基于MIT启发式算法的阻滞流水车间调度问题研究

Blocking流水车间调度问题广泛存在于现实的制造环境中．结合经典流水车间调度问题中的一种有效启发式算法的思想，设计一种构造启发式算法．算法从对目标函数结构的分析入手，结合Blocking流水车间调度问题的特性，以减少机器闲置时间机制来实现目标函数的最小化．通过对大量典型算例的计算，实验结果证明设计的算法在工件数很大时具有优越的性能．     

具有复杂缓冲的分段多流水车间调度问题

针对船舶分段生产调度过程中机器利用率低、阻塞时间长以及调度滞后等问题,分析了多流水车间的特点,提出具有复杂缓冲的分段多流水车间调度模型,并进行优化研究。模型综合考虑了缓冲中的重调度、分段返工以及阻塞时间的约束条件,目标是最小化分段的最大完工时间和阻塞时间,建立了分段在车间内部和堆场中的调度数学模型。针对问题的特殊性,设计启发式规则,用构造型启发式算法求解问题,并通过实例分析求证模型的合理性,用数值试验及通过与其他算法的对比分析验证算法的可行性和有效性。     

混合流水车间负荷平衡调度的免疫算法

在混合流水车间调度中．优化目标通常是makespan最小化．会使同一阶段同类机器设备的加工时间出现很大的差异．这对机器的警理、维护和折旧都不利．对操作人员也很不公平．因此建立了机器负荷平衡的数学模型．对问题的求解设计了一种新颖的免疫调度算法．可以将同阶段机器负荷控制在给定的差别范围内．对有无负荷平衡的两种调度结果进行了比较．并通过数值计算验证了该算法．     

一个无等待流水调度问题混合禁忌搜索算法

针对以总完工时间最小为目标的无等待流水调度问题,提出了一个启发式算法与禁忌搜索算法相结合的混合禁忌搜索算法HTS(Hybrid Taboo Search):以启发式算法产生的解作为初始解,通过禁忌搜索提高解的质量.大量随机产生实例的实验结果表明:提出的HTS在性能上优于经典的RC1、RC2、PH1(p)和DS算法,问题规模不超过100h,计算时间约为50s.     

无等待排列流水车间提前/延期调度问题

在满足任务的交货期相同和工序无等待等假设条件后,提出了一种排列流水车间提前/延期惩罚调度问题的启发式算法. 该算法首先按照7种任务排序的规则分别得到任务的较优次序,然后分别使用NEH算法构造优化解,再对每个不同解进行邻域搜索,最后比较得出最优解. 在中小规模问题的数据实验中,该算法求解与最优解的相近程度达到99%左右,并且通过大量数据样本的标准差验证,求解的稳定性也非常好. 在大规模问题的数据实验中,该启发式算法体现出非常好的优化性能,同constraint programming(ILOG-CP）优化引擎算法比较,计算结果也明显占优.     

基于自适应遗传算法的混合流水车间调度研究

混合流水车间调度问题具有建模复杂性、动态多约束、计算复杂性、多目标性等特点,近些年,各种演进化算法被运用到生产调度中,特别是遗传算法的应用。本文提出了自适应遗传算法求解混合Flow-shop调度问题的方法,应用Matlab对算法进行编码,并利用实际的生产数据进行了仿真。通过仿真实验,仿真调度数据验证了自适应遗传算法用于求解大型流水车间调度的可行性和有效性。     

混合流水车间的遗传算法调度策略

应用遗传算法对混合流水车间的总作业时间最小的调度问题进行了研究。混合流水车间是一类特殊的流水车间环境,但其每一级可以有多个机床。所提出的算法基于表调度原理,首先给出在第一级工件的排列顺序,并在其后的各级采用先入先出（ＦＩＦＯ）方式。试验表明,所提出的遗传算法调度策略优先于原有的启发式及随机搜索方法。     

基于关键机器的无等待流程车间调度问题启发式算法

No-wait流程车间调度问题的特性是工件加工一旦开始,必须连续进行,不允许工件完成某一加工工序后在机器上滞留等待.文章针对目标函数为Makespan的No-wait流程车间调度问题,从对目标函数结构的分析入手,提出一种基于关键机器的初始排序策略和插入方法的启发式算法.通过与文献中已有的3种启发式算法的比较,在对大量典型算例的实验后验证了提出算法的有效性.     

基于工件间距离的无等待流程车间调度构造启发式算法

无等待(No-wait)流程车间调度问题要求每个工件从加工开始至结束,必须连续进行,不允许其在完成某一工序后滞留在任一机器上.基于对目标函数的结构分析,提出一种基于最小化工件间距离的初始排序策略,结合插入方法的启发式算法.通过与文献中的启发式算法在对大量典型算例的比较后,实验数据验证了提出的算法在解的质量上超越了其它算法.     

混合共生生物搜索算法求解置换流水车间调度问题

为了求解置换流水车间调度问题,提出基于共生生物搜索（SOS）算法与局部搜索策略结合的混合共生生物搜索算法. 采用最大排序值的优先规则,处理离散的搜索空间. 在初始化阶段结合NEH启发式算法以提高初始种群的质量. 在优化过程中引入交换变异来改善种群内的多样性,插入-倒转区增加算法跳出局部最优的能力;采用局部搜索策略提升算法的全局探索能力,有效避免了共生生物搜索算法易早熟、后期搜索效率低、易陷入局部最优等缺陷. 通过3个最常用、最专业的标准测试集Carlier、Rec和Taillard对算法性能进行测试. 与其他多种算法进行比较,验证了提出的混合SOS算法的优越性和稳定性.     

