混合遗传算法在多目标柔性作业调度中的应用

针对以生产周期、生产成本、设备利用率为目标的柔性作业调度问题,基于混合遗传箅法提出了一种新的优化求解方法.首先建立了该类问题的调度模型,对于工序编码的染色体决定了工序调度的优先级;利用无量纲的标准化处理方法统一目标量纲;然后,利用层次分析法将多目标问题转化为单目标问题,同时为了保证箅法的收敛性,在基本遗传算法框架的基础上集成了禁忌搜索算法,从而延缓或避免了早熟收敛的发生.最后通过实验仿真,证明提出的方法可以有效解决该类多目标柔性作业调度问题.     

混合遗传算法在分布式车间作业调度中的应用

分布式车间作业计划与调度是一个典型的组合优化问题,而组合优化问题是遗传算法求解的领域。该文描述了分布式车间作业调度问题及其调度方法,结合分布式车间生产模式的实际情况,将模拟退火算法引入自适应遗传算法,提出了混合遗传算法(GASA);详细地阐述了分布式车间作业计划与调度问题的解决策略和操作过程,并以甘特图的方式给出了计算结果。与其他方法比较,混合遗传算法是解决分布式车间作业计划与调度问题的更为优良的方法。     

基于混合遗传算法的订单生产调度在机车车辆行业中的应用

机车车辆行业作为典型的面向订单的机械制造企业,优化的生产调度方法能提高订单的准时交货,缩短产品的生产周期,提高企业的市场竞争力。订单生产调度问题是典型的NP-hard问题。遗传算法(Genetic Algorithms)为求具有多个约束的复杂问题提供了有效的方法。但是遗传算法的局部搜索能力比较差,在解决订单生产调度问题中存在着明显的不足。本文引入了局部搜索能力很强的禁忌搜索算法,用遗传算法和禁忌搜索算法相结合的混合遗传算法来解决机车车辆行业中面向订单生产调度问题。     

动态负载调度算法在分布式系统中的应用

本文探讨了一种新的负载平衡调度算法,达到高效、合理地进行任务调度和处理机分配。     

混合遗传算法在装箱问题中的应用研究

装箱问题在现实生活中有着广泛的应用,本文针对装箱问题,提出了BF近似算法和遗传算法相结合的混合遗传算法,并在实现上加以了改进,仿真的结果表明该算法在求解装箱问题的表现是良好的。     

基于混合遗传—蚁群算法的MRO服务调度研究

随着设备的维修、维护和大修（Maintenance, Repair& Overhaul,MRO）规模扩大,设备的维修和维护越来越难,成本越来越高,MRO服务企业需要更加科学合理地调配资源,这就带来了MRO服务调度问题。为此本文提出了一种基于混合遗传-蚁群算法的MRO调度方法。建立了维修服务调度问题数学模型,采用混合遗传-蚁群算法对模型求解,以综合适应值最小为优化目标,得出最优调度方案,解决了MRO服务调度问题。最后,以某航天企业的10个维修任务为例,比较了本文提出的基于混合遗传-蚁群算法的调度方法与常规遗传算法、蚁群算法的优化结果,结果表明两种算法结果一致,且基于遗传-蚁群算法的调度方法收敛速度更快,从而验证了本文方法的可行性。     

造船监理员调度模型和混合遗传算法求解

有效快速地调度不同专业的造船监理员至不同厂区进行监理工作可以提高船舶建造效率,确保船只建造质量。针对我国造船监理公司监理员调度方面缺乏通用模型和调度手段落后的问题,建立起带有一系列硬性约束和软性约束的数学模型。随后针对该数学模型采用了基于模拟退火遗传算法的混合遗传算法进行求解。模拟仿真实验表明该模型与算法取得了理想效果。     

基于启发式规则的混合遗传算法及其在生产计划优化中的应用

以最优或近似最优的作业顺序编制满足关键资源约束的生产计划优化问题一直是企业生产管理中重要的研究课题之一。文章提出了一种基于传统启发式规则的混合遗传算法。该算法将染色体分为两段,前段表示资源安排策略,后段表示为优先分配规则序列,并设计了一种新的交叉算子。最后,介绍了根据此算法编制的一个制造企业生产控制的软件系统。     

混合遗传算法求解配送车辆调度问题

车辆调度优化是物流配送的关键环节。针对有时间窗的车辆调度问题,综合考虑了路网中的交通状况,提出改进的车辆调度模型。并针对这个模型,设计了混合遗传算法,采用自适应策略调整交叉和变异概率,引进有效的交叉和变异算子,并结合模拟退火算法缓解遗传算法的选择压力,避免早熟收敛。仿真结果表明该算法与标准遗传算法相比有更好的性能。     

混合流水车间调度的遗传下降算法

针对混合流水车间调度问题(Hybrid Flow Shop Scheduling,HFSS)建立了混合整数规划模型,提出了遗传下降算法(Genetic Descent Algorithm,GDA).GDA与HFSS工件在机器上最优分配规则相结合,不但能够产生初始可行解,而且保证交叉和变异后解仍然可行;同时在遗传算法中嵌入邻域下降策略.为了验证GDA算法的有效性,随机产生了230组数据进行实验.实验结果表明:对于HFSS问题,在小规模情况下,GDA算法与最优解之间的平均偏差为0.1%;对于较大规模的情况,GDA比NEH算法平均改进10.45%.     

