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。     

基于混合离散人工蜂群算法的混合零等待柔性流水车间优化研究

从钢铁业等流程工业提炼出一类混合零等待柔性流水车间问题,其中一些加工阶段要求工件连续不断地经过这些工序,对该问题建立了整数规划模型,提出了一种混合离散人工蜂群算法以最小化最大完工时间。采用二维矩阵编码表述染色体以及工件右移调整策略进行解码以获取调度解,改进NEH启发式规则用于生成初始种群。在雇佣蜂阶段,引入了修正粒子群优化算法产生新解;在跟随蜂阶段,设计了迭代贪婪算法中的破坏和构造算子,进一步增强算法的搜索能力;在侦查蜂阶段,利用变邻域搜索算子以替换最差解。对不同规模问题进行了仿真测试并与现有算法进行对比,结果表明所提算法在求解混合零等待柔性流水车间问题方面更加有效。     

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。     

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.     

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。     

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.     

基于改进Jaya算法的置换流水车间调度问题研究

置换流水车间调度问题（permutation flow shop scheduling problem, PFSP）广泛存在于流程和离散制造企业。本文提出一种改进的Jaya算法求解最小化最大完工时间为目标的PFSP。在改进Jaya算法中,设计了基于最优和最差个体的4种个体更新方案,通过4种邻域结构对个体进行局部搜索,并通过多样性控制策略来保证种群的多样性。采用改进Jaya算法分解求解Car、 Rec和Taillard基准问题,并与其他算法进行比较,验证了所提算法的有效性。     

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。     

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。     

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。     

基于CRAFT的多阶段柔性设备布局优化算法

多阶段设备布局下的总成本包括设备拆装成本、物料搬运成本以及区域利用成本,问题的目标是最小化总成本.首先,在分析问题的基础上,建立基于多阶段设备布局优化目标的数学模型;其次,采用改进的CRAFT启发式算法优化单阶段设备布局;进一步,提出基于单阶段设备布局算法的多阶段启发式算法,优化多阶段设备布局;最后,数值实验表明算法优化后总成本降幅达28.57%.     

带恶化工件和缓冲区的置换流水车间调度优化

本文研究了带恶化工件和缓冲区的置换流水车间调度问题,其中工件的加工时间是与开始时间有关的线性函数。假设每个工件在不同机器上有不同的恶化率,相邻机器之间的缓冲区容量有限,目标是最小化最大完成时间。针对该NP-hard问题,提出一种嵌入CDS算法和化学反应优化的混合遗传算法进行求解。首先,结合CDS算法和随机规则产生初始工件加工序列群,以改善初始工件加工序列群质量和提高工件加工序列群多样性;然后,基于工件加工位执行双亲双子单点交叉操作,应用基于反转逆序和交换的两种单点变异操作更新解;为进一步改进遗传算法解,引入化学反应优化的合成反应产生邻域解。仿真实验测试了不同规模的实例,通过与已有算法求解实例的结果进行比较,说明了所提出算法的有效性。     

基于绿色生产的混合流水车间调度问题研究

针对绿色可持续发展问题,通过量化绿色指标评价方法,构建最小化最大完工时间、碳排放和噪声的多目标混合流水车间调度模型,并提出一种混合离散多目标帝国竞争算法(hybrid discrete multi-objective imperial competition algorithm,HDMICA)对模型进行求解。采用基于混沌反向学习策略的种群初始化方式提高初始化种群的多样性;基于本文模型设计3种有效的局部搜索策略以提升算法局部搜索能力;通过实验验证所提算法的有效性及优越性。     

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．     

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。     

基于改进NSGA2算法的多目标柔性作业车间调度

柔性作业车间调度问题（FJSP）是经典作业车间调度问题的重要扩展,其中每个操作可以在多台机器上处理,反之亦然。结合实际生产过程中加工时间、机器负载、运行成本等情况,建立了多目标调度模型。针对NSGA2算法收敛性不足的缺陷,引入免疫平衡原理改进NSGA2算法的选择策略和精英保留策略,成功避免了局部收敛问题,提高了算法的优化性能。通过与启发式规则以及多种智能算法进行比对仿真实验,改进的NASA2算法能获得更好的解。用改进的NAGA2算法求解实例,不仅有效地克服多目标间数量级和量纲的障碍,而且得到了满意的pareto解集,进一步验证了该算法和模型的可行性。     

结合Setup和有限等待时间的两阶段混合流水调度优化

基于某洗发水生产企业的运作场景,研究了一种非同质并行机环境下的两阶段混合流水生产调度优化问题。问题综合考虑了各阶段的机器适用性、各机器上的序列相关准备时间(Sequence-dependent setup time,SDST)以及两阶段间的有限等待时间(Limited waiting time),以最小化最大完工时间(Makespan)。在问题建模的基础上,借助作业块划分规则构造了一种基于模型的启发式算法,并设计和实现了针对本问题的遗传算法。通过大量计算实验,将直接求解模型、基于模型的启发式算法和遗传算法这三种方法进行对比分析,验证了算法有效性,并利用遗传算法求解了大规模实际问题。     

基于改进的Tabu算法的配电网无功优化

将一种改进的Tabu算法用于配电网无功优化,建立了相应的数学模型,以规划期内的降损收益最大为目标函数。以邻域搜索给补偿容量固定步长作为一个邻域。为了避免传统的邻域搜索的局限性,文章采用了扩大邻域搜索范围的方法改进了传统的算法。将几个标称容量放在一个数组中,以补偿标称容量。从而扩大邻域搜索的范围,以获得全局最优解。文章应用改进的Tabu算法对34节点系统进行了无功优化计算,与传统的Tabu算法进行比较,结果表明改进的Tabu算法具有更强的全局寻优能力。     

基于粒子群算法求解约束优化问题的改进算法

提出一种进行的粒子群算法(Particle Swarm Optimization,PSO)用于求解多目标的优化问题。这种改进引入遗传算法的交叉算子,增强算法的搜索能力。同时,使用基于子种群划分的改进选择算子,避免算法过早陷入局部最优。使用三个测试函数进行测试,实验结果证明算法的有效性。     

一种基于新改进的Price算法的混合遗传算法求解约束优化问题

新改进的Price算法能够求解多峰、多维,以及不可微目标函数的全局优化问题.把新改进的Price算法作为局部搜索算子,并入到实数编码遗传算法中,构成一个混合遗传算法,求解约束优化问题.该混合算法增强了全局寻优能力,提高了函数值的精度,并减少了计算量.通过对13个约束标准测试函数的仿真实验,并和已有算法的比较,结果表明本文提出的混合遗传算法是有效的.