基于混合粒子群算法的汽车零件精冲车间调度研究

针对传统遗传算法在车间作业调度问题难以解决求解约束优化问题时存在难以同时兼顾求解质量和收敛效率这一问题,通过采用了基于工序编码的方式生成可行调度及借鉴遗传算法单点交叉方法,生成基于工件的交叉算子作为粒子的更新方式,将改进后的粒子群优化算法用于求解精冲零件车间调度问题,并在算法中通过利用局部搜索的方式提升粒子群中粒子收敛效率。通过对典型的调度测试问题进行模拟实验,证明了改进后的混合粒子群算法对于求解车间调度问题的适用性及具有不错的求解性能。     

应用混合蚁群算法求解模糊作业车间调度问题

为解决蚁群算法求解时间过长和易陷入局部最优的问题,提出了一种求解模糊作业车间调度问题的混合算法,该算法将蚁群算法用于全局搜索.为了提高搜索效率,根据作业车间调度问题解的特征,提出一种基于关键工序的邻域搜索方法,并使用此邻域搜索方法的禁忌搜索算法嵌入蚁群算法.利用禁忌搜索算法较强的局部搜索能力,提高了蚁群算法的优化能力,改善了作业车间调度问题解的质量.实验结果验证了该混合搜索算法的有效性,其优化效果优于并行遗传算法和禁忌搜索算法.     

置换流水车间调度粒子群优化与局部搜索方法研究

采用粒子群优化算法求解置换流水车间调度问题,提出了一种基于工件次序和粒子位置的二维粒子编码方法.为提高粒子群算法的优化性能,在描述了面向置换流水车间调度问题的粒子邻域结构后,提出了三种基于粒子邻域操作的局部搜索方法,分别是基于互换操作、基于插入操作和基于逆序操作的局部搜索方法.计算结果说明,粒子群算法的优化性能好于遗传算法和NEH启发式算法.三种局部搜索算法均能有效地提高粒子群算法的优化性能,采用基于互换操作局部搜索的粒子群算法的优化性能要好于其它两种局部搜索算法.     

基于混合遗传鲸鱼优化算法的柔性作业车间自动导引车融合调度方法

针对柔性作业车间调度问题,考虑自动导引车(AGV)在车间制造过程中只参与装卸和搬运工作,提出一种实现AGV路径规划与柔性作业车间调度集成优化的融合调度模型。采用基于工序排序与机器选择两个子问题的二维向量编码方案,并在解码过程中提出基于最先服务原则的AGV安排策略。对鲸鱼优化算法进行离散化改进,针对性地设计了多种种群初始化策略,引入遗传算法的交叉、变异操作以提升鲸鱼优化算法的全局搜索能力,并嵌入局部搜索算法以达到全局搜索和局部搜索的平衡,构建了一种混合遗传鲸鱼优化算法（HGWOA）来求解该融合调度模型。通过经典测试算例验证了算法性能,并使用正交试验优化了算法参数。研究结果表明,HGWOA算法用于求解柔性作业车间AGV融合调度问题可以获得较好的效果。     

基于改进遗传算法的作业车间调度

针对传统遗传算法在求解作业车间调度问题时存在的算法收敛速度慢、寻优结果易陷入局部最优等缺点,提出了基于禁忌搜索算法的遗传交叉算子,利用禁忌表对交叉过程重复产生的子代进行有效禁忌,以加快算法的收敛速度,提高算法的全局搜索能力。算法设计了特殊的禁忌交叉方式,经实例表明:与传统的遗传算法相比,改进后的遗传算法在算法的收敛速度和求解的质量方面有了明显提高。     

基于遗传-粒子群混合算法的柔性作业车间多资源调度问题

在传统柔性作业车间调度问题(FJSP)中加入运输和装配环节,提出一种柔性作业车间多资源调度问题(MRFJSP),以完工时间最短为目标建立了包含加工、运输和装配的柔性作业车间调度模型。为了提高传统遗传算法(GA)在车间调度问题中的寻优能力,将粒子群算法(PSO)的寻优过程进行改进并与遗传算法进行结合,提出一种带保优策略的遗传-粒子群混合算法,利用单层编码对模型进行求解。通过算例验证了模型的可行性,并将提出的混合算法与遗传算法和粒子群算法进行比较,证明了混合算法的优越性。     

基于禁忌粒子群算法的混流装配线排序研究

为了更好地解决开放式作业域的混流装配线排序问题,建立了以最小化超载时间与平顺化零部件消耗为优化目标的混流装配线排序问题数学模型,并提出了一种禁忌粒子群算法求解该排序问题。针对标准粒子群算法在算法后期搜索精度不足以及容易陷入局部最优不能跳出的缺陷,引入了禁忌搜索算法建立了对最优微粒的重搜索机制来提高算法跳出局部最优的能力,同时给出了禁忌算法中候选解、禁忌表长度、禁忌对象、藐视准则的设置方法,并采用了随机权重的惯性权重更新方式来平衡算法的全局和局部搜索能力,最后建立了禁忌粒子群的算法流程。通过比较禁忌粒子群算法与遗传算法的实例计算结果,验证了禁忌粒子群算法在求解开放式作业域的混流装配线排序问题中的有效性和优越性。     