混合遗传算法在Job-shop调度问题中的应用

首先建立了Ｊｏｂ－ｓｈｏｐ调度问题的神经网络模型，根据这种模型的特点，提出了求解复杂Ｊｏｂ－ｓｈｏｐ调度问题的混合遗传算法．仿真结果表明了本文方法的有效性，在运行时间和最优率方面具有较好的优势．     

含机器人的作业车间双资源智能优化调度

用遗传算法研究了含机器人的作业车间双资源调度优化问题，提出了一种将遗传算法 和分派规则相结合的调度算法，将加工机床和机器人合理地分配给加工任务，使评价指标获 得最优．最后给出了此调度算法的仿真结果，证明该算法是可行的，并获得良好的结果．     

并行混合遗传算法在车间调度问题的应用

结合先后表编码和完全活动调度概念,设计了基于先后表的完全活动调度算法PLFA,该算法能将可行解与不可行解转化为完全活动调度。并将PLFA算法与遗传算法结合,提出了一种并行混合遗传算法,初始种群由PLFA G-T算法产生,其产生的解都是完全活动调度,采用LOX的交叉算子与基于PLFA G-T算法的变异算子,并使用主从模型的并行遗传算法模型。最后JSP基准实例验证了算法的有效性。     

解决并行多机提前/拖后调度问题的混合遗传算法方法

研究了带有公共交货期的并行多机提前/拖后调度问题.提出了一种混合遗传算法方法,以便于确定公共交货期和每台机器上加工的任务代号及其加工顺序,即找到一个最优公共交货期和最优调度,使加工完所有任务后交货期安排的成本、提前交货成本和拖后交货成本的总和最小.数值计算结果表明了该混合遗传算法优于启发式算法,并能适用于较大规模并行多机提前/拖后调度问题.算法计算量小,鲁棒性强.     

基于混合线性反馈控制结构的软实时调度算法研究

针对CPU资源实时调度模型的时变、非线性等特点，提出一种基于混合反馈控制结构的软实时调度算法，有效地解决了实时系统的非线性，实现了全局线性化反馈，改善了实时系统的稳态和动态响应特性，同时对系统模型的时变参数具有较好的鲁棒性，提高了资源的利用率．     

一种混合动力学系统多目标优化控制问题的求解方法

提出一种基于进化计算的具有通用性的方法,用于求解混合动力学系统多目标优化控制问题.以一个多罐配料系统为仿真实例的研究表明,该算法能够有效地解决这一类经典最优控制理论难以解决的复杂系统控制问题.     

车间作业调度遗传算法中的编码研究

首先讨论了车间作业调度数学表达模型，然后提出了车间作业高度基因等概念，接着详细论述了ＪＳＳ连锁基因编码法的机理，最后给出了ＪＳＳ连锁基因编码法的实施步骤并说明了ＪＳＳ连锁基因编码法的可行性。     

实时异构系统的动态调度算法研究

实时多处理器系统是解决复杂时应用的有效手段,目前对实时多处理器调度算法的研究却大多集中在同构系统上,对实时异构系统的调度则研究得比较少,提出了一种新的实时异构系统的动态调度算法,该算法采用了集中式的调度方案,同时,引入了一个新的任务分配策略,从而通过提高任务可行性而提高了算的调度成功率,此外,为了评估该算法的性能,还进行了大量的模拟研究,由于近视算法经简单修改便可以应用到实时异构系统的动态调度中,因此,在模拟研究中,以近视算法作为基准,将其应用于实时异构系统动态调度时的性能与新算法进行了比较,模拟结果显示,在多种任务参数的取值下,新算法的调度成功率均高于近视算法。     

Flow－shop调度问题的遗传启发算法

结合遗传算法和启发式规则，构造了一种新的遗传启发搜索算法，用于求解Ｆｌｏｗ－ｓｈｏｐ调度问题．通过分析和实例计算表明，算法能够有效地适用于大规模加工过程中调度问题的优化计算，在运行时间，适应性和最优率等方面都具有很好的搜索优势．