基于混合遗传算法的Job-Shop调度问题的研究

Job-Shop调度问题是最困难的组合优化问题之一,由于其固有的计算复杂性,一般无法利用经典解析算法求出最优解。结合实际生产情况,建立了Job-Shop调度问题的模型,并基于遗传算法与局部搜索启发式算法相结合的混合遗传算法的思想给出了求解此模型的算法过程。     

DNA遗传算法在Job Shop调度优化中的应用

利用DNA计算和遗传算法求解Job-Shop调度问题最优解的有效性和实用性的特点,提出了一种实现Job-Shop调度的DNA遗传算法,该方法将基于调度优先的人工DNA应用于遗传算法的矩阵编码,解决了常规遗传算法的编码方式和局部收敛问题.对该方法与在满足约束条件下采用的常规遗传算法进行了模拟仿真计算与对比,结果表明,该算法避免了陷入局部最优并最终趋于全局最优.     

求解多目标作业车间调度问题的双种群遗传算法

针对多目标作业车间调度问题,提出一种将正逆序调度方法与生成调度活动的遗传算法相结合的双种群遗传算法.该算法利用活动调度缩减解空间,提出采用正、逆序遗传调度算法分别在不同种群优化不同目标函数,将多目标问题分解成多个单目标问题.在进化过程中,通过个体迁移算子加快多个目标的并行搜索,并提出了一种构造Pareto解集的精英锦标赛法则.通过基于Benchmark算例的仿真实验,验证了该算法求解多目标作业车间调度问题的有效性.     

求解柔性作业车间调度问题的VEDFA算法与实现

针对柔性作业车间调度问题(Flexible Job-Shop Problem,FJSP)的特点以及求解方法,提出了病毒离散萤火虫算法(Virus co-Evolution Discrete Firefly Algorithm,VEDFA)来求解FJSP。该算法采用启发式规则与随机的方法产生初始种群,并对标准萤火虫算法进行改进,提出一种离散萤火虫算法。将病毒遗传算法中的病毒个体引入离散萤火虫算法(Discrete Firefly Algorithm,DFA)以加强局部搜索能力与动态搜索能力,并使用Interchange邻域结构的局部搜索来改善最优解。最后通过实验证明了该算法可以很好地解决FJSP。     

引入免疫算子的遗传算法对作业车间调度结果的影响

解决车间生产调度问题能缩短生产周期,提高生产效率,降低制造成本。通过对作业车间调度问题的分析,提出一种求解作业车间调度问题的免疫遗传算法。该算法通过引入免疫算子,进行抽取疫苗和接种疫苗等免疫机制,充分利用待求解问题的特征信息来指导个体的进化,有效改善基本遗传算法的未成熟收敛和局部搜索能力差的不足,显著提高了基本遗传算法对全局最优解的搜索能力和收敛速度。利用Delphi实现该算法并实例仿真,结果表明免疫遗传算法能有效解决作业车间调度问题。     

基于神经网络的Job-Shop类调度问题

提出了将Hopfield神经网络与模拟退火相结合以求解Job-Shop类调度问题的算法.该算法给出了Job-Shop类调度问题的约束条件,并且直接把问题的各种约束条件表示为Hopfield神经网络的能量函数项.为避免Hopfield神经网络容易收敛到局部极小解而产生非法调度解的缺点,将模拟退火算法应用于Hopfield神经网络求解,使Hopfield神经网络收敛到能量函数的全局最优解,从而保证神经网络输出是一个可行的调度方案.通过仿真实例验证了该算法的可行性.     

应用混合蚁群算法求解模糊作业车间调度问题

为解决蚁群算法求解时间过长和易陷入局部最优的问题,提出了一种求解模糊作业车间调度问题的混合算法,该算法将蚁群算法用于全局搜索.为了提高搜索效率,根据作业车间调度问题解的特征,提出一种基于关键工序的邻域搜索方法,并使用此邻域搜索方法的禁忌搜索算法嵌入蚁群算法.利用禁忌搜索算法较强的局部搜索能力,提高了蚁群算法的优化能力,改善了作业车间调度问题解的质量.实验结果验证了该混合搜索算法的有效性,其优化效果优于并行遗传算法和禁忌搜索算法.     

