基于遗传算法的Job Shop调度研究进展

Job Shop是典型的调度问题 ,遗传算法一直是计算智能的主要研究对象 ,因此基于遗传算法的Job Shop研究在学术界和工程界受到极大的关注。对近年来这方面的研究情况进行了较全面的综述 ,其中涉及编码、算法改进和比较、特征分析、混合算法、拓宽性、实际应用和调度器开发等 ,并讨论了进一步研究的若干方向     

基于遗传算法求解Job Shop调度的编码新方法

针对Job Shop调度问题,提出了一种新的遗传算法编码新方法。该方法根据问题的特点,采用一种按工序用不同编号进行的染色体编码方案,每一个编号包含工件工序号、对应的机器号、加工时间等所有信息,此编码与调度方案一一对应,并且该编码方案有多种交叉操作算子可用,不需要专门设计算子。算例计算结果表明,基于该编码方案的遗传算法是有效的,能适用解决Job Shop调度问题。通过比较,用该编码方案的遗传算法优化Job Shop调度操作简单并且收敛速度快。     

求解车间作业调度问题的一种改进遗传算法

针对标准遗传算法收敛速度慢和易陷入局部最优的问题，在总结已有经验的基础上对标准遗传算法提出改进：采用基于工序的编码、解码方式，每一次遗传操作后对种群采用循环选择并保留最优个体，对交叉操作和变异概率的计算提出了一系列改进方法，避免遗传算法产生无用解或陷入局部优化，以提高效率。通过实验验证，改进后的算法具有可行性，并且可以得到十分满意的结果。     

基于多层遗传算法的柔性Job Shop调度问题的研究

介绍了柔性Job Shop调度问题的模型,并针对三级子问题,分别设计了相应的遗传算法,给出了其流程.通过实例证明,该算法的设计是行之有效的.     

一种基于SystemC的Job Shop调度问题建模方法

考虑SystemC解决大规模集成电路硬件建模问题的优势,运用事件驱动下进程交互仿真策略,提出了一种基于SystemC仿真平台的生产调度问题建模方法,并将该方法应用于求解经典的Job Shop调度问题。仿真实例表明基于SystemC的仿真建模方法对于求解Job Shop调度问题可以达到令人满意的效果,从而验证该方法应用于实际生产调度问题建模的可行性。     

Job Shop 调度的序列拉格朗日松驰法

拉格朗日松驰法为求解复杂调度问题次最优解的一种重要方法，陆宝森等人把这种方法推广到Ｊｏｂ Ｓｈｏｐ调度问题，但他们的方法存在解振荡问题。本文提出一种序列拉格朗日松驰法，它能避免解振荡。     

求解Job Shop调度问题的混合蚁群算法研究

为了解决单一算法求解Job Shop调度问题存在的不足，该文提出了一种混合算法，将蚁群算法用于全局搜索。针对蚁群算法易于陷入局部最优的情况，提出了一种基于关键工序的邻域搜索方法，将使用此邻域搜索方法的TS算法作为局部搜索策略。利用TS算法较强的局部搜索能力，提高了蚁群算法的优化能力，达到改善Job Shop调度问题解的质量。实验结果表明，混合算法在较短的时间内，找到了FT10、LA24、LA36等典型benchmarks问题的最优解，得到的makespan的平均值较并行遗传算法(PGA)和TSAB算法均有所提高。     

求解Job Shop问题的改进遗传算法

通过对JobShop问题的研究,基于工件的编码方式提出了一种新的活动化解码算法.该算法主动寻找后续工件提前加工,不仅节省了存储空间,而且提高了解码效率.并对遗传算子进行了改进,采用一种基于模式交叉的交叉算子,防止非法解的产生,同时将变异算子与局部搜索结合起来.最后采用典型算例对改进算法进行仿真试验,结果表明,改进的算法提高了效率,具有一定的实用价值.     

Job-Shop调度问题的遗传算法研究

本文针对最小化最大完工时间的Job-Shop调度问题，提出了一种新型的遗传算法。与局部查找算法结合利用一种新型的染色体编码方法，并引入种群间的竞争，实现目标的全局最优化。     

Job Shop调度问题中优先规则的性能评价

本文通过计算机仿真。利用优先系数法定量评价 Job Shop 调度问题中优先规则的优劣,并探讨了在综合性能指标下比较优先规则的好坏的方法.     

