资源限制混合流水车间调度的启发式算法

本文针对从流程工业生产过程中抽象出的考虑资源限制的混合流水车间调度问题,提出了基于规则集的几种启发式算法,并以数值试验证明了算法的有效性。     

求解混合流水车间调度问题的一种遗传算法

由于高度的计算复杂性(NP-hard问题),混合流水车间调度问题很难求得最优解,启发式算法和智能优化算法(如遗传算法)求解此类问题的近优解的有效性和实用性已被证实。该文提出了一种基于遗传算法的求解方法,在由染色体转换成可行调度的过程中引入工件插入方法,同时设计了一种新的交叉算子。通过大量的数值计算表明,该算法的优化质量大大优于传统的遗传算法和NEH启发式算法。     

改进果蝇算法求解混合流水车间调度问题

针对混合流水车间调度问题(HFSP),本文提出了一种新的基于果蝇算法和变邻域搜索的混合优化方法.首先,将关键块内的工序与同阶段其他机器上的工序进行交换,提出了一种基于关键路径的HFSP新邻域结构.其次,针对HFSP的阶段式解码特性,提出了一种邻域解的快速评估方法,并验证了快速评估方法的高效性.然后,基于提出的新邻域结构,并将N7和K-insertion邻域结构引入HFSP,设计了基于上述3种邻域结构的变邻域搜索方法,以此为基础提出了一种针对HFSP的混合优化方法.最后,通过对Carlier和Liao等经典测试集进行测试,验证了所提新邻域结构的可行性和有效性,并将该方法与其他文献的方法进行了对比,验证了所提方法的优越性.     

求解混合流水车间调度问题的分布估计算法

针对混合流水车间调度问题(Hybrid flow-shop scheduling problem, HFSP)的特点, 设计了基于排列的编码和解码方法, 建立了描述问题解空间的概率模型, 进而提出了一种有效的分布估计算法(Estimation of distribution algorithm, EDA). 该算法基于概率模型通过采样产生新个体, 并基于优势种群更新概率模型的参数. 同时, 通过实验设计方法对算法参数设置进行了分析并确定了有效的参数组合. 最后, 通过基于实例的数值仿真以及与已有算法的比较验证了所提算法的有效性和鲁棒性.     

缓冲区有限的流水车间调度问题的启发式算法

针对缓冲区有限的流水车间调度问题,分析了目标函数的特征,及目标函数与工件空闲时间之间的关系,设计开发了启发式算法。算法将以Makespan为目标函数转化成以最小化机器空闲时间为目标函数,并以此为基础构造初始加工序列,再通过贪婪排序与插入寻优消除缓冲区受限约束并寻找问题的近优解。仿真实验结果表明,算法在求解质量和计算时间方面明显优于其他几种排序规则,并体现了目标函数表达式结构的特性及对解的适应性。     

极小化时间表长的无等待流水车间调度

针对以时间表长最小为目标函数的无等待流水车间（No-Wait Flow Shop,NWFS）调度问题,提出了一个混合禁忌搜索算法（Hybrid Taboo Search,HTS）,以启发式算法产生的解作为初始解,通过禁忌搜索进一步提高解的质量。大量随机产生实例的实验结果表明：提出的HTS算法在总体性能上优于经典的RAJ、VNS和GASA算法,因此该算法具有可行性和优越性。     

求解混合流水车间调度问题的改进型PSO算法

针对粒子群优化算法易陷入局部最优以及求解生产调度问题时容易重复搜索的情况,结合混合车间调度问题的优化模型,提出一种改进的粒子群优化算法。在算法设计中,引入基于位置相似度的禁忌策略,避免对刚刚搜索过的区域重复搜索和过早陷入局部最优;同时采用线性微分递减方式更新惯性权重,既保证了算法前期有较高的全局搜索能力,又能保证后期有较高的开发能力。最后通过仿真实验,验证算法的有效性。     

改进的蚁群算法求解置换流水车间调度问题

针对蚂蚁算法在求解置换流水车间调度问题时易陷入局部最优以及计算时间较长的缺点,对最大最小蚂蚁系统(MMAS)进行了改进。在该算法中,采用NEH启发式算法提高初始解质量,并通过自适应的调节策略进一步提高蚁群算法的搜索能力。运用提出的混合算法求解Taillard基准测试集,并将测试结果与其他算法进行比较,验证了该调度算法的有效性。     

混合萤火虫算法求解多目标置换流水车间调度问题

针对多目标置换流水车间调度问题,提出一种基于萤火虫算法的混合算法.该混合算法以萤火虫算法为框架,利用NEH(Nawaz-Enscore-Ham)模型及机器编码方式初始化种群,保证在增加初始化种群多样性的同时提高初始种群质量;引入概率模型,用以记录工件间及工件与加工机器间的信息,同时利用概率矩阵中的信息组合区块,并利用区块组合人造解,用以提高算法的收敛速度及增加可行解的多样性;最后,为验证该混合算法的有效性,对OR-library中的Reeves案例集进行仿真测试,同时与其他相关智能算法进行求解性能比较,验证了该混合算法具有良好的求解性能.     

