗传算法的配作齐停类调度约束处理流程。结合配作和批处理约束所要求的工序级协调需求,提出一种面向配作约束的加工序列染色体调整机制,以及面向动态分批的合批染色体调整机制,解决了多工序间的加工时间齐停控制问题。最后结合工程实例验证了技术的有效性。     

蚁群遗传算法求解能力约束的柔性作业车间调度问题

提出一种主、从递阶结构的蚁群遗传求解算法。算法中,主级为蚁群算法,完成工件组合和加工路径选择;从级为遗传算法,完成主级约束下的设备排产。分别以工件延迟时间和设备可用能力为启发式信息,设计蚂蚁工件间和设备间的转移概率;以设备空闲时间最小为目标,设计从级染色体选择、多点交叉和多点变异3类遗传操作。从级染色体适应值取其代表调度方案中工件流通时间的倒数,从蚂蚁游历值取其对应从级染色体种群的最优适应值。最后,通过仿真和比较实验,验证了该算法的有效性     

基于工序约束并行机模型的冲压线调度

根据双向冲压线的实际生产特点,提出了一种基于工序约束并行机的双向冲压线调度模型.在该模型中,工件同时在牛产线两端按设备顺序加工,且加工工件及其加工开始时间和完工时间受生产线两端工件工序数目约束和生产线设备加工能力的约束,给出了该约束的规则;设计了启发规则和遗传算法混合的求解算法.最后,以最大完工时间为优化指标进行验证,证明该模型具有较好的实用价值.     

基于多色集合的改进遗传算法求解多品种柔性调度问题

为克服传统遗传算法求解调度问题所存在的早熟或收敛过慢等不足,提出基于多色集合理论的改进遗传算法.在编码、解码和变异过程中,通过搜索围道矩阵提高算法速度,进而提高求解效率;采用单层编码方式表示调度问题中的双层约束,以降低算法的时间与空间复杂度.通过实例比较验证了所提算法的可行性与优越性.     

一种使用再编码染色体求解Job-Shop问题的并行遗传算法

使用遗传算法求解Job Shop问题的一个关键问题是编码。本文提出了一种求解Job Shop问题的新遗传算法———RPGA(Re encodingParallelGA)。此方法的编码方式将Job Shop问题转换为一个TSP(TravelingSalesmanProblem)问题 ,使得关于TSP问题的遗传算法的方法可以用于解决Job Shop问题。这种编码方式可以满足Job Shop问题对工件加工顺序的要求 ,避免在进化过程中产生非可行解。RPGA最重要的特点在于染色体的再编码过程 ,再编码过程根据各工序的开工时间先后对染色体的各基因重新赋值 ,使得编码空间和解空间一一对应。最后 ,本方法使用MPI并行编程技术实现了粗粒度的并行模型 ,在此模型上我们对Fisher和Thompson的 10× 10问题进行了求解实验。实验表明本方法有着良好的求解效率 ,也证明了对染色体再编码过程对此问题的重要性。     

基于遗传算法的物流中心选址和车辆调度综合问题研究

将采用循环取货方式的车辆优化调度和物流中心选址两方面相结合,考虑建立成本模型,并把遗传算法引入到该模型的求解中,运用Matlab软件编写相关程序并结合企业的实际情况进行优化,以实现在考虑最优车辆路径规划前提下的物流中心选址问题.     

基于遗传算法的物流中心选址和车辆调度综合问题研究

将采用循环取货方式的车辆优化调度和物流中心选址两方面相结合,考虑建立成本模型,并把遗传算法引入到该模型的求解中,运用Matlab软件编写相关程序并结合企业的实际情况进行优化,以实现在考虑最优车辆路径规划前提下的物流中心选址问题.     

