双机无等待流水作业调度算法研究

考虑双机无等待流水作业调度问题,此问题中每台机器都受一个非可用时间的约束,工件都有不同的释放时间。机器的非可用性时间间隔是部分重叠并且已知。目标使Makespan(最大流程时间)最小。通过不同的方式计算上限和下限,完善分支定界法。计算机实验结果显示了所述方法的有效性。     

平行机系统生产调度与维护计划联合优化

针对平行机系统中生产调度和维护计划的联合决策问题,假设随机故障服从威布尔分布,将作业在设备上加工位置以及设备上预防性维护位置作为决策变量,以最小化最大完工时间和最小化单位维护成本作为优化目标建立了多目标优化模型.建立了基于混合编码的遗传算法,针对不同编码类型采用合适的遗传算子,并引入了自适应交叉和变异概率使算法在收敛速度和求解精度上得到较好平衡.通过与枚举算法对比,证明遗传算法具有较好的时间效率和求解精度.通过与独立决策模型对比,证明联合优化模型能更好地解决联合优化问题,提高企业整体效益.     

一种基于遗传算法的生产计划制定方法

提出在ERP环境中利用遗传算法来优化生产计划。分析ERP系统中生产计划决策所涉及到得因素。在此基础上建立生产计划的数学模型,并通过一个具体的实例给出遗传算法求解数学模型的步骤。     

带成组加工的二阶段柔性流水作业问题

本文仔细剖析混杂二阶段流水作业问题,其中第一阶段由m台同型机组成,第二阶段由一台批处理机M组成,并以最大完工时间Cmax为极小化目标函数.我们证明了该类问题除一种情况有多项式时间可解外,其余情况为(强)NP-hatd的.文中对所有(强)NP-hard情况均给出了近似算法并作了性能比分析.     

基于遗传算法的作业车间设备布局优化方法

针对作业车间设备布局这类多目标优化问题,在标准遗传算法的基础上,通过在染色体编码、约束处理、选择算子和变异算子设计、适应值计算等方面进行优化改进,提出了一种多目标作业车间设备布局优化算法,最后通过仿真实验验证了该方法的有效性.     

基于遗传算法进化的数字图像处理

人脸表情识别是目前数字图像处理领域比较活跃的研究课题。本文提出一种采用遗传算法进化的支持向量机对人脸表情进行分类的新型算法。先提取静态人脸表情特征,然后采用遗传算法自动选择最优的支持向量机核函数,最后采用这种新型分类器进行了人脸表情的分类和识别。在Yale人脸表情库上进行了测试人不参与训练的仿真实验,并与最近邻分类器进行比较,提出的方法取得了更好的识别结果。     

基于遗传算法的有限元方法

本文将遗传算法应用于力学计算，目的是探求一种理想的并行计算方法，克服有限元法在形成和存储整体刚质阵时数据处理的困难。基本思想是设法将力学问题转化为优化问题，借用有限元法的离散技术，将结构离散成单元和节点，根据能量原理得到以节点位移为基本未知量的目标函数，然后利用遗传算法求其最优解，得各节点位移的近似值，再由几何物理关系求解单元应力，算例表明，该方法是可行的。     

基于改进量子遗传算法的有源噪声控制方法

提出了一种基于改进量子遗传算法的格型IIR滤波器结构的有源噪声控制方法——改进的量子遗传算法（IQGA）。其核心是在对量子门更新过程进行改进的基础上，引入群体灾变和自适应搜索网格的策略。IQGA不仅收敛速度快，还可以改变基本遗传算法（GA）的局部搜索能力，克服基本遗传算法存在的未成熟收敛问题。仿真结果表明，该算法可以有效地实现噪声控制。     

用遗传算法优化双目标Job-shop作业计划问题

本研究应用遗传算法研究了时间-成本的双目标Job-shop作业计划的优化问题。在探讨过程中不仅考虑了工件的加工时间，而且还考虑了工件在加工过程中发生的储存费用、过期损失费用等对作业计划排序的影响，设计了双目标适应值函数并研究了它的取值过程，解决了设备死锁等问题。在文章最后，给出了算例，以甘特图的形式表述了以平行移动方式加工的两个较优方案，并对此两个方案进行了分析和讨论。     

基于遗传算法的网格任务调度方法研究

任务调度算法是网络计算研究的一个重要方向,己被证明是一个NP完全问题。研究表明遗传算法是解决复杂环境下任务调度的有效方法之一。本文提出的网格任务调度算法是基于遗传算法,并引入任务复制方法。实验结果表明,该算法在收敛速度和调度完成时间均优于普通遗传算法。     

带调整时间的多目标流水车间调度的优化算法

为高效地求解带调整时间的多目标流水车间调度问题,提出了一种多目标混合遗传算法,此算法依据基于Pareto优于关系的个体排序数和密度值计算适应度,保持解的多样性,并采用非劣解并行局部搜索策略,提高算法的搜索效率.此外,引入精英策略保证算法的收敛性,在进化过程中通过淘汰掉个别最差个体,进一步加快解的收敛速度.仿真结果表明,新算法能够有效地解决带调整时间的多目标流水车间调度问题.     

