3机Flow-shop调度问题研究

提出了一种遗传分枝定界算法求解3机Flow-shop调度问题,该算法类似于常用的遗传局部算法和遗传动态规划算法．用随机方法生成测试例子,通过与著名的Taillard的禁忌搜索算法和Reeves的遗传算法进行比较,实验结果证实了遗传分枝定界算法的有效性．     

基于遗传分枝定界算法的Flow-shop调度问题

Flow shop调度问题属于NP难题,传统的方法很难求出精确最优解,提出了一种遗传分枝定界算法,即在遗传算法中引入分枝定界算法保持对优化解有贡献的工件部分顺序,求解3机Flow shop调度问题,该算法与常用的遗传局部算法和遗传动态规划算法类似,用随机方法测试例子,与目前著名的Taillard的禁忌搜索算法和Reeves的遗传算法两种改进算法进行比较,大量的数据实验证实了遗传分枝定界算法的有效性。     

求解置换Flow-shop调度问题的改进遗传算法

提出一种求解置换Flow-shop调度问题的改进遗传算法。该算法采用多个体交叉方式,对交叉过程和变异过程分别进行阈值设置,实现了在优化过程中扩大解空间的搜索范围和保持种群的多样性,从而增大了获得最优解的几率。最后对一系列典型的Benchmark问题进行仿真测试,实验结果证实了该改进遗传算法的有效性。     

用QPSO算法求解模糊交货期Flow-shop调度问题

针对模糊交货期Flow-shop调度问题的特点,运用一种收敛速度快、全局性能好、不易陷入局部最优的智能迭代算法-量子粒子群算法,对其进行求解。通过仿真实例对该算法进行了验证,结果表明,在求解模糊交货期的Flow-shop问题时,量子粒子群算法要优于遗传算法和基本粒子群算法。     

用遗传／禁忌搜索混合算法求解可变加工时间的调度问题

有效地混合了遗传算法和禁忌搜索算法，对于一类加工时间可变的提前／拖期单机调度问题进行了研究。目标函数基于任务的提前／拖期惩罚、附加惩罚以及加工时间的偏离量惩罚，目标是确定最优的公共交货期、最优加工时间和最优加工顺序极小化目标函数，并与一般的遗传算法相比较，实验结果说明了遗传／禁忌混合算法的有效性。     

基于禁忌搜索算法的生产调度

基于启发式规则和禁忌搜索技术,提出了一种即要优先满足定单交货期,而且使得注塑生产线上的总的定单切换时间最小化的生产调度的算法,通过计算机的模拟仿真,证明此算法的有效性.     

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。     

基于遗传和禁忌搜索算法求解车间调度优化问题

针对柔性生产环境下的车间调度问题,在考虑遗传算法早熟收敛问题和禁忌搜索法自适应优点的基础上,将遗传算法和禁忌搜索法结合起来,提出了基于遗传和禁忌搜索的混合动态优化调度算法,并用实例对该算法进行了仿真研究。结果表明,此算法有很好收敛精度,是可行的,并且能够在扰动发生后提供新的调度计划,与传统的调度算法相比较,体现了明显的优越性。     

Flow-shop调度问题的自适应模拟退火算法

为求得一个强NP-难问题——flow-shop调度问题的最优解或近优解, 提出一种自适应模拟退火算法. 本算法采用一种基于区段特性的特殊邻域结构、简便的目标函数计算方法和自适应退火策略. 通过Flow-shop调度问题的基准测试问题的实验, 数值结果证实了该方法的有效性.     

求解JSP问题的改进型混合遗传算法

在蜂群进化遗传算法框架的基础上,提出一种求解JobShop问题的新的混合遗传算法。本算法设计保证了算法的收敛性,改善了算法的局部搜索能力,延缓或避免了早熟收敛的发生。OR Library经典算例的仿真结果,证明了算法的有效性。     

Local Search Genetic Algorithms for the Job Shop Scheduling Problem

In previous work, we developed three deadlock removal strategies for the job shop scheduling problem (JSSP) and proposed a hybridized genetic algorithm for it. While the genetic algorithm (GA) gave promising results, its performance depended greatly on the choice of deadlock removal strategies employed. This paper introduces a genetic algorithm based scheduling scheme that is deadlock free. This is achieved through the choice of chromosome representation and genetic operators. We propose an efficient solution representation for the JSSP in which the job task ordering constraints are easily encoded. Furthermore, a problem specific crossover operator that ensures solutions generated through genetic evolution are all feasible is also proposed. Hence, both checking of the constraints and repair mechanism can be avoided, thus resulting in increased efficiency. A mutation-like operator geared towards local search is also proposed which further improves the solution quality. Lastly, a hybrid strategy using the genetic algorithm reinforced with a tabu search is developed. An empirical study is carried out to test the proposed strategies.     