基于瓶颈工序的多资源多目标机械加工车间调度研究

为求解多资源约束的机械加工车间调度问题,建立了包括最大完工时间、平均流经时间、总拖期惩罚和生产成本在内的多目标优化模型,并结合免疫遗传算法和约束理论提出了一种基于瓶颈工序的机械加工车间调度算法。算法依据约束理论提出了一种基于工序的多参数级联编码方法和基于鼓-缓冲器-绳索(DBR)的四阶段解码方法,以及有效的交叉、变异操作。基于瓶颈工序的免疫操作及基于浓度的选择更新机制,保证了多目标优化问题的收敛性以及Pareto解集的多样性。仿真结果表明了该算法的可行性和有效性。     

基于DNA遗传算法求解机床加工调度问题

研究了机床加工的多目标调度问题,提出一种基于DNA计算的混合遗传算法,结合Pareto非支配排序法来求解。为保证最优解集的多样性,采用四进制编码方式,将DNA序列分成中性和有害两部分,交叉操作只在中性部分进行;由动态变化的变异概率决定是否执行变异操作,并比较设计的算法与常规遗传算法获得的结果。试验结果表明,可以有效地解决机床加工中的多目标调度问题。     

基于遗传算法的服装生产流水调度研究

针对服装生产流水线调度问题,以最小化最大流程时间为目标,将具有全局优化特点遗传算法应用于服装生产流水线调度中.算法采用基于工序的编码方式和具有简单操作的单亲遗传算子,并在调度实例应用中取得满意的效果.仿真结果表明:该算法优化了调度方案,缩减了最小化完工时间,能够有效、高质量地解决服装生产流水线调度问题.     

基于时间约束网络的动态规划调度算法

为解决与时间有关的规划调度问题,提出了一种基于时间约束网络的动态算法。该算法与传统的计算最短路径方法不同,它只需计算受到新增约束影响的局部网络。同时,给出了算法的最坏时间复杂性,并进行了证明。最后,以Job—Shop调度系统为例进行了仿真验证,结果表明,该算法可快速地判断约束网络的一致性,并计算每个工序的最早可能开始时间。     

基于遗传算法的RMS车间排产优化方法

可重构制造系统（reconfigurable manufacturing system,RMS）在车间层面的核心功能之一为排产管理。排产是车间作业管理的基本问题,通过排产将主生产计划细化和落实,可以提高制造企业的整体生产效率。在遗传算法的基础上对排产基因进行优化改良,加快了迭代速度,使生产线在物理重组的基础上,通过制造执行系统进一步实现逻辑算法的重组,进而快速实现多品种、变批量的生产活动。     

一类带有deadline约束的作业车间提前/拖期调度问题研究

针对带有零件deadline时间约束的一类作业车间提前/拖期调度问题,设计了一种改进型遗传算法(EGA)。EGA算法采用拖期优先的调度策略,将原有的非正规性能指标的E/T调度问题转化为拖期子问题、修复子问题和提前子问题,以此来降低E/T调度问题的求解复杂度。采用基于工序的编码方法,在染色体解码过程中,分别采用了主动解码、染色体修复和逆向重调度三阶段的解码操作,以期实现在满足零件deadline约束的前提下尽可能降低提前/拖期惩罚总成本。180个调度测试用例仿真结果表明,EGA算法在解决问题数、寻优能力、调度结果的均衡性等方面具有一定的优势。     

求解作业车间调度问题的双倍体遗传算法与软件实现

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,提出了双倍体遗传算法。该算法提供了一种记忆以前有用的基因块的功能,保留了某些低适应度染色体中的一些局部基因块,构成最优解中的基因片段,提高遗传算法的适应能力。与已有算法相比,基于双倍体遗传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。     

基于遗传算法的产品结构聚类重组

通过遗传算法实现了产品结构的智能聚类重组,把绝大部分元素之间的联系都包含在了各聚类内部以及bus类中,大大降低了产品结构各聚类之间的耦合强度。在算法的建模过程中,给出了产品结构DSM模型二维编码方法,并在此基础上给出了基于联系权重的适应度函数和选择概率的求解算法。最后通过对一个简单实例产品结构DSM模型的智能化聚类重组,验证了算法的可行性。     

基于遗传算法的模糊目标柔性作业车间调度问题

针对实际作业车间调度问题目标的多样性及其不确定性,提出了一种新的柔性作业车间调度问题模型和处理方法,并在遗传算法中加以实现。计算结果表明,该问题模型能较完整地反映生产实际中调度目标的要求。     

基于多目标遗传算法的产品优化配置研究

针对产品配置设计存在的问题，提出一种基于多目标遗传算法的产品优化配置方法，设计了相应编码解码方案和适应度计算方法，在具体算法中，对小生境的范围确定和精英策略提出改进。仿真实验证明，该算法可行有效，优于其他遗传算法。