基于新型帝国竞争算法的高维多目标柔性作业车间调度

针对高维多目标柔性作业车间调度问题(MaOFJSP),提出了一种新型帝国竞争算法(ICA)以同时最小化最大完成时间、最大拖期、最大机器负荷和总能耗,该算法采用新方法构建初始帝国使得大多数殖民国家分配数量相近的殖民地,引入殖民国家的同化,并应用新的革命策略和帝国竞争方法以获得高质量解.最后通过大量实验测试ICA新策略对其性能的影响并将ICA与其他算法对比,实验结果表明新型ICA在求解MaOFJSP方面具有较强的优势.     

求解柔性作业车间调度的混合粒子群算法

将粒子群算法运用于求解柔性作业车间调度问题,采用基于轮盘赌的编码方法以及基于邻域互换的局部搜索方法。通过两个不同规模算例的试验计算,与基于粒子位置取整的编码方法进行对比分析,说明了轮盘赌编码方法求解柔性作业车间调度问题的有效性。且采用该编码方法的混合粒子群算法在求解柔性作业车间调度问题时具有更好的求解性能。     

改进蝙蝠算法柔性作业车间调度问题研究

针对柔性作业车间调度问题,提出了一种改进的离散蝙蝠算法。该算法采用双层编码序列方式,利用均衡机器负载分配策略和插入式解码方案初始化种群,同时设计了离散蝙蝠算法的速度、位置更新的相关算子和操作,引入了平衡调整因子改善算法搜索能力。通过案例测试并与其他算法比较,验证了改进的离散蝙蝠算法可以有效地求解柔性作业车间调度问题,并具有较高的精确度。     

机器故障的柔性加工与装配作业车间分批联合调度算法

针对传统的加工与装配分阶段独立调度中资源利用率不高的问题,将加工与装配联合同时进行调度。在考虑工件批量和批次的前提下提出一种改进遗传算法求解该问题,以最小化最大完工时间为优化目标建立数学模型,根据问题特性提出一种工件末工序前移的邻域结构,提升了算法的局部搜索能力进而改善整体求解质量。设计了一种基于装配设备负载均衡的混合贪婪解码方法,完成了装配设备选择。考虑到实际车间中机器故障的特点,提出了相应的响应策略和染色体更改规则,解决了动态调度问题。最后通过算例分析验证了所提算法和策略求解该问题的可行性和有效性。     

柔性车间调度问题的协作混合帝国算法

针对柔性车间调度问题（FJSP）的非确定性多项式特性,提出一种新的改进算法——协作混合帝国算法,用于寻找最小化最大完工时间的调度。首先,根据标准帝国竞争算法（ICA）的流程特性,设计了自适应参数的改进,可提高算法的收敛速度;然后,引入帝国和殖民地双改革变异,并针对工序排序和选择机器的不同阶段提出多变异改革策略,可提高算法的局部搜索效率;最后,创建大陆间国家交流合作机制,促进优秀国家对外信息交流,可提高算法全局搜索能力。通过对多个柔性车间调度实例进行仿真,结果表明,所提出算法在求解质量和稳定性上均优于多种群体智能进化算法,更适合解决该类调度问题。     

求解柔性作业车间调度问题的改进蝙蝠算法

针对柔性作业车间调度问题,在研究和分析蝙蝠算法的基础上,提出一种改进蝙蝠算法来求解．为了有效地表达出工序与粒子种群之间的关系,提出一种单层整数编码策略．在粒子的速度和位置方面,算法重新定义速度和位置的相关算子．为了克服基本蝙蝠算法固定参数不足的缺点,重新调整惯性权重的值,提出一种呈指数递减的惯性权重策略．针对具体生产实例进行验证,实验数据表明,该改进算法在求解柔性作业车间调度问题上具有良好的性能,是一种有效的调度算法.     

基于改进粒子群算法求解柔性作业车间批量调度问题

基于工序排序和机器分配的粒子编码方式,提出一种新的粒子位置更新方式,该方式使得粒子群算法更新可以直接在离散域执行.通过对工件工序进行多次机器分配来扩大搜索范围,引入改进的模拟退火算法,用以增强粒子群算法的邻域搜索能力,实现全局搜索与局部搜索能力的有效平衡.最后通过数值算例以及某电声企业纸盆车间批量调度的应用实例验证了所提出算法的有效性和可行性.     

