求解柔性作业车间调度问题的两段式狼群算法

针对以最小化最大完工时间为目标函数的柔性作业车间调度问题,建立其数学模型并提出了一种两段式狼群算法加以求解.采用两段式(two-vector code)的编码方式,设计初始化种群的方式,保证初始解的质量及多样性;通过对原始狼群算法中游走行为、召唤行为、围攻行为的重新设计,解决了原始狼群算法易陷入局部最优的问题;舍弃原始...     

混合鲸鱼优化算法求解柔性作业车间调度问题

提出一种混合正余弦鲸鱼优化算法,将其应用于柔性作业车间调度问题的研究,以最小化最大完工时间为目标;首先进行两段式编码,使连续型鲸鱼优化算法可应用于柔性作业车间调度问题,并对基本鲸鱼优化算法加入非线性收敛因子平衡搜索与开发阶段;以正余弦算法策略改进鲸鱼个体位置更新方式与螺旋方式,提升算法寻优能力;最后以实验数据验证混合正...     

混合灰狼优化算法求解柔性作业车间调度问题

将灰狼优化算法(GWO)用于柔性作业车间调度问题(FJSP),以优化最大完工时间为目标,提出一种混合灰狼优化算法(HGWO).首先,采用两段式编码方式,建立GWO连续空间与FJSP离散空间的映射关系;其次,设计种群初始化方法,保证算法初始解的质量;然后,嵌入一种变邻域搜索策略,加强算法的局部搜索能力,引入遗传算子,提升算法的全局探索能力;最后,通过实验数据验证HGWO算法在求解FJSP问题方面的有效性.     

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。     

离散猫群优化算法求解带交货期的FJSP问题

针对带交货期的柔性作业车间调度问题(flexible job shop scheduling problem,FJSP),提出一种离散猫群优化算法(discrete cat swarm optimization,DCSO),以优化工件最大完工时间和平均提前/拖期时间.首先,设计一种两段式离散编码方式,用于表示调度解,并采用启发式算法实现种群初始化;其次,为了使算法能够直接在离散调度空间内运行,在搜寻模式下设计基于3种不同邻域结构的搜寻方法,并在跟踪模式下提出一种新型离散个体更新公式;再次,采用线性自适应猫群行为模式选择策略,协调算法全局搜索和局部搜索的能力;最后,为了进一步改善计算结果,在算法中嵌入一种局部搜索策略.通过基准算例测试DCSO算法的性能,仿真结果表明所提DCSO算法在求解FJSP问题方面的有效性.     

求解柔性作业车间调度问题的改进蝙蝠算法

针对柔性作业车间调度问题,在研究和分析蝙蝠算法的基础上,提出一种改进蝙蝠算法来求解．为了有效地表达出工序与粒子种群之间的关系,提出一种单层整数编码策略．在粒子的速度和位置方面,算法重新定义速度和位置的相关算子．为了克服基本蝙蝠算法固定参数不足的缺点,重新调整惯性权重的值,提出一种呈指数递减的惯性权重策略．针对具体生产实例进行验证,实验数据表明,该改进算法在求解柔性作业车间调度问题上具有良好的性能,是一种有效的调度算法.     

改进的离散型萤火虫优化算法求解柔性作业车间调度问题

针对传统的群智能优化算法在求解柔性作业车间调度问题(FJSP)时,存在寻优能力不足且易陷入局部最优等缺点,本文以最小化最大完工时间为目标,将萤火虫算法(FA)用于求解柔性作业车间调度问题,提出一种改进的离散型萤火虫算法(DFA)。首先,通过两段式编码建立FA连续优化问题与FJSP离散优化问题之间的联系;其次,设计一种群初始化方法,以确保初始解的质量以及多样性;然后,提出改进离散型萤火虫优化算法并引入局部搜索算法,加强算法的全局搜索能力和局部搜索能力;最后,对标准算例进行仿真,验证DFA算法求解FJSP的有效性。通过与遗传算法和粒子群优化算法进行仿真对比,表明了DFA求解FJSP的优越性。     