基于免疫克隆选择算法的混合流水车间调度问题的研究

本文针对混合流水车间调度问题,以最大流程时间最小为目标函数,建立了混合整数数学规划模型;将具有解决复杂组合优化问题的免疫克隆选择算法（ICA）应用于求解混合流水车间调度问题,详细描述了ICA算法求解HFSP问题的步骤;为了验证算法的有效性,仿真对比了遗传算法和ICA算法的性能,与文献结果比较,结果表明ICA算法求解HFSP问题可行性和有效性。     

A Decomposition and Coordination Scheduling Method for Flow-shop Problem Based on TOC

There are many flow shop problems of throughput (denoted by FSPT) with constraints of due date in real production planning and scheduling. In this paper, a decomposition and coordination algorithm is proposed based on the analysis of FSPT and under the support of TOC (theory of constraint). A flow shop is at first decomposed into two subsystems named PULL and PUSH by means of bottleneck. Then the subsystem is decomposed into single machine scheduling problems, so the original NP-HARD problem can be transferred into a serial of single machine optimization problems finally. This method reduces the computational complexity, and has been used in a real project successfully.     

一种启发式算法求解批量计划和排序集成问题

文章针对基于JIT思想建立的一种批量计划和作业排序集成问题,建立整体模型,设计了一种启发式算法采用集成方法求求解。针对问题的特点和遗传算法的特性,各层优化时均采用遗传算法求解,借鉴递阶优化方法的思想,首先从优化作业排序层出发,将其优化结果作为约束来优化批量计划层,然后利用利用批量优化的结果再重新来协调优化作业排序层,进而进一步去求解更好的批量计划。基于这种协调传递的思想,使各层的优化形成一个闭环,直到满足循环终止条件,得到比较理想的结果。最后通过算例试验表明,这种启发式算法与采用整体求解方法相比,具有比较满意的寻优性能和收敛速度。     

多阶段混合Flow Shop调度问题及其遗传求解算法

针对多阶段混合Ｆｌｏｗ Ｓｈｏｐ 调度问题的一般结构和不同的调度目标函数,提出混合整数规划模型,并基于问题的结构特点设计了遗传求解算法。计算实验结果表明,遗传算法对于不同规模和结构的问题具有良好的适应性和求解性能     

用两阶段启发式算法编制连铸生产计划

现代钢铁企业一个最具挑战性的问题就是如何充分使用成本高昂的设备,以换取更高的利润。编制高效的连铸生产计划在提高生产率和降低能耗方面具有十分重要的意义。提出描述连铸计划的数学模型,并使用智能搜索算法解决这类ＮＰ难的问题     

禁忌搜索解决烘干窑调度问题

针对烘干窑生产周期长、成本高的问题,为提高其生产效率,缩短生产周期,对烘干窑的生产调度进行了优化,描述了一个现实中存在的烘干窑调度问题,提出了一种改进的融入了回溯思想的禁忌搜索算法,并给出了算法优化前后的生产计划比较。实际应用结果显示,该算法能有效地缩短生产周期,减少生产成本,提高设备利用率和合同准时率。     

基于混合遗传与禁忌搜索的网格任务调度的研究

网格技术将所有可用于共享的资源（例如,计算机、存储设备、软件、数据库等）通过网络连接起来,并将它们转化成一种标准的计算能力。为各种复杂的计算任务提供资源,因此网格任务在各种资源之间的调度成为了一个关键的问题。本文通过对遗传算法与禁忌搜索算法的分析,提出了一种混合遗传算法与禁忌搜索算法的策略,把禁忌搜索算法独有的记忆思想引入到遗传算法的搜索过程中,通过把禁忌搜索算法作为遗传算法的变异算子的方法,提高了网格任务调度的有效性。最后,使用网格模拟器,对算法的性能进行了测试,并比较了轻重负载情况下,经典遗传算法和本算法调度方案的性能差异。     

遗传算法和禁忌搜索算法在车间调度中的研究进展

遗传算法与禁忌搜索算法的出现为解决高维组合优化问题提供了强有力工具。二者既有共性,又有个性。本文综述了遗传算法和禁忌搜索算法及它们的混合策略在车间调度优化问题中的应用现状。