改进遗传算法解决柔性作业车间调度问题

柔性作业车间调度问题是经典作业车间调度问题的扩展,它允许工序在多台机器中的任意一台上加工.针对柔性作业车间调度问题的特点,提出一种扩展的基于工序的编码及其主动调度的解码机制,并设计一种初始解产生机制和两种有效的交叉和变异操作.为了克服传统遗传算法早熟和收敛慢的缺点,设计了精英解保留策略和子代产生模式结合的改进遗传算法应用于该调度问题.最后运用提出的算法求解基准测试问题验证算法的有效性.     

基于改进遗传算法的偏柔性作业车间调度

偏柔性作业车间调度是生产管理中的重要问题。由于模型和计算的复杂性,传统优化方法往往难以得到最优解。采用改进遗传算法求解偏柔性作业车间的调度问题,设计相应的编码方法,利用所生成的染色体以及通过遗传操作得到的染色体生成可行的调度方案。基于工序串和机器串的编码方法,采用精英解保留策略、轮盘赌选择策略和基于划分集的交叉策略,提出基于均匀分布试验的变异法则,引入贪婪式解码方法对偏柔性作业车间调度进行求解。实例仿真表明,该算法在求解偏柔性作业车间调度方面具有良好的效率和优越性。     

遗传算法的双目标柔性作业车间调度研究

研究了FMS环境下先进制造车间路径柔性的优化调度问题.同时考虑现代生产准时制的要求,建立了柔性作业车间调度问题的双目标数学优化模型,并给出了求解模型的遗传算法的具体实现过程;针对模型的特殊性,提出了染色体两层编码结构,将AOV网络图应用到解码和适应度函数的计算中,通过一个调度实例进行验证,给出了相应的选择、交叉、变异操作设计方案.     

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。     

应用改进蚁群算法求解柔性作业车间调度问题

将蚁群算法信息素更新规则进行改进,规定只有产生至今最优解的蚂蚁才能释放信息素,且只更新全局信息素,减少了传统蚁群算法的时间复杂度,提高了问题的求解效率。分析了柔性作业车间调度的特点,选取三个性能指标作为求解目标,设定其求解优先级,并建立相应的调度模型。将改进蚁群算法应用于柔性作业车间调度算例的求解,与其它算法比较,平均解有很大提高,表明了该算法求解柔性作业车间调度问题的有效性。     

求解带AGV柔性作业车间调度问题的改进灰狼算法

针对带AGV的柔性作业车间调度问题,以最小化完工时间为目标,考虑AGV在装载站、机器、卸载站之间的有效负载时间和空载时间,构建了数学规划模型。其次,提出一种有效的灰狼算法进行求解,基于该问题特征,设计机器选择、工序排序和AGV搬运的3段编码,有效地保证每个个体均可产生可行解;灰狼算法中改进了关键参数a和E设定方式,有效平衡了算法的勘探能力和局部搜索能力;为进一步提升算法跳出局部最优解的能力,该算法融合了领域搜索等方法。最后,案例测试结果表明,改进灰狼算法在求解带AGV柔性作业车间调度问题中具有优越的性能。     

基于遗传算法的高校教室调度问题

对高校教室调度问题进行研究,能使教室和课程达到一种合理的优化配置。类似问题的研究在制造业或生产系统中都占有非常重要的地位。研究首先采用三元组方式,将教室调度问题描述为一类具有机器适用限制的并行多机问题,以最小化Cmax（即集中时间提高教室利用效率）和滞后时间总和为调度目标,建立了对应的数学模型。根据问题的特性,设计了包含分派规则和遗传算法的启发式调度算法求解该类问题。研究结合问题特性在编码,个体适应度函数,交叉及变异等方面进行了设计。以实例分析验证了所设计算法的可行性和有效性。     

基于多重约束的飞机移动装配线作业调度优化

基于对飞机移动装配线作业多重约束的分析,建立了作业调度优化问题的整数规划模型,提出了组合优先规则WRST以及基于此规则的启发式算法.WRST综合考虑了最迟完成时间、资源以及空间稀缺度三个指标;而算法设计包括基于WRST规则的作业拓扑排序和作业资源分配两阶段.数值试验结果显示基于WRST规则的启发式算法求解质量高,求解速...     

