基于遗传算法的任务分配与调度

应用遗传算法（ＧＡｓ）进行任务分配与调度已越来越多的学者所关注。针对传统遗传算法中初始解群构造和遗传算子的局限性,结合遗传算法和演化策略的优点,提出了一个异构系统中任务分配与调度的进化算法,在列表编码知识表示的基础上,首先对初始解群的构造给出了一种相对均衡的生成方法,然后有针对性地设计出３个遗传算子,即由标准算子改进的杂交算子（ＩＭＣＸ）、基于一个调度内任务交换的内部杂交算子（ＩＮＣＸ）和一种类似     

基于改进遗传算法的网格资源调度策略算法研究

提出了一种基于改进遗传算法的任务调度策略算法,该算法并将子任务按照层次深度排序,兼顾网格资源的运算能力。通过DAG图荻取层次关系,解决种群中的非法染色体问题。在种群进化的时候采用多种群、强父代染色体进化重组的方案。通过仿真实验表明,该算法具有一定的全局搜索能力和局部搜索能力,通过仿真对比可以表明该算法在搜索能力和搜索速度上优于普通的遗传算法。     

基于改进DPSO算法的并行测试任务优化调度研究

并行测试以减少测试时间和降低测试成本的强大优势,已成为当前自动测试系统发展的方向。针对并行自动测试过程中,测试任务调度复杂,难以优化的问题,以PSO算法为基础,通过对问题空间编码的重新定义,并运用交叉、变异算子给出了新的粒子位置的更新公式,提出了一种改进后的DPSO算法。依据并行测试完成时间极限定理,给出了并行测试任务调度的目标函数与约束条件。以某雷达电子装备并行测试系统中三块电路板并行测试为例,对改进的DPSO算法进行了仿真验证,得到了最优调度测试序列。结果表明：与遗传算法相比,改进后的DPSO算法迭代次数更少,寻优性能更好,适用于工程应用。     

基于改进遗传算法的网格任务调度算法

网格任务调度是一个NP完全问题,它关注大规模的资源和任务调度,要求采用的调度算法能够具有高效性.遗传算法被证明是解决这类小规模问题的有效算法,随着任务数和资源数的增加,遗传算法表现出慢速收敛的缺点.为了克服其缺点,提出将Min-min算法与遗传算法相结合的改进遗传算法,从而设计出很好的选择和交叉算子,提高了算法搜索能力和收敛速度.仿真结果表明该算法能更有效解决网格任务调度问题.     

基于改进遗传算法的网格任务调度研究

网格任务调度是一个NP完全问题,它关注大规模的资源和任务调度,要求采用具有高效性的调度算法.提出了一种基于改进遗传算法的网格任务调度算法,在算法初始化种群产生时引入min-min算法和max-min算法,从而提高初始化种群的质量;算法迭代过程中采用了一种新的局部收敛判断以及改进的变异操作来防止局部收敛.仿真结果表明,该改进算法能更有效地解决网格任务调度问题.     

基于改进遗传算法的CLIA运行调度优化

针对化学发光免疫分析仪的运行调度优化问题,以最小化最长完工时间为优化目标,提出了一种改进的遗传算法。在传统遗传算法的基础上,引进了一种基于工件排列的编码方法;采用轮盘赌选择策略保留了种群多样性;利用POX交叉算子优化了交叉结果;对于解码算法的改进,通过加入自适应模块等待算法,解决了设备运行时出现的工件阻塞问题。结果表明,改进的遗传算法可以更合理安排多种工件的检测顺序,有效提高CLIA的运行效率,缩短检测的总时长,具有自动化程度高的优点。     

基于贪心算法和遗传算法的仓储车辆调度算法

针对仓储车辆调度问题提出一种基于贪心算法与遗传算法的调度算法。它主要利用遗传算法为框架筛选、进化出高效的调度方案,算法又融合了贪心算法对调度中的任务排序进行了快速优化。此融合使得遗传算法的编码简便,排除了不可行解的可能,从而使得算法性能大大提高。算法已经C++语言编程实现,实验分析证明:算法有效地提升了调度方案的效率。     

基于任务的网格资源调度研究

本文详细的介绍了网格环境下资源调度的实质;阐述了基于任务的调度原则与体系结构．并总结了若干重要调度算法;分析了目前研究中的问题,并讨论了其未来的发展问题,为进一步的理论研究、实际应用提供一定的基础与方向。     

基于改进遗传算法的资源优化配置研究

当前在解决资源优化配置问题时往往使用贪婪算法、遗传算法等.但贪婪算法只能选择一个最优度量标准,所以只能获得度量意义下的最优解而不是该问题的最优解,而如果直接使用遗传算法又存在搜索空间过大、耗时过长的问题.提出了一种新的算法.先基于贪婪算法获得问题的初始解空间,然后对初始解空间进行冲突检测与消解,最后运用改进的遗传算法进行优化获得最优方案.测试算例表明大大缩小了遗传算法的搜索空间,在保证获得最优解的条件下加快了收敛速度并有效防止了种群的退化.提出的算法在突发事务的处理方面具有一定的意义.     