混流企业中基于瓶颈的启发式算法的应用

提出了一个基于瓶颈的启发式算法来解决非相关平行机台的混合流程型企业的排序问题.该算法主要通过3个步骤来完成上述问题的排序,首先确认瓶颈阶段;然后采用基于瓶颈的方法产生最初的排序次序;在最初的排序基础上采用基于瓶颈的插入方法产生最后的排序.应用该算法可以较好地解决这类NP困难问题的排序.     

同顺序n×m排序问题的一种新的启发式算法

提出一个新的启发式算法,首先通过新的运算方法得出一个加工顺序,然后采用相邻工件搜索。经对72个问题(4≤n≤6,3≤m≤6)应用结果表明,每一问题仅得一个加工顺序时,其中最优解占40.3％,进行一次相邻工件搜索后得最优解占79.2％,进行二次相邻工件搜索后占88.9％,比已有方法均高。对同一问题,若采用不同启发式算法得到若干加工顺序,则最优解的几率大大提高。     

改进激素算法求解置换流水车间调度问题

遗传算法中由于激素调节的选择、交叉以及变异算子存在较大目标函数值失调的问题,提出了基于改进激素浓度计算法的自适应遗传算法(IHCCM-IAGA)。IHCCM-IAGA采用基于工件排列的编码方式,并利用反向学习法初始化种群,提高了初始解的质量;针对两点交叉(TPX)算子存在冗余度高、效率低等问题,提出了改进型TPX (ITPX),并引入优良基因库及免疫因子,实现两种交叉方式,同时监控整个进化过程,避免了优质染色体的丢失;设计了多种扰动保持丰富的多样性结构以及相关的局部搜索算法组合成变异算子,建立种群湮灭算子,并设置湮灭因子来引导变异算子中的局部搜索。将IHCCM-IAGA应用于置换流水车间调度问题中,并进行该问题标准算例的各项测试,结果表明IHCCM-IAGA切实有效。     

Application of a Genetic Algorithm Based on the Immunity for Flow Shop under Uncertainty

The uncertain duration of each job in each machine in flow shop problem was regarded as an independent random variable and was described by mathematical expectation.And then,an immune based partheno-genetic algorithm was proposed by making use of concepts and principles introduced from immune system and genetic system in nature.In this method,processing se- quence of products could be expressed by the character encoding and each antibody represents a feasible schedule.Affinity was used to measure the matching degree between antibody and antigen.Then several antibodies producing operators,such as swopping,mov- ing,inverting,etc,were worked out.This algorithm was combined with evolution function of the genetic algorithm and density mechanism in organisms immune system.Promotion and inhibition of antibodies were realized by expected propagation ratio of an- tibodies,and in this way,premature convergence was improved.The simulation proved that this algorithm is effective.     

一种新的启发式路径推测算法研究

提出了一种新型路径推测算法.该算法结合几何运算的约束条件,根据车辆轨迹点所形成的向量与路网模型比较来进行启发式搜索,并选择车辆所有可能行驶的候选路径,根据全局择优的方式从整体进行比较,确定车辆最有可能的行驶路径.实验结果表明,该算法能够在复杂路网下,准确地推测距离间隔较大的车辆轨迹点,并且能够实时高效地处理大规模数据.     

自适应蚁群算法在Flow Shop调度问题上的应用研究

运用能自适应地改变挥发度系数的自适应蚁群算法研究流水车间作业排序问题,设计出解决该问题的算法步骤与流程。最后,通过仿真比较该算法与基本蚁群算法在解决该问题方面的性能,仿真结果表明,该算法在解决Flow Shop方面的问题上取得满意的效果。     

基于离散蛙跳算法的零空闲流水线调度问题求解

针对零空闲流水线调度问题,提出了一种新的离散化蛙跳求解算法.该算法借助蛙跳算法优化机理,采用基于工件序列的编码方式和新的个体产生方法扩展了传统蛙跳算法的求解模型,并结合简化邻域搜索算法给出了3种改进策略.仿真实验表明了所提算法及策略的有效性.     

基于启发式算法的集装箱配载问题的研究

集装箱配载是一个复杂的组合优化问题，属于NP完全问题，求解难度大．在考虑实际应用中的约束条件下，采用整体装填、空间分割、装载间隙合并等策略，提出了一种基于启发式算法的集装箱配载问题的解决方案．运用举例和对比分析验证了该算法的有效性，能够直接应用于物资的集装箱配载．     

基于两阶段启发式算法的多场桥作业调度研究

场桥作业调度对集装箱码头整体运营效率具有重要影响。在分析多台场桥协同作业的基础上,考虑场桥实际作业中不可相互跨越与安全距离等特有约束,建立了场桥作业调度问题的混合整数规划模型。针对模型求解的复杂度,设计了两阶段启发式算法,最后通过数据实验对模型与算法的有效性进行了验证。