动态Job-Shop调度问题的一种自适应遗传算法

提出了基于序列号的、独特的混合编码与级联编码相结合的遗传编码构造方法，给出了序列海明距离的定义和具体的计算方法，并引入到自适应遗传算法中。实例仿真计算的结果表明，提出的自适应遗传算法提高了全局求解能力，在解决动态Job—Shop调度问题时具有明显的优越性。     

基于遗传算法的多资源作业车间智能优化调度

提出一种基于遗传算法的调度算法，用于解决作业车间的加工受到机床、操作工人和机器人等多种生产资源制约条件下的优化调度。以生产周期为目标进行的优化调度，将遗传算法和分派规则相结合，通过交叉、交异等遗传操作，得到目标的最优或次优解。最后对算法进行了仿真研究，并给出了算法运行结果，仿真结果表明该算法是可行的。     

启发式算法和遗传算法在生产调度中的应用

根据现代制造企业对生产调度的要求,提出了一种启发式算法和遗传算法相结合的生产调度系统结构。使用启发式规则为各工序分配机器,制定加工计划,调用遗传算法对加工计划进行排序,生成最终调度结果。通过将CLIPS推理机嵌入到系统中,实现了决策规则和程序体的分离,易于规则的修改和进一步扩展,系统更具有柔性。由启发式规则生成遗传算法的部分初始种群,提高了初始种群的质量。通过将任务分解,降低了问题求解的复杂度,并由实例验证了其可行性。     

作业车间多工艺路线批量作业计划优化

提出一种基于遗传算法的作业计划算法,用于解决作业车间的中小批量多工艺加工作业计划的优化问题。在作业计划算法中,提出了一种将工件的子批数量和加工工序包容在一起的染色体编码方法,使得子批数量的确定和子批加工顺序的安排能够被同时优化。以生产周期为目标优化作业计划,将遗传算法和分派规则相结合,通过交叉、变异等遗传操作,得到目标的最优或次优解。最后对算法进行了仿真研究,并给出了算法运行结果,仿真结果表明该算法是可行的。     

基于改进遗传算法的生产车间多工艺计划调度研究

建立了基于多工艺加工计划的生产调度数学模型,给出了基于改进遗传算法的无辅助加工时间多工艺加工计划调度算法,通过与国外学者提出的算法相比较,证明了该算法的正确性和优越性,实验结果表明,模型是正确的,算法是有效的。     

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。     

双资源多工艺路线作业车间模糊调度问题研究

在研究双资源、多工艺路线作业车间调度的基础上,从实际作业车间调度系统存在大量不确定因素的情况出发,建立了模糊调度的数学模型。以最小完工时间和平均满意度最大为优化目标,基于遗传算法,对算法中初始种群的构造、适应度计算、遗传操作等方面进行了研究;应用改进的遗传算法,求解最优调度工序。最后给出了实例仿真和结论。     

基于免疫遗传算法的车间调度问题的研究

根据生命科学中免疫系统的信息处理机制,在一般遗传算法的基础上,将免疫计算和改进的遗传算法(预防近亲结合的多重交叉策略)相结合,建立了一种用于车间调度的免疫遗传算法,通过接种疫苗提高抗体的适应度,通过免疫选择防止种群的退化。针对作业车间调度问题,设计了免疫遗传计算中疫苗的提取和接种方法,即基于加工机器的基因片断抽取疫苗方法和接种方法。通过作业车间调度十个典型标准问题验证,文中所述免疫遗传算法可行,较现有免疫算法、一般遗传算法及一些传统优化设计方法在收敛效率和准确性等方面有很大改进与提高。     

一类解决车间调度问题的遗传退火算法

将遗传算法与模拟退火算法相结合,提出了一种混合调度算法。该算法采用3种提高效率的策略:(1)采用基于机器的分段编码方式,使编码简单直观,并且编码空间小。(2)采用4-2选择代替常用的转轮选择方式,既保留了优秀个体又维持了群体多样性;(3)采用基于关键路径的邻域产生函数和变异算子,缩小了搜索邻域。实验表明该算法具有较高的求解质量和效率。     

