基于遗传优化算法求解作业车间调度问题

将一类具有路径柔性的作业车间调度问题，分解为任务优化分配和任务优化调度两个子问题，结合遗传算法和启发式算法，提出了基于遗传算法的优化调度算法，并有实例证实了该算法的有效性。     

蚁群遗传算法求解能力约束的柔性作业车间调度问题

提出一种主、从递阶结构的蚁群遗传求解算法。算法中,主级为蚁群算法,完成工件组合和加工路径选择;从级为遗传算法,完成主级约束下的设备排产。分别以工件延迟时间和设备可用能力为启发式信息,设计蚂蚁工件间和设备间的转移概率;以设备空闲时间最小为目标,设计从级染色体选择、多点交叉和多点变异3类遗传操作。从级染色体适应值取其代表调度方案中工件流通时间的倒数,从蚂蚁游历值取其对应从级染色体种群的最优适应值。最后,通过仿真和比较实验,验证了该算法的有效性     

带有缓存约束的作业车间调度求解方法

针对已有的启发式算法在应用于带有缓存约束的作业车间调度时求解精度不高的问题,提出将解决方案从工件层级扩展到工序层级,并采用遗传算法对问题进行求解,以得到精度更高的解.同时,为避免传统遗传算法过早收敛和陷入局部最优,结合自适应交叉变异概率和良种交叉算子对算法进行改进.最后,通过实验计算结果,验证了算法能在同等缓存容量下获得精度更高的解.     

改进遗传算法求解作业车间调度问题

介绍了作业车间调度问题的概念,构造了该问题的数学模型和目标函数,提出了一种解决作业车间调度问题的以最小化最大完工时间为目标函数的改进遗传算法,并运用实例对算法进行了分析。     

求解模糊作业车间调度问题的混合优化算法

针对模糊作业车间调度问题(Fuzzy job-shop scheduling problem, FJSSP),提出一种结合化学反应优化和禁忌搜索的混合算法(Chemical-reaction optimization and tabu search, CROTS),优化的目标是最小化最大模糊完工时间。算法采用基于工序的编码,通过扩展壁面碰撞、分子碰撞、合成、分解等操作算子,改进了基本化学反应优化(Chemical-reaction optimization, CRO)的四类基元反应。给出一种有效的交叉算子,并应用到分子碰撞、合成、分解三种基元反应中。对最好解进行禁忌搜索,进一步提高种群的搜索能力。结合16个经典算例试验分析,并与三种典型算法比较,验证算法具有较强的全局和局部搜索能力。通过18个随机算例的测试,验证算法具备求解较大规模问题的能力。     

改进混合Jaya优化算法求解柔性作业车间调度问题

针对柔性作业车间调度问题(Flexible Job shop Scheduling Problem,FJSP),以最小化最大完工时间为优化目标,在研究现有Jaya优化算法的基础上,结合邻域搜索算法,提出一种改进混合Jaya优化算法.首先,针对MSOS编码方式设计种群初始化方法;其次,提出一种基于Jaya优化算法思想的离散化更新算子,使算法适用于FJSP;然后,设计了2种新型邻域结构,有效增强了算法的局部寻优能力;最后,通过3组著名的FJSP基准算例进行测试,并与相同目标的其他算法进行对比分析.结果 表明,改进混合Jaya优化算法能有效求解FJSP,且比相同目标的其他算法有更强的求解能力.     