机器柔性度对柔性车间调度影响的研究

针对资源柔性与调度效果关系研究匮乏的问题,提出了采用资源－能力矩阵对资源柔性分布进行表示的方法和机器资源柔性程度的度量方法,建立了机器资源柔性约束下的作业车间调度问题模型,采用改进双种群蚁群算法进行求解。案例证明了机器资源柔性程度对调度效果的影响,为构建柔性制造系统提供了指导意见。     

混合竞争群优化算法求解柔性车间调度问题

针对柔性作业车间调度计算复杂度高,求解困难的难题,在分析竞争群优化算法的基础上,提出一种混合竞争群优化算法.首先,结合两段式编码设计了一种基于最小工序完工时间的机器选择策略,将连续的竞争群优化算法离散化;然后,将POX交叉与环形拓扑结构相结合,并引入邻域搜索,应用于优胜个体的更新,增强算法的全局搜索能力和局部搜索能力....     

柔性作业车间调度分析及其启发式算法

针对多目标柔性作业车间调度问题,基于甘特图和搭积木经验进行了分析,提出了一种组合优先规则和基于此优先规则的启发式算法。组合优先规则面向完工时间、关键机床负荷和总负荷三个指标,改变规则中各数据项的比例可调整三个指标所占的比例。算法采用随机方式调整三个指标的比例,并微调最优解对应的比例,能随机产生多个高质量调度解。对比测试表明,算法求解质量更高,运行速度快,稳定,可直接用于在其他调度算法中产生初始解,或者用于动态调度。     

求解作业车间调度问题的混合帝国主义竞争算法

针对最小化最大完工时间的作业车间调度问题（JSP）,提出一种结合帝国主义竞争算法（ICA）和禁忌搜索（TS）算法的混合算法。混合算法以帝国主义竞争算法为基础,在同化操作中融入遗传算法中的杂交算子和变异算子,使算法全局搜索能力更强。为了克服帝国主义竞争算法局部搜索能力弱的缺点,引入禁忌搜索算法进一步优化同化操作后的后代。禁忌搜索算法采用混合邻域结构和新型选择策略,使得算法能够更有效地搜索邻域解。混合算法兼具全局搜索能力和局部搜索能力,通过对13个经典的Benchmark调度问题进行仿真测试,并与近年4种新型混合算法进行对比分析,实验结果表明了所提算法求解Job Shop调度问题的有效性和稳定性。     

改进型帝国竞争模型算法的研究

为了改善帝国竞争算法（Imperialist Competitive Algorithm,ICA）易早熟收敛,搜索范围低,精度小,帝国之间信息交互性不强等缺点,提出了两种基于同化模型和竞争模型的改进的ICA算法。针对殖民地在移动过程中由于过于直接的靠近统治者而造成的搜索范围过小以及容易陷入局部最优的情况在同化过程中引入了差异因子来增大搜索范围。针对帝国之间的交互性的缺失,引入了人忠诚度的算子来实现帝国交互以及同化机制的模型改变,较强的帝国统治者会因为忠诚度算子获得更多的支持,从而细致划分了一个帝国中的每个国家,利用纳什均衡和最大最小公平性引导帝国竞争进而使算法向最优解进行搜索。在竞争过程中设置时间节点动态划分迭代阶段,根据迭代的不同阶段特点选择最优竞争系数。对算法进行了理论证明,最后将算法应用于多个函数进行检测并与其他的改进ICA算法进行比较,在搜索精度和范围广度上有了一定的提高。     

Flexible job shop scheduling under condition-based maintenance: Improved version of imperialist competitive algorithm

