基于遗传算法的一类带缓冲区的混合生产调度

提出带缓冲区的混合生产的一种调度模型,将离散生产所需的半成品原料的生产分解为连续生产各生产线的分段式生产任务,并给出快速调度方法,再利用遗传算法和分派规则求解离散生产调度问题,仿真算例表明了该方法的有效性。     

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。     

基于遗传算法的机场滑行调度优化策略

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。     

基于遗传算法的混合Flowshop调度

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。     

遗传算法求解柔性job shop 调度问题

在分析柔性job shop调度问题特点的基础上，提出一种新的求解该问题的遗传算法，即利用编码方法表示各工序的优先调度顺序及工序的加工机器，由此产生可行的调度方案，使得问题的约束条件在染色体中得以体现．所设计的遗传算子不仅能避免非法调度解的出现，保证后代的多样性，而且可使算法具有记忆功能．仿真结果证明了该算法的有效性．     

基于改进遗传算法的资源限制建设工程多项目调度

随着建设工程企业规模的不断扩大,工程建设多项目管理成为企业发展的重要难题之一,对组织实现可持续发展有着重要的支撑作用。本文在资源限制单项目调度问题的基础上提出建设工程多项目调度问题,构建RCMPSP决策框架和数学模型,并在传统遗传算法的基础上对算法杂交和变异概率进行优化,设计针对该问题的改进遗传算法,通过案例对该算法的有效性进行验证,为建设工程企业进行RCMPSP问题决策提供依据。     

基于遗传算法的生产调度

采用遗传算法解决生产调度问题的基本方法,并对算法的有效性进行了验证。     

车间作业调度遗传算法的染色体编码实现

针对车间作业调度问题。采用工序混合编码链的方法。在Visual C 6．0下实现了这一染色体编码算法。     

基于遗传算法的多模式资源约束项目调度问题研究

为解决多模式资源约束项目调度问题,提出了一种混合遗传算法的求解方法。该算法采用二维编码方法来表示问题的解,基因的值表示任务的优先权和执行模式,每条染色体对应一个满足逻辑关系约束的可行任务排序,根据染色体所对应的任务调度顺序和执行模式序列可以获得一个满足资源约束的项目调度方案。应用该编码方法进行选择、交叉和变异等遗传操作,能够使搜索范围遍及整个问题解空间。实际应用表明,该算法能快速求得问题的最优解或近似最优解。     

一种求解多目标资源受限项目调度的遗传算法

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。     

带流水作业工程项目调度问题的遗传算法

介绍了带流水作业的工程项目调度问题，这是项目网络中带有流水作业子网络的项目调度问题。它不仅带有常规的时序和资源约束，还带有流水作业所带来的特殊约束。首先给出了带流水作业工程项目调度问题的描述；进而提出一种解决该问题的遗传算法。该算法引入了基于项目划分的编码方式，将个体划分为流水基因段和非流水基因段，并分别进行遗传操作。最后对提出的算法进行了数值计算验证，结果表明了算法的有效性。     

多次抢占项目调度问题的混合遗传算法

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。     

项目优化调度的病毒协同进化遗传算法

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.     

软件开发项目中任务调度的混沌遗传算法

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．     

一种求解多执行模式资源水平问题的遗传算法

针对资源受限情况下多执行模式工程调度中资源水平问题的特点,设计了一种遗传算法。解的编码采用满足紧前关系的工作链表与工作执行模式链表结合的双链表结构,交叉算子采用修正的一点交叉算法。为保证收敛解的可行性,在适值函数计算时对不可行解进行惩罚。对标准问题库PSPLIB中大量问题的求解实验结果表明,遗传算法是求解该问题的一种有效算法。     

Two-Phase Genetic Local Search Algorithm for the Multimode Resource-Constrained Project Scheduling Problem

In this paper, the resource-constrained project scheduling problem with multiple execution modes for each activity is explored. This paper aims to find a schedule of activities such that the makespan of the schedule is minimized subject to the precedence and resource constraints. We present a two-phase genetic local search algorithm that combines the genetic algorithm and the local search method to solve this problem. The first phase aims to search globally for promising areas, and the second phase aims to search more thoroughly in these promising areas. A set of elite solutions is collected during the first phase, and this set, which acts as the indication of promising areas, is utilized to construct the initial population of the second phase. By suitable applications of the mutation with a large mutation rate, the restart of the genetic local search algorithm, and the collection of good solutions in the elite set, the strength of intensification and diversification can be properly adapted and the search ability retained in a long term. Computational experiments were conducted on the standard sets of project instances, and the experimental results revealed that the proposed algorithm was effective for both the short-term (with 5000 schedules being evaluated) and the long-term (with 50000 schedules being evaluated) search in solving this problem.      

考虑资源置信度的跨企业项目鲁棒性调度算法

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.     

一种用于任务调度的广义遗传算法

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。     

A Genetic Algorithm for Hybrid Flow-shop Scheduling with Multiprocessor Tasks

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.     

用遗传算法求解可变机器约束的Job-shop调度问题

描述了可变机器约束的Job—shop调度问题模型，并提出了一种基于遗传算法的调度算法进行求解．采用了一种新的基于操作的染色体编码方式，用二维矩阵的形式在机器的表达形式上扩展了传统基于操作的编码方式．在进化过程中设计了一种改变算子附加信息方法的操作，用于扩展种群的变化方式和算法的搜索范围．最后，分别以满足交货期和总加工时间最小为调度目标进行了数值计算，表明了该方法的有效性．