基于文化基因算法的开放车间调度问题研究

针对开放车间调度问题,运用了文化基因算法进行优化求解。在文化基因算法的框架中,既有种群中的全局搜索,又包含针对问题自身特点的局部搜索,为解决开放车间调度问题提供了一种新的算法。按照文化基因算法的思想和特点,将爬山法作为局部搜索策略加入到全局搜索策略所用到的遗传算法中,通过对开放车间调度问题的邻域结构进行研究,加入爬山搜索法进行优化求解。基于40个标准算例,通过与下界值的比较,验证了所提算法在解决具有较大搜索空间的调度问题时,其拥有更出色的算法性能。     

置换流水车间调度问题的萤火虫算法求解

作为新兴的仿生群智能优化算法,分析了萤火虫算法的仿生原理,对算法实现优化过程进行了定义。针对最小化最大完工时间的置换流水车间调度问题,采用基于ROV规则的随机键编码方式和互换操作的局部搜索策略,应用萤火虫算法进行求解。通过典型实例对算法进行了仿真测试,调度结果表明了萤火虫算法求解置换流水车间调度问题的可行性和有效性,优于NEH启发式算法和粒子群算法,是解决流水线生产调度问题的一种有效方法。     

具有成组约束的柔性同序加工车间的排序算法

针对轮胎模具的生产调度特点,研究了具有成组约束的两阶段柔性同序加工车间(FF2)的调度问题,建立了目标函数为最小化最大完成时间的调度数学模型,基于Johnson准则提出一种新的启发式算法,并应用企业的实际算例,说明了数学模型和求解方法的可靠性和有效性。     

模糊人工蜂群算法的置换流水车间调度问题求解

针对传统人工蜂群算法早熟收敛问题,基于模糊化处理和蜂群寻优的特点,提出一种模糊人工蜂群算法.将模糊输入输出机制引入到算法中来保持蜜源访问概率的动态更新.根据算法计算过程中的不同阶段对蜜源访问概率有效调整,避免算法陷入局部极值.通过对置换流水车间调度问题的仿真实验和与其他算法的比较,表明本算法可行有效,有良好的鲁棒性.     

工期不确定的模具车间柔性Flow-shop调度问题

由于模具制造属于非重复性单件订货生产,模具加工的任务工期具有较强的不确定性,导致生产调度混乱。为制定合理可行的生产调度方案,建立了任务工期离散概率模型,以最大完工时间的期望值最小为目标,建立不确定工期柔性Flow-shop调度模型;在遗传算法交叉、变异等操作中融入模拟退火操作,将遗传算法的全局搜索能力与模拟退火算法的良好局部搜索能力相结合,设计了不确定工期的柔性Flow-shop调度问题混合遗传模拟退火算法。利用混合遗传模拟退火算法对调度模型进行求解,通过仿真实验表明,该研究对于解决工期不确定的模具车间柔性Flow-shop调度问题是行之有效的。     

求解一类无关并行机调度的遗传迭代贪心算法

以最小化最大完工时间为优化目标,建立带工单加工约束和序相关设置时间无关并行机调度问题的混合整数规划模型;考虑现实生产对求解算法在质量、收敛速度和鲁棒性等方面的较高要求,构建一种混合遗传-迭代贪心算法。在遗传变异操作中嵌入一种迭代贪心策略的破坏和构建机制,用于提高算法的种群多样性;引入基于破坏与构建操作设计而成的快速局部搜索算法来增强算法的局部开发能力;基于实际生产数据的相关特征随机生成了一系列计算案例,并通过实验说明所提新型混合算法相较于传统混合算法的优越性。     

改进遗传算法求解多时间约束的柔性作业车间调度问题

将加工时间、调整时间和移动时间分别作为独立时间因素考虑到柔性作业车间调度模型中,建立以最大完工时间最小、总调整时间最小、总移动时间最小为目标的考虑多时间约束的柔性作业车间调度模型,并提出改进的遗传算法求解该模型。通过测试标准数据集,并对比其他文献算法,验证了改进的遗传算法的可行性和有效性。     

工件带到达时间并具有成组约束的车间排序算法

针对模具制造过程的特点,在工件不同时到达的情况下,研究了前阶段带有成组约束的两阶段柔性同序加工车间的调度问题,建立了目标函数为最小化最大完成时间的调度数学模型．基于Potts的RJ’算法提出解决此类问题的启发式算法,并将该算法应用到轮胎模具企业的生产实例中,通过仿真说明数学模型和求解方法的可靠性和有效性．     

装配作业车间分批调度问题的算法对比

建立最小化makespan的装配作业车间分批调度模型,利用遗传算法构建基于整体集成优化策略、分层迭代优化策略和双层进化策略的求解算法。它们的区别在于处理批量划分问题和子批调度问题的联合优化机制不同。最后通过仿真实验对比了几类算法的求解效果和收敛速度,并分析了它们的适应性特点。