求解Job-Shop问题的改进搜索范围自适应遗传算法

为改善遗传算法求解Job-Shop问题时较差的局部搜索能力,并提高搜索最优解的速度,提出了一种改进的搜索范围自适应遗传算法。该算法采用一种新型的交叉操作,通过交叉和变异搜索过程提高遗传算法的局部搜索能力,同时采取MWKR优先规则优化初始种群。对作业车间调度问题进行仿真研究,结果表明该算法能找到问题的最优解,是可行和有效的。     

考虑低碳的柔性作业车间调度问题研究

针对面向绿色制造的车间调度问题,将低碳因素作为影响因子考虑到模型中,构建低碳生产下的多目标柔性作业车间调度模型,并提出改进的免疫遗传算法求解模型。算法改进初始种群的形成机制,以提高收敛速度和改善求解质量,采用合理的选择策略机制、交叉和变异方式,结合记忆库设计熵值移除法筛选Pareto解集,以提高算法的搜索能力和避免算法陷入早熟。运用MATLAB编程运算实例,实验结果表明,该方法能够有效地解决了绿色制造中低碳的多目标调度优化问题。     

基于改进双种群烟花算法的机器人逆解研究

一般机器人的逆运动学求解过程中存在着推导公式复杂,求解精度低的问题。为此,将双种群烟花算法进行了一定的改进,提出了一种基于改进双种群烟花算法的高精度机器人逆解算法。该算法采用两个种群并行对解空间进行搜索,增加了种群的多样性;优化过程中采用协作算子进行种群间的信息交换,得到了更快的收敛速度;同时引入了算法早熟扰动机制来提高搜索的成功率,避免陷入局部最优解。最后以6R一般机器人作为实验对象进行实验,结果表明:改进双种群烟花算法不仅提高了收敛精度,而且在运算速度和收敛成功率上也有很大的提升。     

改进果蝇算法求解零空闲流水车间调度问题北大核心

针对传统果蝇算法在求解零空闲流水车间调度问题时,存在精度及稳定性较差的问题,提出了一种改进果蝇优化算法用以求解该类问题。该方法以最大完工时间最小化为优化目标,在传统果蝇算法的基础上,建立了多种群中心搜索模式,改进嗅觉搜索方式,引入破坏重建、插入领域局部搜索;并将免疫算法激励度引入果蝇视觉觅食阶段;最后通过测试案例,验证了该改进算法的有效性。结果显示该算法不仅能有效提高全局寻优效果,而且具有较好的稳定性,为求解零空闲流水车间问题提出了一种新方法。     

基于熵增强混沌遗传算法的柔性作业车间调度

为使企业获得最优综合调度质量的车间调度方案,研究了多目标柔性作业车间调度数学模型及其求解算法,建立了基于最大完工时间、最大机器负荷差、机器总负荷和调度复杂度4个调度质量指标的多目标柔性作业车间调度问题模型(MFJSP),提出熵增强混沌遗传算法(ECGA)求解该模型,应用伯努利混沌映射公式改进算法选择操作,用高斯云模型改进变异算子和交叉算子,提高算法的全局寻优能力和搜索效率。根据计算的交叉概率和变异概率执行切牌式交叉操作和两基因片段式变异操作提高种群基因的多样性。以M8J12P3调度问题为例验证了MFJSP模型和ECGA算法的有效性。结果表明,与SGA、PSO和ABC相比,ECGA具有更快的收敛速度和更好的全局搜索能力,有助于企业提高生产效率和降低成本。     

基于离散多元宇宙算法的柔性作业车间调度北大核心

针对柔性作业车间调度问题计算复杂度高,求解困难的难题,提出了一种离散多元宇宙优化算法。首先,建立起以最大完工时间为目标的柔性作业车间调度模型,使用两段式整数编码和贪婪插入解码建立算法与调度问题之间的联系;其次,设计宇宙种群初始化方法,以确保初始调度解的质量和多样性;然后,在基本多元宇宙算法的基础上,设计新的白洞选择,黑洞白洞传输和向最优宇宙移动机制,提高了算法求解柔性作业车间调度问题的性能。通过基准算例与其他智能算法比较,实验表明,所提算法可以有效的求解柔性作业车间调度问题。     

块邻域结构的禁忌搜索算法在车间调度中的应用

禁忌搜索算法(Tabu Search Algorithm,TSA)是解决车间调度问题的一种比较有效的算法,高效率搜索邻域解是TSA的关键步骤.在分析关键路径块结构的基础之上,给出了适用于求解最小化最大完成时间车间调度问题的6种块邻域结构方法,并应用于禁忌搜索算法.仿真实验结果表明,块结构邻域TSA算法可以有效提高搜索邻域解的效率,降低算法运行时间,增强算法的鲁棒性.     

