共查询到20条相似文献,搜索用时 76 毫秒
1.
2.
车间作业调度遗传算法中的编码研究 总被引:16,自引:0,他引:16
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。 相似文献
3.
基于遗传算法的机场滑行调度优化策略 总被引:2,自引:0,他引:2
提出一种基于遗传算法的滑行调度优化策略。该策略首先用遗传算法确定各航班经过交叉点的顺序,再根据上一步得到的顺序求解具体的调度计划,并反复迭代以逐渐优化,直到得到最优解或满意解。相对于混合整数线性规划(MILP)模型而言,有效地提高了求解效率,减少了求解时间。 相似文献
4.
基于遗传算法的混合Flowshop调度 总被引:5,自引:2,他引:5
混合Flowshop调度问题,是一个NP完全问题,很难用一般的方法解决,文章提出了遗传算法求解混合Flow-shop调度问题的方法,给出了一种染色体表示方法,设计了相应的交叉和变异操作算子,这两种算子很容易保证个体的合法性,同时又具有遗传算法本身所要求的随机性。最后给出了一个较大规模的计算实例,仿真结果表明此算法是有效的。 相似文献
5.
6.
8.
9.
10.
采用基于非支配性排序的多目标遗传算法—NSGA-Ⅱ,设计了一种求解多模式、多种类资源约束的多目标资源受限项目调度问题的遗传算法,该算法所设计的编码包含两部分,一部分为一个任务链表,另一部分为任务链表中各任务所对应的执行模式组成的模式向量。将所设计的算法用于求解文献中的以项目总工期和资源均衡为目标的农业项目调度问题,结果表明此算法对于求解多目标资源受限项目调度问题是有效的。 相似文献
11.
12.
研究多次抢占式资源受限的项目调度问题,假设任意时间点可作为资源抢占节点且抢占次数不受限制,建立满足多次资源抢占的线性整数规划模型并提出改进遗传算法对其进行求解。为克服遗传算法(GA)局部搜索能力缺陷,在算法中引入禁忌搜索(TS)进一步优化子代。针对性地设计了允许多次抢占的基于工作优先级编码策略以及串行调度方案生成机制。通过测试算例集实验调试算法参数,并以标准算例集(Project Scheduling Problem Library,PSPLIB)对算法进行可行性检验。实验结果表明,资源受限项目调度问题中引入多次抢占机制能有效缩减项目工期,设计的算法对问题求解效果良好。 相似文献
13.
针对次序约束和资源约束的多模式项目调度问题提出了一种病毒协同进化遗传算法,并提出了解的编码、选择、交叉、变异和病毒感染操作等.算法用于求解项目活动的一个最优调度顺序和资源模式以使项目的成本最低,其操作特点是既可以通过遗传操作在父子代群体之间纵向传播进化基因进行全局搜索,又可以通过病毒感染操作在同一代群体内横向传播进化基因进行局部搜索.利用模板理论对算法的性能进行了分析.理论分析和实验结果表明,算法的搜索性能优于一般的遗传算法.算法对于不同优化目标的多模式项目调度问题可以同时求得一个满足次序约束的项目活动的最优调度顺序和满足资源约束的最优资源模式. 相似文献
14.
考虑了软件开发任务的可拆分特性,针对其调度问题提出了最小化项目总周期的优化模型,并提出了一种混沌遗传算法用于求解该模型,该算法的变异算子采用一维Logistic映射作为混沌变异模型,利用混沌系统的漂移特性改善种群的多样性,给出了算法基于任务优先级的编码方案、任务单元解码规则以及遗传算子的设计方法.通过仿真实例验证了模型和算法的有效性. 相似文献
15.
16.
《Evolutionary Computation, IEEE Transactions on》2009,13(4):848-857
17.
考虑资源置信度的跨企业项目鲁棒性调度算法 总被引:1,自引:1,他引:0
资源不确定性高和调度鲁棒性要求高是跨企业项目调度问题的重要特征,本文采用资源置信度度量资源的不确定性,建立了考虑资源置信度约束的跨企业项目鲁棒性优化调度模型,设计了路径重连求解算法.算法以路径重连机制搜索解空间,以嵌入 的启发式时间缓冲插入算法快速生成鲁棒性调度,并可通过局部增强搜索算法进一步优化调度的鲁棒性.本文应用项目调度标准问题 库PSPLIB中大量问题实例进行了仿真实验,同两个当前具有代表性的鲁棒性项目调度算法进行了比较,实验结果表明了文中算法的有 效性与优势. 相似文献
18.
提出一种用于解决网格系统并行计算中任务调度问题的遗传算法。通过设计一维十进制分离编码的特殊编码方式,使分配子串和调度子串的杂交与变异分离进行。借鉴广义遗传算法的进化思想,使种群中的母本在进行交叉和变异后也参与下一代的选择竞争。模拟实验结果证明,该算法与二维矩阵编码和精英选择策略相比,能得到更好的解且收敛速度更快。 相似文献
19.
The hybrid flow-shop scheduling problem with multiprocessor tasks finds its applications in real-time machine-vision systems among others. Motivated by this application and the computational complexity of the problem, we propose a genetic algorithm in this paper. We first describe the implementation details, which include a new crossover operator. We then perform a preliminary test to set the best values of the control parameters, namely the population size, crossover rate and mutation rate. Next, given these values, we carry out an extensive computational experiment to evaluate the performance of four versions of the proposed genetic algorithm in terms of the percentage deviation of the solution from the lower bound value. The results of the experiments demonstrate that the genetic algorithm performs the best when the new crossover operator is used along with the insertion mutation. This genetic algorithm also outperforms the tabu search algorithm proposed in the literature for the same problem. 相似文献