求解作业车间调度问题的广义粒子群优化算法

为克服传统粒子群优化算法在解决组合优化问题上的局限性,分析了其优化机理,并在此基础上提出了广义粒子群优化模型。按照此模型提出了一种求解作业车间调度问题的广义粒子群优化算法。在本算法中,利用遗传算法中的交叉操作作为粒子间的信息交换策略,利用遗传算法中的变异操作作为粒子的随机搜索策略,而粒子的局部搜索策略则采用禁忌搜索来实现。为了控制粒子的局部搜索以及向全局最优解的收敛,迭代过程中交叉概率以及禁忌搜索的最大步长都是动态变化的。实验结果表明,本算法可有效地求解作业车间调度问题,验证了广义粒子群优化模型的合理性。     

求解车间作业调度问题的约束规划与整数规划混合方法研究

针对考虑机器可用性和与作业排序相关的调整时间2个硬约束的现实车间作业调度问题,提出了一种最小化加权拖期的混合求解方法。该方法以基于逻辑的Benders分解法为集成框架,将整数规划作为主问题解决机器分派问题,将约束规划作为子问题解决受机器可用性和顺序相关的调整时间约束的作业排序问题。通过运用Dash-Xpress系统对某企业车间作业调度问题的实际应用,验证了该方法的可行性与有效性。     

求解车间作业调度问题的约束规划与整数规划混合方法研究

针对考虑机器可用性和与作业排序相关的调整时间2个硬约束的现实车间作业调度问题,提出了一种最小化加权拖期的混合求解方法。该方法以基于逻辑的Benders分解法为集成框架,将整数规划作为主问题解决机器分派问题,将约束规划作为子问题解决受机器可用性和顺序相关的调整时间约束的作业排序问题。通过运用Dash-Xpress系统对某企业车间作业调度问题的实际应用,验证了该方法的可行性与有效性。     

求解车间作业调度问题的约束规划与整数规划混合方法研究

针对考虑机器可用性和与作业排序相关的调整时间2个硬约束的现实车间作业调度问题,提出了一种最小化加权拖期的混合求解方法.该方法以基于逻辑的Benders分解法为集成框架,将整数规划作为主问题解决机器分派问题,将约束规划作为子问题解决受机器可用性和顺序相关的调整时间约束的作业排序问题.通过运用Dash-Xpress系统对某企业车间作业调度问题的实际应用,验证了该方法的可行性与有效性.     

自适应遗传算法求解模糊作业车间调度问题

研究模糊作业车间调度问题(FJSSP),用三角模糊数表示模糊加工时间,用半梯形模糊数表示模糊交货期,以最大化最小客户满意度为调度目标,建立了模糊环境下Job-shop调度问题的模型。提出了一种自适应遗传算法,该算法采用基于优先列表的编码方式,提高了编码效率;在进化过程中对种群采用精英保留策略,确保最优个体不被破坏;并对自适应交叉变异算子进行了改进,使种群最优个体参与进化。仿真结果证明所提算法在寻优能力及收敛性能方面均有所改善。     

改进遗传算法求解柔性作业车间调度问题

分析柔性作业车间调度问题的特点,提出一种求解该问题的改进遗传算法。在考虑各个机器负荷平衡,所有机器上的总负荷和最大完工时间等性能指标更加合理情况下,设计一种全局搜索、局部搜索和随机产生相结合的初始化方法,提高种群初始解的质量,加快遗传算法的收敛速度。结合问题特点设计合理的染色体编码方式、交叉算子和变异算子,防止遗传操作过程中非法解的产生,避免染色体的修复,提高求解效率。使用文献中相同的实例测试利用初始化方法的改进遗传算法,并将计算结果与文献中其他遗传算法的测试结果进行比较,验证所提出的初始化方法的可行性和有效性。     

用效率调度算法求解非标准作业车间调度问题

作业车间调度问题是一类具有次序约束和资源约束的较大规模的组合优化问题,本文所描述的非标准作业车间调度问题,放宽了资源约束的条件,具有更大的寻优空间,针对这种复杂的组合优化问题,本文构造了相应的目标函数并提出一种效率调度算法来求解此问题,经分析和实践验证,获得了满意的结果。     

改进遗传算法求解柔性作业车间调度问题的研究

在考虑最大完工时间、总拖延时间、各个机器负荷平衡、所有机器上的总负荷等性能指标更加合理的情况下,设计一种新的选择算子,确保算法能快速收敛到全局最优解;利用提出的选择算子设计一种改进的遗传算法,提高求解效率.用基准实例测试改进的遗传算法,试验结果显示该算法能更有效地解决调度问题.     

