优化递阶组合规则的方法

递阶组合规则是一种优化车间作业调度结果的方法 ,但其构成方式较为复杂。本文讨论了递阶组合规则的组合方式 ,提出了一种基于遗传算法的递阶组合规则构造方法 ,建立了该算法的基本模型 ,最后的仿真算例表明了该算法的有效性     

车间作业的混合组合规则调度方法

分析多种类型零件投放车间时根据零件工艺路线特点，在不同机床上选用适当的启发式调度规则，实现车间调度周期内的多规则混合调度（ＭＤＲ－ＭｉｘｅｄＤｉｓｐａｔｃｈｉｎｇＲｕｌｅ）的方法。实验结果表明，针对具体加工任务和加工资源特点，通过有限步的仿真搜索所形成的多规则混合调度，算法性能比通常所采用的针对所有机床的单规则调度算法有明显提高。该方法已应用于作者开发的车间控制器中。     

基于遗传算法的数据挖掘方法及应用

车间作业调度问题的研究不仅具有重大的现实意义,而且具有深远的理论意义.该文采用数据挖掘算法从大量的车间作业调度中抽取一些有价值的信息或知识,然后应用这些知识来辅助车间作业调度.应用数据挖掘算法从车间作业调度最优方案中抽取出最优调度方案的一些模式知识来发展一些规则集辅助车间作业调度.这些规则可以看作是隐含在车间作业调度最优方案中的,事先未知的潜在有用的信息.根据这些规则可以产生比简单指派更好的车间作业调度方案.最后的数据实例表明该方法无论在调度质量还是在计算速度上都具有较好的性能.     

基于关联规则的作业车间调度问题改进遗传算法研究

针对初始种群对遗传算法求解作业车间调度结果影响较大的问题,提出基于关联规则的作业车间调度问题改进遗传算法(association rules improvement genetic algorithm,AR-GA),以提升算法性能。首先,在遗传算法种群初始化阶段借助关联规则获取基因序列中的频繁工序块;其次,在交叉阶段根据频繁工序块在待交叉种群的分布中设计3种交叉方式;最后,在变异过程中结合分段海明距离引导子代种群变异,并且在每次迭代后更新频繁工序块信息。标准案例测试结果表明,改进后的算法在求解作业车间调度问题时求解效率更高,稳定性更好。     

Dynamic Scheduling of Flexible Job Shops

Aim of this research is to minimize makespan in the flexible job shop environment by the use of genetic algorithms and scheduling rules. Software is developed using genetic algorithms and scheduling rules based on certain constraints such as non-preemption of jobs, recirculation, set up times, non-breakdown of machines etc. Purpose of the software is to develop a schedule for flexible job shop environment, which is a special case of job shop scheduling problem. Scheduling algorithm used in the software is verified and tested by using MT10 as benchmark problem, presented in the flexible job shop environment at the end. LEKIN software results are also compared with results of the developed software by the use of MT10 benchmark problem to show that the latter is a practical software and can be used successfully at BIT Training Workshop.     

作业车间调度规则的挖掘方法研究

针对作业车间调度问题(JSP),提出基于决策树的调度规则挖掘方法,用于从基于传统优化方法所获得的优化调度方案中提取新的调度规则,指导作业车间调度过程.将时间Petri网络用于描述作业车间的调度过程,给出基于Petri网建模的分支定界算法用于搜寻优化调度方案.结合数据挖掘中的决策树分类技术,提出一种新的调度规则挖掘方法.该方法用于提取隐藏在优化调度方案中的调度模式,并将其用作新的作业车间调度规则.针对最小化最大完工时间(makespan)性能指标,在一组测试案例和一组benchmark问题上的对比实验结果表明:相对于已有的同类调度规则和传统的优先调度规则,利用该方法所构建的决策树调度规则能够生成更小的makespan值,从而证明了该方法的可行性和有效性.     

混合遗传算法在车间作业调度问题中的应用

本文在对车间作业调度问题及其调度方法进行描述的基础上，将模拟退火算法引入遗传算法，提出了混合遗传算法(GASA)，并将其应用于解决车间作业调度问题。     

基于混合遗传算法的车间作业计划调度方法

本文在分析比较各种FMS计划调度方法的基础上，将启发式规则引入遗传算法，提出了基于混合遗传算法的FMS作业计划方法。     

基于改进遗传算法的柔性作业车间调度

应用遗传算法解决柔性作业车间调度问题,针对柔性作业车间问题的特点提出了一种新颖直观的双子串基因编码方法,并设计了独特的交叉和变异算子,从而取消了运用遗传算法求解作业车间问题时为使基因合法化而进行的基因修复和重建过程,仿真结果表明用该遗传算法解决柔性作业车间调度是有效的.     