一种改进的求解柔性作业车间调度问题的灰狼算法

柔性作业车间调度问题是智能制造领域的一类典型调度问题,它是制造流程规划和管理中最关键的环节之一,有效的求解方法对提高生产效率具有重要的现实意义。本文基于经典灰狼算法进行改进,以优化最大完工时间为目标,提出一种改进的灰狼算法来求解柔性作业车间调度问题。算法首先采用基于权值的编码形式,实现对经典狼群算法中连续性编码的离散化;其次在迭代优化过程中加入随机游走策略,以增强局部搜索能力;然后在种群更新过程中加入尾部淘汰策略,在避免局部优化的同时增加种群多样性,合理扩大算法的广度搜索范围。在标准算例上的仿真实验结果表明,改进的灰狼算法在求解FJSP时比经典灰狼算法在寻优能力方面具有明显的优势,相比其它智能优化算法,本文所提算法在每种算例上均具有更好的优化性能。     

求解作业车间调度问题的改进混合灰狼优化算法*

灰狼优化算法(GWO)是目前一种比较新颖的群智能优化算法,具有收敛速度快,寻优能力强等优点。本文将灰狼优化算法用于求解复杂的作业车间调度问题,与布谷鸟搜索算法进行比较研究,验证了标准GWO算法求解经典作业车间调度问题的可行性和有效性。在此基础上,针对复杂作业车间调度问题难以求解的特点,对标准GWO算法进行改进,通过进化种群动态、反向学习初始化种群,以及最优个体变异等三个方面的改进操作,测试结果表明改进后的混合灰狼优化算法能够有效跳出局部最优值,找到更好的解,并且结果鲁棒性更强。     

生物地理学算法求解柔性作业车间调度问题

针对柔性作业车间调度问题,对生物地理学优化算法中的迁移操作和突变操作进行改进,提出一种改进的生物地理学优化算法。在算法初始阶段采用混合初始化的方法,提高初始种群质量;对迁移操作和突变操作采用不同选择方法,提高算法全局搜索能力,加快收敛速度。通过编程仿真对柔性作业车间调度问题标准测试算例进行运算,并与其他文献中的计算结果进行比较,验证了该算法是可行和有效的,也可用于其他车间调度问题中。     

多目标柔性作业调度的优化研究

针对以生产周期、生产成本、设备利用率为目标的柔性作业调度问题,基于混合遗传算法提出了一种新的优化求解方法。首先建立了该类问题的调度模型,基于工序编码的染色体决定了工序调度的优先级;利用无量纲的标准化处理方法统一目标量纲;然后,利用层次分析法将多目标问题转化为单目标问题,同时为了保证算法的收敛性,在基本遗传算法框架的基础上集成了禁忌搜索算法,从而延缓或避免了早熟收敛的发生。最后通过实验仿真,证明提出的方法可以有效解决该类多目标柔性作业调度问题。     

基于自适应参数与混沌搜索的PSO算法求解柔性作业车间调度问题

针对传统粒子群优化(PSO)算法在求解柔性作业车间调度问题中的不足,提出了基于自适应参数与混沌搜索的粒子群优化算法。对粒子群算法中的惯性系数等参数采用基于迭代搜索而自适应调整的方式,使粒子在初期以较大惯性进行大范围搜索,后期逐渐减小惯性而转入精细搜索。这种方法改变了传统粒子群算法在求解过程中的盲目随机与求解精度不高的问题;同时,通过在局部搜索过程中引入混沌技术,扩大对最优解的寻找范围,以此避免算法陷入局部最优,有效提高算法的全局寻优能力。实验结果表明,基于自适应参数与混沌搜索的粒子群优化算法在求解柔性作业车间调度问题(FJSP)时能够获得更优粒子适应度平均值及更好的优化目标。所提算法对求解柔性作业车间调度问题可行,有效。     

解决具有混合约束柔性流水车间调度问题的粒子群优化算法

针对既存在阻塞限制工件又存在无等待约束工件的柔性流水车间调度问题, 提出了一种离散粒子群优化的求解方法。该方法采用基于排列的编码形式, 设计了推进—迭代算法进行解码并计算问题目标值, 利用离散粒子群优化算法进行全局优化, 利用迭代贪婪(iterated greedy, IG)算法提高种群个体的局部搜索能力。此外, 根据问题特点, 提出最早释放优先(first release first, FRF)和最早完工优先(first complete first, FCF)两种机器分配策略。仿真结果表明, 所提出的方法求解混合约束下柔性流水车间调度问题是可行的、有效的。     

求解无等待Job Shop调度的量子粒子群算法

针对无等待Job Shop问题,采用量子粒子群优化算法对其进行了求解。该算法采用位置矢量的编码方式,全左移验证方式计算适应值。最后通过MATLAB对实例问题的仿真测试,量子粒子群优化算法不仅收敛速度快,而且还具有较好的求解质量。     