关于生产车间作业优化调度效率仿真研究

研究生产车间作业优化调度问题,使车间资源使用效率达到最优,由于车间作业调度目标的多样性,以及求解问题过程的复杂性和约束性,导致求解生产车间作业调度效率较低。为了克服作业车间调度问题解的大山谷结构,且提高生产车间作业调度效率,提出改进的粒子群遗传混合算法。本混合算法首先以最大完工时间最小化为目标,参考了模拟退火过程,提出以Metropolics准则定义自适应变异概率的思想,且在变异交叉操作中辅以改进的2变换邻域搜索,同时动态设置粒子群算法中的惯性权重值,改进的粒子群遗传混合算法具有新颖性的特点。结合3类6组经典作业车间调度问题的测试数据进行仿真实验,混合算法得到的解质量较普通的PSO和SA算法得到的解有较大提升,且与这6组经典问题的最优解的平均误差较小,同时计算时间有大幅提升。仿真结果进一步证明了该混合算法在求解生产车间作业调度问题上具有明显的优势,提高了调度效率。     

一种求解Job-shop调度问题的遗传局部搜索算法

利用遗传局部搜索算法求解了作业车间调度问题,遗传算法中的染色体编码采用基于工序的编码,并用插入式贪婪解码机制将染色体解码至主动调度。为了克服传统遗传算法易于早熟收敛的缺点,设计了一种改进的优先操作交叉IPOX操作和子代产生模式的遗传算法。对于遗传算法每个染色体个体,使用基于N6邻域结构的局部搜索进一步使它们得到改善。利用所提出的混合遗传算法求解基准问题,验证了算法的有效性。     

混沌压缩非线性粒子群算法求解车间调度问题

针对大规模车间调度问题,提出了一种混沌压缩非线性粒子群算法。首先运用多种群策略增加粒子多样性,结合混沌策略和非线性策略改进惯性权重,以平衡全局和局部搜索能力,加快算法后期收敛速度;再引入压缩因子改进算法速度更新公式,加大算法前期搜索范围,以防止算法陷入局部最优;最后用6种车间作业经典算例分别对粒子群算法、遗传算法、灰狼算法和混沌压缩非线性粒子群算法进行检验。实验结果表明,该方法可以显著提升粒子群算法的收敛精度和速度,对于实际大规模车间调度问题适应性较好,能有效提高车间的生产效率。     

An effective hybrid genetic algorithm for the job shop scheduling problem

From the computational point of view, the job shop scheduling problem (JSP) is one of the most notoriously intractable NP-hard optimization problems. This paper applies an effective hybrid genetic algorithm for the JSP. We proposed three novel features for this algorithm to solve the JSP. Firstly, a new full active schedule (FAS) procedure based on the operation-based representation is presented to construct a schedule. After a schedule is obtained, a local search heuristic is applied to improve the solution. Secondly, a new crossover operator, called the precedence operation crossover (POX), is proposed for the operation-based representation, which can preserve the meaningful characteristics of the previous generation. Thirdly, in order to reduce the disruptive effects of genetic operators, the approach of an improved generation alteration model is introduced. The proposed approaches are tested on some standard instances and compared with other approaches. The superior results validate the effectiveness of the proposed algorithm.     

一类解决Job Shop问题的禁忌搜索算法

针对Job shop问题，设计了一种改进的禁忌搜索算法（MTS算法）。MTS算法从多个初始解开始，将传统禁忌搜索算法由串行搜索结构变为并行搜索结构；采用互换和交叉两种邻域搜索函数，既有利于新邻域的探索又有利于交换信息；基于目标值的禁忌表保证了群体的多样性。实验表明，MTS算法克服了传统禁忌搜索算法的缺陷，具有较高的求解质量和鲁棒性。     

A hybrid discrete particle swarm optimization algorithm for solving fuzzy job shop scheduling problem

In this paper, a hybrid algorithm combining particle swarm optimization (PSO) and tabu search (TS) is proposed to solve the job shop scheduling problem with fuzzy processing time. The object is to minimize the maximum fuzzy completion time, i.e., the fuzzy makespan. In the proposed algorithm, PSO performs the global search, i.e., the exploration phase, while TS conducts the local search, i.e., the exploitation process. The global best particle is used to direct other particles to optimal search space. Therefore, in the proposed algorithm, TS-based local search approach is applied to the global best particle to conduct find-grained exploitation. In order to share information among particles, one-point crossover operator is embedded in the hybrid algorithm. The proposed algorithm is tested on sets of the well-known benchmark instances. Through the analysis of experimental results, the highly effective performance of the proposed algorithm is shown against the best performing algorithms from the literature.     