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。     

求解置换调度问题的改进混合遗传算法

构造了求解极小化总完工时间的置换调度问题的改进混合遗传算法：先采用构造型启发式算法和随机方法共同产生初始种群，然后在选择、交叉和变异等遗传操作之前借助禁忌搜索算法寻找每个个体的局部最优解组成当前种群，再应用种群整体替换策略保存种群中的优秀个体构成新一代种群。改进混合遗传算法有机地结合了禁忌搜索算法的局部搜索性能和遗传算法的全局搜索性能。仿真实验表明，改进混合遗传算法具有比构造型启发式算法和禁忌搜索算法更好的鲁棒性和寻优性能。     

基于遗传算法的一类无序加工调度

针对遗传算法在解决生产路径不固定的Ｊｏｂ－Ｓｈｏｐ调度中所出现的问题,本文提出了一种遗传编码方式和相应的遗传算子。针对某冷轧厂的精整计划钢卷调度问题,进行仿真分析,检验了新遗传编码和新遗传算子的有效性。     

一种求解多目标柔性Job Shop调度的改进遗传算法

针对多目标柔性作业车间调度问题，提出一种改进遗传算法。该算法为了克服传统遗传算法的局限性，提高全局搜索能力和收敛性，采用一种新的GOR编码、新的分类选择算子和改进的优先操作交叉算子集成设计方法，定义编码的种群平均个体差，其交叉率和变异率受种群的多样性控制。通过典型算例的实验及与国内外最新的研究成果比较，证明了算法的优良性能。     

一种求解Job-shop调度问题的遗传局部搜索算法

利用遗传局部搜索算法求解了作业车间调度问题,遗传算法中的染色体编码采用基于工序的编码,并用插入式贪婪解码机制将染色体解码至主动调度。为了克服传统遗传算法易于早熟收敛的缺点,设计了一种改进的优先操作交叉IPOX操作和子代产生模式的遗传算法。对于遗传算法每个染色体个体,使用基于N6邻域结构的局部搜索进一步使它们得到改善。利用所提出的混合遗传算法求解基准问题,验证了算法的有效性。     

嫁接遗传算法及其在车间作业调度问题中的应用

分析了现有遗传算法在解决车间作业调度问题时局限产生的原因 ,提出了一种既能加快进化速度 ,又能提高抗早熟能力的嫁接遗传算法 ,并将其成功应用于车间作业调度问题。最后的实例测试表明了新算法的有效性和优越性以及它在调度领域的应用可行性。     

生产调度问题的启发式遗传算法

将遗传算法 (GA)和启发式算法 (H A)结合 ,进行生产调度问题的求解 ,提出了一种新的启发式遗传算法 (HGA)。在应用该算法的过程中 ,给出了适合的遗传操作和启发式规则的运用方法。最后 ,简单介绍了研制的软件原型。     

遗传算法在柔性CAPP与生产调度集成中的应用

提出了在并行工程思想下柔性CAPP与生产调度集成的框架，研究了遗传算法在柔性CAPP与生产调度集成中的应用方法。使用结构化编码方式对染色体进行编码，并应用规划－资源算子进行遗传操作，通过使用重迭调度缩短了系统的流通时间。最后，算例验证了应用遗传算法的集成方法能够提高系统的全局优化和生产效率。     

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。     

一种改进的遗传算法在车间调度中的应用

研究现代生产先进制造车间调度问题 ,对于发挥先进制造车间的高效性和灵活性具有十分重要的意义。生产过程的计划调度问题 ,是实现制造系统运筹技术、管理技术与优化技术的核心。因此 ,优化调度算法的性能直接影响到FMS的生产效率和应变能力。本文在传统的遗传算法的基础上 ,对车间调度算法进行了深入的研究。基于机床负荷平衡的思想 ,提出了面向先进制造车间的平衡遗传算法 ,并与传统的遗传调度算法进行了对比。实验表明 ,该调度方法具有较高的可行性、有效性和稳定性。保证了各个机床的负荷平衡 ,满足了交付期的要求