含精英策略的小生境遗传退火算法研究及其应用

针对传统遗传退火算法的缺陷,提出了小生境遗传退火算法,该算法引入小生境技术,避免了搜索初期有效基因的缺失,保证了解的多样性;引入了自适应双点交叉和互换变异策略,克服了算法交叉和变异概率固定不变导致的求解过程较长和易收敛于局部最小值的缺陷;引入精英保留策略,有效地避免了最优解的丢失,加快了进化速度;通过3个经典函数测试,并将其应用于Job Shop调度问题,仿真实验结果表明:新算法有效克服了停滞现象,增强了全局搜索能力,比遗传算法和传统遗传退火算法的寻优性能更佳。     

基于Memetic算法的拓扑优化方法

将Memetic算法用于拓扑优化,通过采用进化搜索和局部搜索结合的混合搜索策略,有效加快了收敛速度。Memetic算法的进化搜索策略与遗传算法相同,但将邻接熵过滤方法作为其局部搜索策略。邻接熵过滤方法在进化搜索产生的新个体周围进行局部搜索,通过删除优化结构中的一些孤立单元和棋盘格现象,能在新个体的附近搜索到一个更好的个体。Memetic算法的混合搜索策略不仅继承了遗传算法能发现全局最优解的优点,而且能大幅度提高搜索效率。采用Memetic算法求解经典算例,与采用遗传算法的求解结果进行比较,证明了该方法的有效性和优越性。     

基于混合遗传算法的车间调度研究

针对用遗传算法求解车间调度问题(job shop problem)容易早熟的缺点,对遗传算法的收敛性、搜索效率和最优解等方面进行了研究,改进了遗传算法,引入了模拟退火算法,提出了新的混合遗传算法。重新设计了基于工件编号的交叉算子和变异算子;采用自适应交叉概率和变异概率;在每一代遗传进化中引入了Metropolis接受准则。通过结合遗传算法、自适应概率和模拟退火算法的各自优点,提高了算法搜索能力。用遗传算法、模拟退火算法和混合遗传算法对Job Shop Problem中FT06问题进行了仿真。仿真结果表明,混合遗传算法提高了搜索效率,能够找到最佳的调度方案。     

一种求解加工时间离散可控作业车间调度问题的混合算法

加工时间离散可控作业车间调度问题(Job-shop scheduling problem with discretely controllable processing times,JSP-DCPT)是经典作业车间调度问题(Job-shop scheduling problem,JSP)的一类扩展问题。为避免通过多项式时间近似方法求解JSP-DCPT的近似问题,提出一种混合算法直接求解JSP-DCPT。该算法基于分解方法,嵌套一种禁忌搜索模拟退火混合算法TSSA和一种快速精英保留非支配排序遗传算法NSGA-II,以分别高效求解JSP-DCPT分解所得的JSP子问题和离散时间—成本权衡子问题。基于JSP标准算例FT06,FT10和FT20构造3个不同问题规模的测试算例,试验仿真结果表明,混合算法能够得到收敛的帕累托边界。     

A genetic algorithm for energy-efficiency in job-shop scheduling

Many real-world scheduling problems are solved to obtain optimal solutions in term of processing time, cost, and quality as optimization objectives. Currently, energy-efficiency is also taken into consideration in these problems. However, this problem is NP-hard, so many search techniques are not able to obtain a solution in a reasonable time. In this paper, a genetic algorithm is developed to solve an extended version of the Job-shop Scheduling Problem in which machines can consume different amounts of energy to process tasks at different rates (speed scaling). This problem represents an extension of the classical job-shop scheduling problem, where each operation has to be executed by one machine and this machine can work at different speeds. The evaluation section shows that a powerful commercial tool for solving scheduling problems was not able to solve large instances in a reasonable time, meanwhile our genetic algorithm was able to solve all instances with a good solution quality.     