一种求解DGPS动态整周模糊度问题的交叉禁忌搜索

利用遗传算法中的交叉因子作为禁忌算法的分散策略,提出了交叉禁忌算法(CTS).分散策略用于开辟新的搜索空间,将所提出的CTS用于DGPS的整周模糊度解算问题中.首先用零空间约束法确定搜索空间,然后用CTS搜索整周模糊度的最优解.用CTS算法对一个实测算例进行解算,当搜索率为6%的时候,搜索可靠率达到了92%;而用传统的禁忌算法解算时,采用相同的搜索率,搜索可靠率只有45%.实验结果表明CTS的性能要优于传统的禁忌算法.     

基于k-中心点法的改进粒子群算法在旅行商问题中的应用

为将面向连续优化的粒子群优化算法应用于旅行商问题的求解,提出了旅行商问题的权重编码方案.该方案将属于组合优化的旅行商问题转化为连续优化问题,同时保留了粒子群算法的易操作性和高效性.针对粒子群算法易陷入局部最优的问题,提出了适合旅行商问题的基于k-中心点法的改进措施.该措施利用简单匹配系数构建粒子群的相异度矩阵,在此基础上采用k-中心点法对粒子群进行聚类分析,实现了粒子之间的信息交换,扩大了粒子的搜索空间,避免算法陷入局部最优.最后,用旅行商问题标准库的4个算例验证了权重编码方案和改进粒子群算法的有效性.     

An improved genetic algorithm for job-shop scheduling problems using Taguchi-based crossover

A Taguchi-based genetic algorithm (TBGA) is proposed as an improved genetic algorithm to solve the job-shop scheduling problems (JSP). The TBGA combines the powerful global exploration capabilities of conventional genetic algorithm (GA) with the Taguchi method that exploits optimal offspring. The latter method is used as a new crossover and is incorporated in the crossover operation of a GA. The reasoning ability of the Taguchi-based crossover can systematically select the better genes to achieve crossover and, consequently, enhance the GA. Furthermore, mutation is designed to have the neighbor search technique of performing the fine-tuning on the positions of jobs for the JSP. Therefore, the proposed TBGA approach possesses the merits of global exploration and robustness. The proposed TBGA approach is effectively applied to solve the famous Fisher-Thompson and Lawrence benchmarks of the JSP. In these studied problems, there are numerous local optima so that these studied problems are challenging enough for evaluating the performances of any proposed evolutionary approaches. The computational experiments show that the proposed TBGA approach can obtain both better and more robust results than those evolutionary methods reported recently.     

基于约束理论和免疫算法的产品组合优化研究

建立了基于约束理论的产品组合的数学模型，并通过对瓶颈和非瓶颈的定义和归类简化了模型的产能约束。应用免疫算法求解约束理论产品组合优化问题，并提出了基于约束理论的免疫算法。最后，将本算法与传统约束理论启发式、修订约束理论启发式、整数规划法、禁忌搜索、遗传算法等进行了仿真比较，说明了本算法的有效性和实用性。     

基于改进免疫遗传算法的船台吊装网络优化

为了优化起重设备和场地等资源约束下的船舶吊装过程,针对船舶吊装过程,利用时间库所Petri网建立模型,将改进免疫遗传算法应用到所建时间库所Petri网的变迁触发顺序搜索中,提出了一种适合这类问题的交叉变异算子和亲和度计算方法,提高了运算的收敛速度,避免了启发式搜索算法和传统遗传算法由于局部收敛导致的不足。最后,给出了一个实例,通过对具体的某型号散货船吊装过程进行优化,进一步说明了这种方法对于解决船台吊装网络优化问题的有效性。     

求解车间调度问题的改进型自适应遗传算法

针对作业车间调度问题,以最小化完工时间为目标,借鉴内分泌激素调节机制,提出了一种新颖的改进型自适应遗传算法.通过引入自适应交叉概率和变异概率因子,克服了传统的遗传算法在解决生产调度问题时存在的搜索精度低和收敛性难以控制等问题,并在Microsoft Visual C++6.0中实现了该算法.通过一个10工件、10机器作...     

间歇过程PSO SQP混合优化算法研究*

针对SQP算法在求解具有复杂约束的间歇过程优化时容易陷入局部极值点的问题,本文提出一种PSO-SQP混合优化算法。该算法首先采用外点罚函数法将间歇过程有约束的优化问题转换为无约束的优化问题,利用PSO强大的全局搜索能力对其进行求解,并把搜索结果作为SQP搜索初始点,以此弥补SQP全局搜索弱的缺点,再利用SQP良好的局部收敛性和较强的非线性收敛速度对原优化问题进行精细搜索,弥补了PSO局部搜索弱的缺点,通过不断的迭代最终获得优化问题的全局最优解。该算法充分利用了SQP和PSO的优缺点,增强了其对复杂约束优化问题的求解能力。将本文提出的算法用于连续搅拌化学反应系统温度控制中,仿真结果表明产物浓度能够充分逼近期望值,且反应器的温度轨迹收敛,从而验证了该算法的有效性和实用价值。