求解无等待Flow shop调度问题的改进蛙跳算法

无等待Flow shop调度一直是研究的热点问题,为减少无等待流水车间调度总完工时间,文章提出了一种结合高斯变异和扰动因子的蛙跳算法。在蛙群更新策略中引入扰动因子,平衡了蛙跳算法搜索的深度,利用高斯变异产生子代新蛙代替随机产生子代新蛙,增强了蛙跳算法的寻优速度;同时引入交叉操作,增加蛙群的多样性,提高蛙群中所有青蛙的局部搜索能力以及全局搜索能力。研究了无等待Flow shop调度算例,将蛙跳算法与遗传算法的求解结果进行了对比,结果验证了该文改进蛙跳算法在解决无等待流水车间调度问题的有效性和可行性。     

熵增强的混沌粒子群算法在车间调度中的应用

粒子群算法具有早期收敛速度快,后期容易陷入早熟、局部最优等特点,为了使粒子群算法的择优能力大幅提升,论文首先选择运用混沌映射产生最初种群,然后借助粒子群算法针对种群展开优化,对个体及全局最优解加以混沌搜索,同时按照信息熵自适应调节惯性系数,设计出在大规模车间调度问题求解当中较为适用的熵增强的混沌粒子群算法。通过具有代表性的实际范例对该算法进行仿真研究,结果显示,在面对大规模的车间调度问题时采用该算法能够高效、快速获取相应答案,相较于以往老旧的算法,其优势极为显著。     

考虑作息时间的流水车间调度模型与算法

针对实际车间调度问题中由于作息时间而导致机器不可用的问题,建立了以最小化最大完工时间为优化目标的流水车间调度模型,并提出了一种改进的遗传算法.在调度模型中对机器可用时段进行约束来模拟考虑作息时间的开工与停工状态;在算法设计中通过结合禁忌搜索对基本遗传算法进行改进,提高了问题求解的质量.针对加工可恢复和不可恢复两种情况,...     

遗传算法求解低碳柔性车间生产调度问题

低碳生产方式已成为当前各国所认可的生产方式,是可持续发展的必然要求。从满足最大完工时间最小和生产碳排放量最小角度出发,构建低碳车间调度模型。使用改进的遗传算法对有低碳需求的车间生产方式进行求解,在求解过程中对初始解生成机制和遗传算子进行改进,提高算法收敛速度。实验结果证明提出的改进遗传算法在求解车间低碳生产调度中是可行的。     

基于混合遗传蚁群算法的多目标FJSP问题研究北大核心

针对多目标柔性作业车间调度问题求解过程中未综合考虑解集多样性与求解效率的问题,提出了一种混合遗传蚁群算法来求解。首先,通过改进的NSGA-Ⅱ(non-dominated sorting genetic algorithmⅡ)获取问题的较优解,以此来确定蚁群算法的初始信息素分布;其次,根据提出的自适应伪随机比例规则和改进的信息素更新规则来优化蚂蚁的遍历过程;最后,通过邻域搜索,扩大蚂蚁的搜索空间,从而提高解集的多样性。通过Kacem和BRdata算例进行实验验证,证明混合遗传蚁群算法具有更高的求解效率和更好解集多样性。     

改进学习型遗传算法求解柔性车间调度问题北大核心

针对智能优化算法在解空间搜索时忽略问题特征导致搜索效率无法进一步提升的问题,从柔性车间调度问题的特征入手,引入关键机器和搜索过程学习概念,提出一种基于关键机器的改进学习型遗传算法。首先,针对柔性车间调度问题解表达中的机器选择设计知识体,通过搜索过程得到的解更新知识体,并反馈到求解过程的引导;其次,使用了一种自适应的变异算子改善遗传算法早熟收敛的问题;然后,基于变换加工机器和加工顺序以及关键机器的思想设计了3种邻域结构;最后,引入关键机器的概念,并将其引入到知识体更新以及邻域搜索的过程中。仿真结果表明,较其它方法而言,本文提出的算法在不同规模的标准算例上找到最优解的能力更强。     

改进蚁群算法的柔性作业车间调度问题研究北大核心

为提高传统蚁群算法求解柔性作业车间调度问题的效率,提出了一种改进蚁群算法。首先,均匀分布蚂蚁的初始位置;其次,多种方法结合进行机器选择,并按照改进的工序选择方式选择下一步即将遍历的工序;最后,采用带精英策略的蚁群算法结合最大最小蚂蚁系统的信息素更新方式,既赋予较优路径以额外的信息素,同时又对路径上的信息素进行限定、从而避免算法“早熟”,进而提高解的质量。通过三个柔性作业车间调度实例进行仿真分析和与其他算法的对比,结果表明改进蚁群算法在求解柔性作业车间调度问题具有较好的优化效果和求解效率。     