多阶段混合Flow Shop调度问题及其遗传求解算法

针对多阶段混合Ｆｌｏｗ Ｓｈｏｐ 调度问题的一般结构和不同的调度目标函数,提出混合整数规划模型,并基于问题的结构特点设计了遗传求解算法。计算实验结果表明,遗传算法对于不同规模和结构的问题具有良好的适应性和求解性能     

多机Flow shop加权完成时间调度问题的启发式算法分析

因实际生产中调度问题的规模很大，分析其近似算法的绝对性能比很难，有时甚至不可行，所以研究近似算法的渐近性能比就很有必要，本文针对多机Flowshop加权完成时间调度问题，使用单机松弛和概率分析方法，证明了基于加权最短处理时间需求的启发式算法是渐近最优的．     

作业车间调度问题的一种改进的转换瓶颈算法

描述了一种解决作业车间调度最短完工时间问题有效的启发式算法。该算法是对Adams等人的转换瓶颈算法的改进,算法中用了改进的Calier单机调度方法以克服原Calier算法的不足。从对一组问题基准实例的实验计算结果看,该算法在合理的计算时间内,对多个实例得到比原转换瓶颈算法和Beam搜索算法更好的结果;从实验结果看,算法也优于ISB算法。     

作业车间调度问题的一种混合式算法

描述了一种解决作业车间调度最短完工时间问题的混合式算法．该算法基于禁忌搜索和转换瓶颈技术．算法中利用了多种禁忌搜索方法．为了得到更好的结果，算法中还引入了倒转技术．从对一组问题基准实例的实验计算结果看，该算法在合理的计算时间内，对多个实例得到比当前解决该问题的最高效的启发式算法之一的TSSB算法更好的结果．     

作业车间调度转换瓶颈算法的不可行解问题

文章讨论了作业车间调度问题转换瓶颈算法的一个缺陷。转换瓶颈算法是解决作业车间调度最小makespan(完工时间)问题的很有效的启发式算法。它是基于反复的解决某些单机调度问题。然而在转换瓶颈算法中用Carlier算法解单机调度问题并不总能得到可行解,文中给出了一个反例证明了有产生不可行解的情况。另外,文章还以简洁的方法证明了转换瓶颈算法若用Schrage算法替代Carlier算法解单机调度问题不会产生不可行解。     

恒速处理机的多机Flow shop最小和调度问题的启发式算法分析

本文研究有n个作业需在5个处理机中心进行加工，处理机中心i由l1个恒速机组成的非抢占式多机flow shop调度最小和问题．每个作业有s个工序，每个工序需在对应的处理机中心的任一台机器上加工处理，作业到达前不能加工，所有作业通过处理机中心的路径相同．目标是确定一个作业在每个处理机中心机器上的可行调度序列，使所有作业在最后处理机中心的加权完成时间总和最小化．在作业处理时间需求、作业权重分别为独立同分布的有界随机变量时，通过特殊flow shop调度松弛方法，我们证明该问题在作业数趋于无穷时，一个基于有效作业最短加权平均处理时间需求的启发式算法是渐近最优的．     

求解置换Flow shop调度问题的一种启发式算法

提出了一种新的求解置换flowshop调度问题的启发式算法。问题的目标是:在满足约束条件的前提下使得调度的makespan尽可能地小。定义了一种新的邻域结构。给出了跳坑策略以跳出局部最优解并且将搜索引向有希望的方向。计算了一组著名的问题实例。计算结果表明,算法的优度高于一种改进的遗传算法。     

多目标混合遗传算法求解流水车间调度问题

为高效地求解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,此算法将局部搜索融入进化计算中,采用非劣解并行局部搜索策略,并依据基于Pareto支配关系的个体排序数和密度值进行适应度赋值,以加速算法的收敛,保持群体多样性.仿真结果表明,新算法能够有效地解决多目标流水车间调度问题.     

流水作业批调度问题优化算法研究

为解决流水作业环境作业尺寸有差异的批调度问题,建立了基于混合整数规划方法的最大时间跨度模型,分析问题的计算复杂性,给出设备数、作业数既定情况下的可行解规模.设计一种混合蚁群算法对最大时间跨度进行优化,结合算法的搜索机制和批调度启发式规则,实现了最小化最大时间跨度.利用模拟退火方法改进蚁群算法路径选择,避免算法陷入局部最优和过早收敛.实验设计随机算例,对各类不同规模的算例进行仿真实验,实验结果表明混合蚁群算法在最优解、平均运行时间和最大时间跨度等方面优于其他同类算法.