可变机器约束的模糊作业车间调度问题研究

在车间实际加工中,工件的加工时间和交货期是一个模糊数,而且工件的某道工序有多台机器可供选择。针对这类作业的车间调度,提出了以极大化最小客户满意度为指标的可变机器约束的模糊作业车间调度模型,并给出了算法设计。应用遗传算法在适应度函数处理中引入模糊数处理方法,解决作业车间模糊调度问题,实现调度优化。仿真实验结果表明了该调度方法的有效性,为可变机器约束的模糊作业车间调度提供了一种实现途径。     

多目标离散灰狼优化算法求解作业车间节能调度问题

针对作业车间节能调度问题,建立了一种以优化总能耗和工件最大完工时间为目标的节能调度模型,并提出一种多目标离散灰狼优化算法进行求解.根据问题的特点,首先采用离散整数编码方式,利用调度规则生成初始种群;其次引入一种基于跟踪模式和搜寻模式的双模式并行搜索方法,并在搜索过程中动态调整两种模式下个体的数目,以协调算法全局和局部搜...     

FPD-GA求解多目标柔性作业车间调度问题

针对柔性制造车间调度问题的特点,提出一种求解该类问题的定点扰动-遗传算法(Fixed Point DisturbanceGenetic Algorithm,FPD-GA)。根据车间生产实际构建以完工时间、机床负荷和设备使用率为目标函数的多目标优化模型。针对遗传算法局部搜索能力差、易早熟收敛的缺点,设计定点扰动策略,增强局部寻优能力,并改进传统的遗传选择操作,保持种群的多样性,提高遗传算法的进化效率。以车间生产计划为实例测试改进算法,并与典型遗传算法的测试结果相比较,验证新算法的可行性与有效性。     

基于文化遗传算法求解柔性作业车间调度问题

在分析柔性作业车间调度问题特性的基础上,提出了一种采用主群体空间和信仰空间的双层进化结构的调度算法。该算法采用优良调度方案的知识信息构成信仰空间;提出一种二维矩阵的集成编码;基于工序顺序编码和基于机器分配编码的两种交叉和变异算子在主群体空间进行传统的遗传操作;通过具有自学习特点的相似性选择算子,使子代更好地继承父代的优良特征。通过典型算例的计算实验,表明算法在计算效率和求解质量上均具有较好的效果。     

应用思维进化计算求解作业车间调度问题

为了克服遗传算法早熟和最优解较差的缺点 ,提出了求解作业车间调度问题的新方法。首先设计了简单、易操作的编码和解码方法 ,然后应用思维进化计算的趋同和异化操作求解该问题。增强了进化的方向性 ,在趋同过程中 ,充分利用优秀个体的信息 ,利用信息矩阵记录优秀个体的特征 ,并以信息矩阵为指导产生新个体。利用异化操作进行全局搜索 ,使算法具有全局收敛性。最后通过仿真实例验证了该算法的有效性     

GA-COA求解柔性作业车间多资源调度问题

针对传统柔性作业车间调度在仓储、运输方面考虑的不足,将工件的存储位置以及工件在仓库、机床之间的运输考虑到传统柔性作业车间调度问题（FJSP）中。提出一种考虑仓储、运输及加工的柔性作业车间多资源调度问题（MRFJSP）,以最小完工时间为目标函数进行数学建模。考虑到遗传算法（GA）在求解车间调度问题中收敛速度慢、易陷入局部最优的问题,将郊狼优化算法（COA）的组内郊狼成长、生与死进行改进并与GA结合,提出一种带随机动态分组的遗传-郊狼混合算法。最后,通过算例验证了模型的正确性,并将混合算法与原算法进行对比,验证其优越性。