基于遗传算法的作业车间调度优化

将遗传算法和启发式调度规则相结合，研究了具有柔性加工路径的作业车间的智能优 化调度问题，调度规则的引入使该算法具有较高的搜索效率，遗传算法的引入保证了解的全 局最优性，对照算例，表明该算法在求解性能和效率两方面均具有显著的优势．     

多资源约束的车辆调度问题的改进遗传算法

随着世界经济的发展,物流产业中需要满足的需求越来越多,车辆管理调度是物流系统中一个重要环节。如何在多资源约束的情况下实现车辆的合理的调度是促进现代物流业繁荣和发展的关键问题,因此,通过研究物流配送中的车辆调度需求,针对传统的遗传算法阻碍了车辆调度的发展和改进,减缓物流业快速发展的缺点,提出一种改进的、有效的,对一般车辆调度问题具有一定适用性的遗传算法。通过实例论证表明该算法具有可行性和高效性。     

基于遗传算法的动态资源调度问题研究

建立了无人作战飞机任务规划问题的数学模型，提出了分层递阶的任务规划系统结构．针对任务规划的核心资源调度问题，设计了基于遗传算法的动态资源调度算法，有效地解决了多无人作战飞机的资源调度问题，计算结果表明了算法的有效性．     

基于改进遗传算法的有时间窗车辆调度问题研究*

在分析带有时间窗车辆调度问题的基础上,建立了车辆调度问题的数学模型,并构造了不同时间窗的惩罚函数.设计了针对车辆调度问题基于自然数编码的遗传算法,并改进了传统的交叉运算,避免优秀基因在交叉操作中被破坏,提高了遗传算法的寻优能力.最后,结合算例进行了仿真计算,分析了载重体积约束和时间窗约束对车辆调度的影响,验证了算法的有...     

基于Min-Min遗传算法的网格任务调度方法

针对网格环境异构、分布等特点,在现有的任务调度算法的基础上,结合Min-Min算法和遗传算法的优点,提出了一种基于Min-Min遗传算法的任务调度方法。仿真实验表明：在网格环境下,该算法具有合理性和高效性。     

基于改进遗传算法的泊位岸桥协调调度优化

针对集装箱码头资源调度不合理造成资源浪费的问题,在考虑岸桥装卸成本的基础上,以在港集装箱船总的作业成本最小为优化目标,建立了基于非线性混合整数规划的泊位岸桥协调调度优化模型。为使模型更加接近码头操作的实际情况,模型假设船舶装卸时间依赖于为其分配的岸桥数。采用基于可拓关联函数的改进遗传算法对模型进行求解。改进算法强调了不可行解的重要性,用可拓关联度来衡量种群中不可行解的优劣程度,通过在种群迭代中始终保持一定数量的不可行解来维持种群多样性,从而克服传统算法局部搜索能力较差的缺陷。数值实验验证了模型和算法的可行性和有效性,与不考虑岸桥装卸成本的模型相比,能够有效减少港口资源的浪费。     

Job_Shop调度的图表示模型与改进GA求解

通过把调度方案表示成基于约束的图模型,在遗传算法求解过程中,采用了基于约束的二维数组编码方式,使算法的通用性得到提高。借助拓扑排序来判断个体的合法性及进行适应度的求解,在交叉和变异算子中引入关键工序的指导,缩小搜索空间从而提高了算法求解的效率和质量。最后给出相应实例,并与其它文献中的方法比较验证了本算法的可行性和有效性。     

基于递阶遗传算法的并行多机调度优化

针对最小化完工时间的等同和非等同并行多机调度一类问题，提出了一种递阶遗传算法。该算法根据问题的特点，采用一种递阶编码方案，此编码与调度方案一一对应。用递阶遗传算法优化并行多机调度不需设计专门的遗传算子，操作简单。计算结果表明，递阶遗传算法是有效的，能适用于大规模等同和非等同并行多机调度问题。     

Integration of process planning and production scheduling based on genetic algorithm

Lacking of flexibility in the traditional workshop production, a genetic algorithm is proposed to implement the integration of process planning and production scheduling. In this paper, the processing routes and processing machine are selected through chromosome crossover and mutation, in order to implement the optimal scheduling of the flexible workshop production. Meanwhile, a performance test about the integration of process planning and production scheduling is implemented, and the results shows that the genetic algorithm is efficient to obtain optimal or near optimal process routes which can meet the requirements of production scheduling.     

基于改进遗传算法的应急物资配送车辆调度优化问题研究

以调度完成时间最短为目标,对多种类型车辆从多个仓库点运载多种物资到多个灾害点的问题进行了数学描述,建立了相应的数学模型.采用标准遗传算法对基于模型的算例进行求解,针对标准遗传算法求解存在的早熟收敛、一定迭代次数条件下求解精度不高等问题,分别从改进交叉算子和同时改进交叉算子及迭代引入新个体两个方面对标准遗传算法进行改进.采用改进遗传算法对算例进行求解,并与标准遗传算法求得的解进行对比,结果表明改进遗传算法能明显改善早熟收敛的情况,并获得精度更高的解.     

基于遗传算法的拉动式浸染生产动态排产策略

为解决印染企业中不合理的人工排产使其高耗能、污染大的行业弊端更加明显的问题,提出了一种基于遗传算法的拉动式浸染生产动态排产策略,实现对实际生产中多约束条件的求解,根据染缸的运行情况,在企业资源规划(ERP)系统中实时获取订单进行排产.仿真结果对比人工排产结果表明,该策略在提高生产效率的同时也达到了节能减排的目的.