一种基于免疫原理的新优化遗传算法

将静态繁殖理论和机器学习原理引入到免疫遗传算法中,利用自适应疫苗,增强个体免疫力,以增加种群的平均适值,从而有效地避免了最优解的丢失,缩小了搜索空间,加快了进化速度,使系统能够在很短的时间内得到最优解。同时,针对典型车间调度问题,分别对改进算法和其他优化算法的计算结果进行了比较,表明改进算法更有效。     

基于混合遗传算法的车间调度问题的研究

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，提出了实现车间调度的混合遗传算法的设计方案，把遗传算法与模拟退火算法相结合，充分发挥遗传算法良好的全局搜索能力和模拟退火算法有效避免陷入局部极小的特性。通过实验验证了基于GASA混合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。     

车间作业调度问题(job-shop)的一种改进遗传算法

搜索空间适应性的遗传算法(GSA)具有这样的能力,即使在不通过修改遗传算法的某些参数(倒如交叉率和变异率)的情况下,就可适应解空间的结构、并调节全局搜索和局部搜索的相互平衡.但是这种遗传算法(GSA)需有时个体特征继承率控制能力的交叉操作.文章阐述了一种改进的搜索空间适应性的遗传算法(mGSA)用于解决车间作业调度问题(JSP);这种方法不同于GSA不需要带特征继承率调节能力的交叉操作.最后通过两个benchmark问题的数字实验,展示了这种方法的的有效性;并通过与现存的遗传算法相比较,展示了这种方法有更好的结果.     

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。     

非紧密衔接工序动态车间调度算法

对于实际生产中经常出现的非紧密衔接工序调度问题,提出一种将非紧密衔接工序变为紧密衔接工序的转换策略,用该策略在对工序间延迟约束进一步研究的基础上,提出标准工序、延迟工序和扩展加工工艺树概念.通过对拟关键路径法和最佳适应调度法算法进一步完善,设计一种通过优先调度延迟工序,对标准工序分批采用拟关键路径法和最佳适应调度法,同时考虑关键设备上标准工序尽量紧凑的具有非紧密衔接工序的动态调度算法.实例验证表明,所提出的调度算法不仅能够较好地解决更具实际意义的动态非紧密衔接工序调度问题,而且能够扩展解决动态紧密衔接工序调度问题.     

Research on job-shop scheduling optimization method with limited resources

Job-shop scheduling is an important subject in the fields of production management and combinatorial optimization. It is also an urgent problem to be solved in actual production. It is usually difficult to achieve the optimal solution with classical methods, due to a high computational complexity (NP-Hard). According to the nature of job-shop scheduling, a solution based on a particle swarm optimiser (PSO) is presented in this paper. In addition to establishing a job-shop scheduling model based on PSO, we have researched the coding and optimized operation of PSO. We have also considered more suitable methods of coding and operation for job-shop scheduling as well as the target function and calculation of the proper figure. The software system of job-shop scheduling is developed according to the PSO algorithm. Test simulations illustrate that the PSO algorithm is a suitable and effective approach for solving the job-shop scheduling problem.     

基于交货期的流水线车间调度算法设计与实现

这里提出了在流水线调度时可以利用遗传算法计算出工件的最短通过时间，但同时应考虑交货期的影响、设备的负荷率和员工加班等问题。在设计过程中，根据实际，改进常规遗传算法，设计出一种基于交货期的遗传算法，可以很快的收索到最优个体。实例证明了其可行性。     

基于多Agent的虚拟企业调度研究与实现

针对虚拟企业制造环境的不确定性、动态性和复杂性，运用多Agent技术实现生产调度系统的反应性和智能性．构建了虚拟企业生产调度系统体系结构；通过Agent能力匹配来实现任务分解；采用基于合同网的协商和多属性决策来解决虚拟企业调度问题中的任务分配和协作，利用集成的优化算法来自动处理调度优化问题，并进行了原型系统的开发。