云制造模式下基于变邻域动态烟花算法的柔性车间调度

针对云制造模式下多目标柔性车间调度问题,考虑柔性车间零件加工的优化及云任务与自生产任务的协同调度,建立了以最大完工时间最小、机器利用率最大、碳排放量最小为最优指标的多目标柔性车间调度模型。在无需预先生成工件的加工路线的前提下,提出了一种基于变邻域搜索的动态烟花算法。通过变邻域搜索有效提高局部最优解的精度。引入进化速度的概念,利用进化速度计算算法迭代过程中需要更新的维度,实时调整相关参数,加速算法收敛,避免陷入局部最优。最后,通过对比仿真验证模型和算法的有效性和鲁棒性。     

基于强繁殖NSGA-Ⅱ算法的柔性车间调度多目标优化

为了实现减少车间完工时间、机器总负荷和车间能耗等优化目标,提出了基于强繁殖NSGA-Ⅱ算法的柔性车间调度优化方法。对柔性车间调度问题进行了描述,建立了车间调度的多目标优化模型,给出了调度问题编码和甘特图解码方法。以NSGA-Ⅱ算法为基础,根据繁殖能力的不同将染色体分为强繁殖子群和普通子群,两个子群根据自身特点使用不同的遗传操作,从而给出了强繁殖NSGA-Ⅱ算法。将强繁殖NSGA-Ⅱ算法应用于柔性车间调度优化,改进算法求解的Pareto解集分布优于传统NSGA-Ⅱ算法;选择一个折中解进行验证,强繁殖NSGA-Ⅱ算法解的甘特图完工时间、机器总负荷、车间能耗均小于传统NSGA-Ⅱ算法解的参数,验证了NSGA-Ⅱ算法在柔性车间调度多目标优化中的优越性。     

基于竞选算法的生产调度问题的研究

选取优化问题中热点和难点问题--车间调度问题作为竞选算法的应用研究对象,探讨竞选算法的有效性和实现技术.通过对车间调度问题的特点进行分析,设计了一种实现车间调度的竞选算法;引入解的表达方法,并建立了相应的解译规则,可以有效地避免非法解的产生;对获得适应度函数的方法进行了探讨.经对MT06调度问题的实验证明,将竞选算法应用于车间生产调度问题的方法是可行的.     

基于改进原子轨道搜索算法的多工艺路线柔性作业车间问题研究

针对多品种、小批量复杂产品在加工过程中忽略加工路线约束,导致调度方案中存在设备利用率低的问题,以完工时间最优为目标建立多工艺路线柔性作业车间数学模型。由于加入多约束后模型复杂度骤增,为有效求解该模型,提出一种改进原子轨道搜索算法。改进算法采用一种三层编码方式进行编码和解码;在算法初始化候选解时均匀生成全局加工路线;搜索过程中为增强局部搜索融入自体交叉;为避免陷入局部最优引入变邻域变异;迭代过程中设计了变工序数精英保留策略,扩大了搜索空间。最后,通过某内燃机车生产车间实例对模型和算法进行求解分析,验证了模型的有效性和算法的优越性及适用性。     

基于自适应NSGA-Ⅱ算法的柔性车间多目标生产调度

针对大型军工电子装备企业的组件制造生产调度问题,建立了以最小化最大完工时间、生产成本和最大设备负荷为目标的柔性车间生产调度模型。依据柔性车间多目标调度问题的特点,提出了一种改进的自适应NSGA-Ⅱ算法,在遗传算法的不同阶段动态的调整交叉和变异的概率,提高了算法的计算效率。同时,为了提高种群多样性、避免非法解产生和最优解丢失,该算法对工序和设备进行独立的交叉和变异操作,并采用独立于种群的精英保留策略。最后通过实例验证了算法的有效性,相较于初始输入的最大完工时间、生产成本和设备负荷分别减少了34.97%、9.80%和31.63%。     

变异粒子群算法在装配线平衡问题中的应用北大核心

为找到更加符合实际的解,建立装配线平衡问题模型时,考虑在最大化生产线效率的基础上,增加了平滑指数这一目标函数。应用粒子群算法进行求解时,为避免常规算法易过早陷入局部最优这一不足,提出了一种变异粒子群算法。该算法对设定步长内位置没有更新的个体采用多点变异的方法增加种群多样性,从而达到改变个体极值与全局极值的目的。通过横向搜索、纵向进化的机制,可有效提高种群的搜索能力。最后,通过对实例库中例子的求解,验证了算法的可行性。