Maintenance activities have been ignored in many studies on scheduling problems where all machines are assumed to be available without interruption in the planning horizon. However, in realistic situations, they might be unavailable due to preventive maintenance, basic maintenance or unforeseen breakdowns. In this paper, we simulate a condition-based maintenance (CBM) for flexible job shop scheduling problem (FJSP) and consider the combination of Sigmoid function and Gaussian distribution to improve the CBM simulation. This study proposes an improved imperialist competitive algorithm (ICA) for the FJSP scheduling problem with the objective of the makespan minimization. The performance of the proposed algorithm is enhanced with a hybridization of ICA with simulated annealing (SA), after diagnosing standard ICA disadvantages and shortcomings. This ICA also includes a simulation part to handle CBM requirements. Various parameters of the novel ICA are reviewed to calibrate the algorithm with the help of the Taguchi experimental design. Experimental results show the high performance of the novel ICA in comparison with the standard ICA. The obtained results demonstrate that the novel ICA is an effective algorithm for FJSP under CBM. Finally, the performance of ICA is evaluated compared to other popular algorithms.     

基于改进遗传算法的标签印刷生产调度技术

针对标签印刷生产过程中存在的多品种、小批量、客户定制化程度高、部分生产工序存在不确定性等问题建立了以最小化最大完工时间为目标的柔性作业车间调度模型,提出了一种改进遗传算法(GA).首先,在标准遗传算法的基础上采用整数编码;然后,在选择操作阶段采用轮盘赌法,并通过引入精英解保留策略以确保算法收敛性;最后,提出动态自适应交...     

受春秋战国史实启发的帝国竞争改进算法

针对帝国竞争算法过早收敛导致的求解高维函数时易陷入维数灾难的问题,受我国春秋战国时期诸侯国争雄称霸史实启发,提出了一种改进的帝国竞争算法.首先,在初始化国家阶段引入"合纵连横"竞争机制,以增强信息交互,保留较优种群;其次,在帝国同化过程中借鉴由国家各层面逐步渗透同化的殖民统治策略,以提升算法的开发能力;最后,加入判断并...     

An efficient hybrid algorithm based on modified imperialist competitive algorithm and K-means for data clustering

Clustering techniques have received attention in many fields of study such as engineering, medicine, biology and data mining. The aim of clustering is to collect data points. The K-means algorithm is one of the most common techniques used for clustering. However, the results of K-means depend on the initial state and converge to local optima. In order to overcome local optima obstacles, a lot of studies have been done in clustering. This paper presents an efficient hybrid evolutionary optimization algorithm based on combining Modify Imperialist Competitive Algorithm (MICA) and K-means (K), which is called K-MICA, for optimum clustering N objects into K clusters. The new Hybrid K-ICA algorithm is tested on several data sets and its performance is compared with those of MICA, ACO, PSO, Simulated Annealing (SA), Genetic Algorithm (GA), Tabu Search (TS), Honey Bee Mating Optimization (HBMO) and K-means. The simulation results show that the proposed evolutionary optimization algorithm is robust and suitable for handling data clustering.     

生物地理学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,对生物地理学优化算法中的迁移操作和突变操作进行改进,提出一种改进的生物地理学优化算法。在算法初始阶段采用混合初始化的方法,提高初始种群质量;对迁移操作和突变操作采用不同选择方法,提高算法全局搜索能力,加快收敛速度。通过编程仿真对柔性作业车间调度问题标准测试算例进行运算,并与其他文献中的计算结果进行比较,验证了该算法是可行和有效的,也可用于其他车间调度问题中。     

考虑机床折旧的柔性作业车间绿色调度算法

针对具有机器柔性和机床折旧特性的柔性作业车间调度问题（FJSP）,为了降低生产过程的能耗,建立了以最大完工时间和能耗加权的和最小为优化目标的数学模型,并提出了一种改进遗传算法（IGA）。首先,根据遗传算法（GA）随机性强的特点,引入正交试验的均衡分散原则生成初始种群,用于提高在全局范围的搜索性能;然后,为了克服交叉操作后的基因冲突,采用三维实数的编码方式并结合双个体算术交叉用于染色体交叉,减少了冲突检测步骤,提高了求解速度;最后,在变异操作阶段采用了动态步长的方式进行基因变异,保证了全局范围内的局部搜索能力。通过对8个Brandimarte算例进行仿真测试,并与近年来3个改进启发式算法进行对比,计算结果表明该算法求解FJSP的有效性和可行性。