用混合量子算法求解模糊柔性作业车间调度问题

针对模糊环境下柔性作业车间的调度问题,以最小化最大完工时间、最小化成本和最小化惩罚值为目标,建立调度问题数学模型,提出了混沌量子粒子群算法。针对实际生产交货期模糊的特点,在量子粒子群算法基础上,提出引入混沌机制建立初始群的方法;针对量子个体的更新,提出了改进的量子旋转角计算方法;针对种群可能局部早熟收敛和后期多样性丢失的问题,利用混沌机制的遍历性,提出混沌局部优化策略;通过四个经典的调度算例验证了所提出算法能降低早熟概率和提高迭代搜索效率,与其他算法比较可以获得更多的非支配解。     

改进麻雀算法求解低碳柔性作业车间调度问题

针对车间调度对制造业能源消耗和碳排放影响较大的问题,建立以最小化最大完工时间和碳排放量为目标的低碳柔性作业车间调度模型,采用改进的麻雀搜索算法求解。首先,通过三种不同的搜索方式对种群进行初始化,保证初始种群的质量。其次,引入正弦搜索策略,使个体根据自身位置的优劣采用不同的搜索策略,增强算法的搜索能力。再次,引入交叉和变异算子,避免算法迅速陷入局部最优。最后,通过Brandimarte数据集和实例仿真验证改进算法的性能。     

A Grafted Genetic Algorithm for the Job-Shop Scheduling Problem

The standard genetic algorithm has limitations of a low convergence rate and premature convergence in solving the job-shop scheduling problem. To overcome these limitations, this paper presents a new improved hybrid genetic algorithm on the basis of the idea of graft in botany. Through the introduction of a grafted population and crossover probability matrix, this algorithm accelerates the convergence rate greatly and also increases the ability to fight premature convergence. Finally, the approach is tested on a set of standard instances taken from the literature and compared with other approaches. The computation results validate the effectiveness of the proposed algorithm.     

A Branch-and-Bound Algorithm for the Continuous-Process Job-Shop Scheduling Problem

The continuous-process job-shop scheduling problem (CPJS) arises typically in the following way: (1) a set of M machines or production facilities are available; (2) a set of N jobs are to be processed through these machines in accordance with a technological matrix; (3) the machines associated with a given job must all be used simultaneously for the completion of this job; (4) a predetermined production time is required for each job; (5) the objective is to determine a production schedule which minimizes the total completion time (makespan) of all jobs. A branch-and-bound type algorithm for the solution of the (CPJS) problem is presented.     

基于最早完工时间疫苗的免疫遗传算法求解FJSLP

在生产过程中,车间作业调度的主要任务是确定工件在各台设备上的加工顺序,合理的调度方案能提高设备的利用率和企业的效益。针对柔性车间分批调度问题,采用免疫遗传算法进行求解。在疫苗技术方面,依据工件工序的加工信息,选择工件工序所能最早完工的机器作为疫苗,对相应工件个体机器码进行接种。通过对案例的测试,结果表明所采取的方法能求得更好的调度方案,减少作业总流程时间。     

一种并行遗传算法在家纺企业车间调度的应用

针对家纺企业受特殊工艺约束的车间调度问题,提出了一个基于向量组编码的新的遗传算法,并设计了EOX交叉和启发式变异方法.在基于遗传算法自然并行性特点的基础上,实现了主从式控制网络模式下并行遗传算法.通过仿真实验证明,建立的算法是有效的,收敛速度快,具有较高的并行性,优于普通的遗传算法.     

面向Job-Shop调度的改进免疫算法研究

由于模拟生物免疫系统功能的免疫算法具有解决复杂工程问题的潜力,同时也存在容易陷入局部最优平衡态和进化后期搜索停滞不前的缺陷,在深入分析生物免疫系统机理之后,将生物免疫原理和生物遗传理论集成到免疫算法中,提出了双倍体免疫算法.这种算法采用疫苗、双倍体等多种生物机制,不仅防止了早熟,而且加快了收敛速度.最后通过典型的Job-Shop调度Benchmark问题LA21的求解证实了此算法的有效性和可行性.     

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。