求解作业车间调度问题的改进的遗传算法

描述了作业车间调度问题,提出一种求解作业车间调度问题的改进的遗传算法.该算法对交叉算子和变异算子进行改进,能有效避免局部最优.通过对实例的计算和分析,取得了良好的调度效果,论证了该算法的有效性和稳定性.     

求解作业车间调度问题的改进遗传算法

使用遗传算法求解作业车间调度问题时,为了获得最优解,提高算法的收敛速度,提出了改进遗传算法.算法以最小化最大完工时间为优化目标,初始化时将种群规模扩大为原来的两倍以增加种群多样性;迭代时使用新的适应度函数让染色体间更易区分;通过轮盘赌法完成染色体选择;用POX(Precedence Operation Crossove...     

一种求解车间作业调度的自适应混合遗传算法

针对遗传算法和禁忌搜索算法在求解车间作业调度问题存在的全局收敛性差、种群早熟化、收敛速度慢等缺陷,提出了一种自适应遗传禁忌搜索算法。算法通过自适应调整遗传算子中的变异概率,改善了遗传算法的收敛速度;通过增加禁忌表来选择杂交产生的个体,避免迂回搜索,以禁忌搜索算法作为变异算子,增加种群的多样性,避免算法陷入局部最优。通过仿真实例,验证了算法的收敛性和抗局部收敛性。     

基于DNA进化算法的车间作业调度问题研究

针对遗传算法解决车间作业调度问题时存在早熟收敛的缺点,采用一种新型进化算法——DNA进化算法解决车间作业调度问题.将算法从连续优化问题拓展用于解决离散优化问题,并将其成功地应用于Job shop生产调度.采用了著名的M u th和T hom pson标准问题FT 10进行了验证.仿真结果表明,与遗传算法相比,该算法简单有效,不仅具有很好的求解性能,而且具有更快的收敛速度和全局搜索能力.     

带并行机调度问题中基于ANFIS的自适应算法

针对用规则的线性组合方法解决实际的复杂调度中,如何确定哪些规则需要组合和确定权系数一直缺乏有效的方法,提出了根据多个不同的生产调度目标采用ANFIS将不同调度目标的规则进行自适应的综合,进行学习后产生模糊规则的算法,并将其用于带并行机Jobshop调度问题中。数值计算结果表明,该算法能够较好地对一些规则进行综合,并且在此类调度问题中有比这些规则更好的效果。今后的研究方向是调整ANFIS的结构使其更适合调度问题。     

用带蚁群搜索的多种群遗传算法求解作业车间调度问题

结合遗传算法和蚁群算法的优点，提出一种带蚁群搜索的多种群遗传算法．多个种群各自遗传进化，用蚁群搜索得到的解替代各种群中的较劣个体，增加种群的多样性，提高种群的质量；根据各种群最优个体设定初始信息素，大大缩短信息素的累积过程，加快蚁群搜索的速度．利用算法对典型作业车间调度问题进行求解,仿真计算结果表明,该算法是有效的.     

一种基于混合遗传算法的车间调度算法

为了克服单独的遗传算法用于车间作业调度缺点,提出一种遗传算法与启发式算法结合的混合遗传算法,在运用该算法的过程中给出了适合的遗传操作和启发式规则的应用方法。结果表明：混合遗传算法优于两种单独的算法。     

基于自适应遗传算法的流水车间作业调度

流水车间调度问题是NP完全问题。提出一种新的自适应遗传算法,采用初始种群复合化、适应度相同个体的筛选策略、改进自适应交叉变异概率等方法提高算法性能。通过仿真比较,从最优解出现的代数、最优解的相对误差以及随机若干次试验对算法的影响3个方面证明该算法的优越性。     

关于车间作业调度的组合优化算法

车间调度问题由于具有重要的理论和实用价值吸引了很多研究者的兴趣,但一个复杂的车间调度不仅可能涉及到成千上万道车间调度工序,而且工序的变更又可能导致相当大的调度规模.本文针对调度提出了一种改进的遗传算法,该算法引入了生物界DNA的思想将染色体分为双链,并在一个制造企业软件系统中应用了此算法.