基于混合遗传算法的Job-Shop调度问题的研究

Job-Shop调度问题是最困难的组合优化问题之一,由于其固有的计算复杂性,一般无法利用经典解析算法求出最优解。结合实际生产情况,建立了Job-Shop调度问题的模型,并基于遗传算法与局部搜索启发式算法相结合的混合遗传算法的思想给出了求解此模型的算法过程。     

求解Job-shop调度问题的混合遗传算法

分析了单件生产车间调度问题,提出了适合Job-shop调度的算法-混合遗传算法.通过分析几种求解该问题的典型混合遗传算法,说明了混合遗传算法是求解该问题的可行且有效的方法,并且在具体的环境下有一定的优越性。     

应用混合遗传蚁群算法求解柔性车间调度问题

将遗传算法和蚁群算法结合用于作业车间调度.该方法利用了遗传算法快速随机的全局搜索能力和蚁群算法并行分布式正反馈机制,同时避免了蚁群算法因初始信息素缺乏收敛速度慢及遗传算法因缺少反馈机制容易陷入局部最优的缺陷.仿真计算结果验证了该方法的有效性.     

互替机床提前/延期惩罚调度问题的启发式算法

对以作业提前或延期惩罚因素之和最小为目标函数的互替机床调度问题进行了描述，提出和阐述了一种四段式启发式算法，并通过大量不同规模的问题仿真对该算法进行了评价分析，结果表明该算法可行、有效。     

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。     

基于改进遗传算法的车间调度问题求解

针对车间调度问题(Job Shop Problem,JSP)的特点,提出一种改进遗传算法。该方法利用剩余作业时间最多(MostWork Remaining,MWR)的工件优先排列的启发式规则来产生初始种群,并且在进化过程中采用分代交叉算子进行操作来避免算法早熟。通过分析算例结果表明,该改进遗传算法可以在进化初期就得到比较理想的调度方案,而且优化收敛速度快、结果优,更适用于解决车间调度问题。     

基于混合遗传算法的车间调度问题的研究

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，提出了实现车间调度的混合遗传算法的设计方案，把遗传算法与模拟退火算法相结合，充分发挥遗传算法良好的全局搜索能力和模拟退火算法有效避免陷入局部极小的特性。通过实验验证了基于GASA混合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。     

基于改进混合遗传算法的柔性车间调度问题研究

针对柔性作业车间调度问题,提出了一种将模拟退火算法和莱维(Levy)飞行扰动策略引入传统遗传算法(Genetic Algorithm, GA)的改进混合遗传算法。基于传统遗传算法,增加了自适应交叉概率和变异概率,生成初始种群后,对优秀个体进行保护,对性能较差的个体进行模拟退火和Levy飞行操作,克服了传统遗传算法的“早熟”和易陷入局部最优解的问题。通过仿真对比实验的测试,证明了该算法的有效性和优越性。     

一种基于混合遗传算法的车间生产调度的研究

车间生产调度问题(Job-shop scheduling problem,JSSP)属于NP完全问题,现在多使用现代优化算法来解决此类问题.本文将模拟退火算法、禁忌搜索算法的思想融入到遗传算法中,提出了模拟退火-交叉机制和禁忌搜索-变异机制,形成了一种适用于解决车间调度方面问题的新的混合遗传算法.三种算法取长补短,使得遗传算法局部搜索能力差和易早熟的缺点得以改善.同时运用这种混合遗传算法对经典车间调度问题进行了仿真.     

基于遗传和禁忌算法求解一类车间调度问题

针对一类具有路径柔性的车间调度问题，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优化调度算法，并用实例证实了该算法的有效性。     

基于改进遗传算法的作业车间调度

针对传统遗传算法在求解作业车间调度问题时存在的算法收敛速度慢、寻优结果易陷入局部最优等缺点,提出了基于禁忌搜索算法的遗传交叉算子,利用禁忌表对交叉过程重复产生的子代进行有效禁忌,以加快算法的收敛速度,提高算法的全局搜索能力。算法设计了特殊的禁忌交叉方式,经实例表明:与传统的遗传算法相比,改进后的遗传算法在算法的收敛速度和求解的质量方面有了明显提高。     

基于POX交叉的遗传算法求解Job-Shop调度问题

通过改进传统的遗传算法求解Job—Shop调度问题。为基于工序的编码提出了一种新的POX交叉算子，并与其他交叉算子进行了比较以显示其高效性。为了保留父代的优良特征和减少遗传算子的破坏性，设计了一种子代交替模式的交叉方式。将提出的改进遗传算法应用于muth and thompson‘s基准问题的实验运行，显示该算法的有效性。     

一种混合遗传算法在车间作业调度中的应用研究

结合遗传算法和局域搜索的优点,提出一种混合遗传算法(HGA)以解决Job-shop调度问题。HGA采用基于工序的编码方案;然后在探讨影响HGA性能的交叉和变异算子的基础上,引入顺序保留交叉算子(PPX),并采用具有邻域搜索能力的变异算子;最后应用局部搜索对得到的GA解进行微调以改善解的质量。仿真结果表明了本文方法的有效性。     

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     

基于混合遗传算法的可重组制造系统作业计划方法

提出了基于混合遗传算法的可重组制造系统作业(RMS)计划方法.RMS的作业计划以瓶颈工序为目标,前、后工序的作业根据瓶颈工序分别按拉动、推动的方式排定.作业计划的优化算法利用禁忌搜索特有的记忆思想重新设计遗传算法中的变异算子,形成了具有针对性的混合遗传算法,从而改变生产线的加工能力,以适应市场快速多变的需求,并以一个实验验证其有效性.     

求解车间调度问题的改进型自适应遗传算法

针对作业车间调度问题,以最小化完工时间为目标,借鉴内分泌激素调节机制,提出了一种新颖的改进型自适应遗传算法.通过引入自适应交叉概率和变异概率因子,克服了传统的遗传算法在解决生产调度问题时存在的搜索精度低和收敛性难以控制等问题,并在Microsoft Visual C++6.0中实现了该算法.通过一个10工件、10机器作...     

车间作业调度问题(job-shop)的一种改进遗传算法

搜索空间适应性的遗传算法(GSA)具有这样的能力,即使在不通过修改遗传算法的某些参数(倒如交叉率和变异率)的情况下,就可适应解空间的结构、并调节全局搜索和局部搜索的相互平衡.但是这种遗传算法(GSA)需有时个体特征继承率控制能力的交叉操作.文章阐述了一种改进的搜索空间适应性的遗传算法(mGSA)用于解决车间作业调度问题(JSP);这种方法不同于GSA不需要带特征继承率调节能力的交叉操作.最后通过两个benchmark问题的数字实验,展示了这种方法的的有效性;并通过与现存的遗传算法相比较,展示了这种方法有更好的结果.     

基于混合粒子群优化算法的置换流水车间调度问题研究

针对最大完工时间最小的置换流水车间调度问题,提出一种粒子群优化算法与变邻域搜索算法结合的混合粒子群优化（hybrid particle swarm optimization,HPSO）算法。在该混合算法中,采用NEH启发式算法进行种群初始化,以提高初始解质量。运用基于随机键的升序排列规则（ranked-or-der-value,ROV）,将连续PSO算法应用于离散置换流水车间调度问题中,提出了一种基于关键路径的变邻域搜索算法,以进一步提高算法的局部搜索能力,使算法在集中搜索和分散搜索之间达到合理的平衡。最后,运用提出的混合算法求解Taillard和Watson基准测试集,并将测试结果与一些代表算法进行比较,验证了该调度算法的有效性。     

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。