基于遗传算法的车间作业调度

提出了一种基于遗传算法的车间作业调度算法，详细讨论了染色体编码方法和遗传算法的设计，并构造了该算法的基本模型，给出的仿真算例表明了该算法解的有效性。     

求解Job Shop调度问题的自适应遗传算法设计

针对标准遗传算法中交叉概率Pc和变异概率Pm固定不变带来的局限性,以及M.Sr-invivas自适应遗传算法的缺点,提出了根据适应值集中程度,自适应地变化整个种群的Pc和Pm的一种改进的自适应遗传算法,文中系统地介绍了算法的改进及算法的流程,并将算法应用于求解JSP问题,最后用一个典型的测试例子,对本文设计的算法的求解效果进行了测试,并对测试结果进行了分析.     

基于关联规则的服务链组合方法研究

Web服务是设计和构建企业业务应用的重要技术,单个的Web服务由于功能有限很难完成一个复杂的业务流程,因此需要对现有的独立Web服务进行组合．采用服务链组合方法实现服务组合,在服务链的构造过程中引入数据挖掘中的关联规则方法,将原子Web服务的定义简化为输入参数和输出参数,在此基础上运用关联规则对原子服务相互之间的内在关系即关联关系进行分析,然后选择强关联的服务来做参数匹配．最后根据服务请求来选取其中的一条服务链作为实现业务需求的最佳执行策略．通过实验给出了由规则构造服务链的具体实施步骤．     

车间作业调度问题的染色体非完整表示方法

提出了一种用于解决车间作业调度问题的新的遗传染色体编码方法———非完整编码。其特征是基因数少于工序数。剩余基因采用简单的启发式规则方法进行解码。考证结果表明,非完整表示方法能够在合理的时间内得到临近最优解,通过删除高冗余和很少有实际意义的尾部基因,可以使遗传更有效。     

求解JSP问题的改进遗传算法

作业车间调度是一类求解困难的组合优化问题，使用改进的遗传算法来求解。GA有新解产生盲目性的特点，以搜索效率为目标提出了一种改进的遗传算法，在解的搜索过程中，通过禁忌表操作来评价种群。改进的遗传算法在保持群体多样性的同时，加快了遗传算法的收敛速度，将该算法用于典型作业车间调度问题的测试，找到了已公布的最优解，对超大规模的问题还有待进一步研究。     

基于协同遗传算法的车间调度问题研究

遗传规划在实际问题中的应用是一个新的发展方向。文章根据车间调度问题的特点,对遗传规划算法进行了改进,借鉴了一种新编码策略将变长编码变成定长,减少了算法复杂度,提高了运算效率;同时设计了一种新的标记交叉算子,这种交叉算法可以有效地避免产生非法解。由于遗传规划问题的收敛性不高,文中将遗传规划和遗传算法有效地结合起来,提出一种协同遗传规划算法,实验表明,改进后的算法比传统算法能更有效地解决车间调度问题。     

一种Petri网结合遗传算法的优化方法及应用

根据实际优化问题，在时间Petri网和着色Petri网的基础上，提出了一种新的扩展Petri网（EPN）模型，并在EPN中定义了条件矩阵Q，给出了Petri网与遗传算法相结合的优化方法和具体算法，使用本优化方法，对一个车间作业（Job-shop）调度问题进行了求解，建立了该Job-shop调度的EPN模型，并采用单个体遗传算法对Petri网模型进行优化，结果证明了该建模和优化方法的有效性和正确性。     

基于ERP车间作业调度问题的成本优化模型

车间作业调度问题是最困难的组合优化问题之一，也是计算机集成制造系统中的一个关键环节，在实际生产中广泛应用.根据工厂车间生产模式给出了基于工序模式的编码设计方式,并基于这种编码方式对车间作业调度的成本模型做了优化.该模型是一个在时间、可重复使用和不可重复使用资源约束下的多模式车间作业调度问题，加入了不同工序在不同模式下的最小延迟，从而使基于该模型的车间作业调度问题能够达到时间-成本双优的效果.     

基于遗传算法改进的动态车间调度

由于经典的车间调度方法大都将生产系统中各种加工参数看作确定性的精确值,且将生产系统当作一个静态的系统,忽略了实际加工过程中的各种突发状况.因此从动态生产环境下生产运作和管理的实际需求出发,考虑到生产过程中的加工参数非确定性精确值、动态扰动等因素的影响,基于改进遗传算法开展了动态生产环境下的作业车间调度问题的研究工作.将模糊化参数引入调度模型,通过改进来避免一般遗传算法收敛过快的问题,从而寻求到动态车间调度的最优解.     

集装箱递阶优化装箱方法

针对集装箱容积有效利用率普遍偏低的实际，建立了一个用于单一非可塑产品递阶优化装箱的数学模型及方法。     

一种求解作业车间调度问题的协同进化算法

提出一种用协同进化遗传算法求解作业车间调度问题的新方法.车间调度问题用传统的启发式算法很难求得最优解.协同进化遗传算法模拟生物界物种之间的竞争、捕食、共生及其相互作用下,各物种协同进化,使整个生态系统由低级向高级进化的过程.协同进化算法与传统的遗传算法相比,不仅加快了算法的收敛速度,且可提高算法的搜索能力,避免算法陷入局部最优.特殊的交叉操作更使所求得的解都为合法解.实例证明协同进化遗传算法是行之有效的算法.