A hybrid particle swarm optimization for job shop scheduling problem

A hybrid particle swarm optimization (PSO) for the job shop problem (JSP) is proposed in this paper. In previous research, PSO particles search solutions in a continuous solution space. Since the solution space of the JSP is discrete, we modified the particle position representation, particle movement, and particle velocity to better suit PSO for the JSP. We modified the particle position based on preference list-based representation, particle movement based on swap operator, and particle velocity based on the tabu list concept in our algorithm. Giffler and Thompson’s heuristic is used to decode a particle position into a schedule. Furthermore, we applied tabu search to improve the solution quality. The computational results show that the modified PSO performs better than the original design, and that the hybrid PSO is better than other traditional metaheuristics.     

A new particle swarm optimization for the open shop scheduling problem

This paper presents a new particle swarm optimization (PSO) for the open shop scheduling problem. Compared with the original PSO, we modified the particle position representation using priorities, and the particle movement using an insert operator. We also implemented a modified parameterized active schedule generation algorithm (mP-ASG) to decode a particle position into a schedule. In mP-ASG, we can reduce or increase the search area between non-delay schedules and active schedules by controlling the maximum delay time allowed. Furthermore, we hybridized our PSO with beam search. The computational results show that our PSO found many new best solutions of the unsolved problems.     

考虑工件移动时间的柔性作业车间调度问题研究

分析生产车间的实际生产状况,建立了考虑工件移动时间的柔性作业车间调度问题模型,该模型考虑了以往柔性作业车间调度问题模型所没有考虑的工件在加工机器间的移动时间,使柔性作业车间调度问题更贴近实际生产,让调度理论更具现实性。通过对已有的改进遗传算法的遗传操作进行重构,设计出有效求解考虑工件移动时间的柔性作业车间调度问题的改进遗传算法。最后对实际案例进行求解,得到调度甘特图和析取图,通过对甘特图和析取图的分析验证了所建考虑工件移动时间的柔性作业车间调度问题模型的可行性和有效性。     

A Pareto archive particle swarm optimization for multi-objective job shop scheduling

In this paper, we present a particle swarm optimization for multi-objective job shop scheduling problem. The objective is to simultaneously minimize makespan and total tardiness of jobs. By constructing the corresponding relation between real vector and the chromosome obtained by using priority rule-based representation method, job shop scheduling is converted into a continuous optimization problem. We then design a Pareto archive particle swarm optimization, in which the global best position selection is combined with the crowding measure-based archive maintenance. The proposed algorithm is evaluated on a set of benchmark problems and the computational results show that the proposed particle swarm optimization is capable of producing a number of high-quality Pareto optimal scheduling plans.     

基于新型帝国竞争算法的高维多目标柔性作业车间调度

针对高维多目标柔性作业车间调度问题(MaOFJSP),提出了一种新型帝国竞争算法(ICA)以同时最小化最大完成时间、最大拖期、最大机器负荷和总能耗,该算法采用新方法构建初始帝国使得大多数殖民国家分配数量相近的殖民地,引入殖民国家的同化,并应用新的革命策略和帝国竞争方法以获得高质量解.最后通过大量实验测试ICA新策略对其性能的影响并将ICA与其他算法对比,实验结果表明新型ICA在求解MaOFJSP方面具有较强的优势.     

超启发式遗传算法求解模糊柔性作业车间调度

本文提出一种混合超启发式遗传算法(HHGA),用于求解一类采用三角模糊数表示工件加工时间的模糊柔性作业车间调度问题(FFJSP),优化目标为最小化最大模糊完工时间(即makespan).首先,详细分析现有三角模糊数排序准则性质,并充分考虑取大操作的近似误差和模糊度,设计一种更为准确的三角模糊数排序准则,可合理计算FFJSP和其他各类调度问题解的目标函数值.其次,为实现对FFJSP解空间不同区域的有效搜索, HHGA将求解过程分为两层,高层利用带自适应变异算子的遗传算法对6种特定操作(即6种有效邻域操作)的排列进行优化;低层将高层所得的每种排列作为一种启发式算法,用于对低层相应个体进行操作来执行紧凑的变邻域局部搜索并生成新个体,同时加入模拟退火机制来避免搜索陷入局部极小.最后,仿真实验和算法比较验证了所提排序准则和HHGA的有效性.