一种新的混合优化算法及其在车间调度中的应用

提出了一种解决车间调度问题的新方法, 该方法将序优化思想融入巢分区算法框架, 采用"序比较"的方法进行算法的局部寻优. "序"的指数收敛性加快了巢分区算法的局部收敛速度, 从而提高了算法整体的优化效率. 最优计算量分配技术则依据在线数据对计算量进行合理的分配, 进一步提高算法的收敛速度和结果的可靠性. 混合算法继承了巢分区算法的全局搜索特性以及序优化的快速收敛性. 用该算法解决标准 Jobshop 调度问题, 并与序优化方法和模拟退火算法进行比较, 发现本文算法在收敛速度与优化质量方面均优于这些算法.     

求解批量流水线调度问题的离散差分进化算法

在研究机床加工的过程中,针对最小化E / T指标的批量流水线调度问题,为了提高工效,提出了一种离散差分进化算法.与传统的差分进化算法不同,离散差分进化算法采用基于工件排列的编码方式,并使用基于工件排列编码的变异和交叉操作.方法可以有效解决流水车间调度问题.为了进一步提高算法的优化性能,提出了一种自适应的多邻域局部搜索算法,并将其嵌入到离散差分进化算法中以增强其局部探测能力.仿真试验表明了所得算法在求解质量和求解效率两方面优于传统的研究成果.     

批量流水线调度问题的混合差分进化算法

针对E/T指标的批量流水线调度问题,提出了差分进化调度算法。该算法采用基于实数的编码方式,利用最优目标个体的扰动产生变异个体,通过变异个体与目标个体的交叉产生试验个体,提高了最优目标个体信息共享,并结合模拟退火算法给出了两种混合求解策略。仿真试验表明了所得算法的可行性和高效性。     

融入概率学习的混合差分进化算法求解绿色分布式可重入作业车间调度

本文针对绿色分布式可重入作业车间调度问题(GDRJSSP), 提出一种融入概率学习的混合差分进化算法 (HDE PL), 以实现最大完工时间和总能耗最小. 根据GDRJSSP的问题特点, 设计编码和解码规则, 并采用差分进化 算法执行全局搜索来发现优质解区域. 为能更明确地引导全局搜索方向, 设计基于贝叶斯网络结构的多维概率模型 合理学习和积累优质解(即当前种群中的较优解)的模式信息. 结合问题解的结构特征, 提出基于关键路径的4种邻 域结构来构造局部搜索, 并设计基于非关键路径的节能策略来提升算法获取低能耗非劣解的能力. 仿真实验和算 法对比验证了HDE PL可有效求解GDRJSSP.     

差分进化混合粒子群算法求解项目调度问题*

针对求解资源受限项目调度问题（RCPSP）,提出了基于差分进化（DE）的混合粒子群算法（PSODE）。通过在PSO种群和DE种群之间建立一种信息交流机制,使信息能够在两个种群中传递,以避免个体因错误的信息判断而陷入局部最优点。采用标准测试函数和具体算例进行检验,结果表明PSODE算法可以较好地解决RCPS问题。     

一种粒子群和改进自适应差分进化混合算法及在生产调度中的应用

差分进化算法是一类基于种群的启发式全局搜索技术,但传统的差分进化算法存在停滞现象,容易使算法收敛停止。虽然之后出现了各种版本的自适应差分进化算法,但没有考虑到当代个体的适应值是否向着最优个体的适应值逼近,因此本文提出了一种新型的自适应差分进化算法FMDE。考虑到粒子群算法和差分进化算法类似,为了充分发挥两种算法的特点,提出了自适应差分进化和粒子群的混合算法PSO_FMDE;最后采用测试数据集对性能进行分析。实验结果表明,该算法根据进化过程中的搜索进度自适应地确定变异率,使算法易于跳出局部最优解,以提高全局搜索能力。PSO_FMDE算法较单一算法而言,性能更优,更易于靠近全局最优解。     

混合差分进化算法在舰载机出动调度中的应用

研究舰载机舰面航空保障问题,通过合理规划舰载机在舰面多阶段工位上的保障顺序和时序以提升舰载机的出动效率,并将问题抽象为考虑阶段转移时间的混合流水车间调度模型.针对传统智能算法求解混流车间问题时存在的搜索效率低和易陷入局部极值点的不足,提出了一种混合差分进化算法.为提升算法的求解效率,设计了基于先入先出和最先空闲机器原则的解码策略.其次,引入了交叉、变异参数的自适应控制策略以提升算法的全局搜索能力,并在算法框架中嵌入一种基于模拟退火的多邻域局部搜索策略.最后通过仿真验证了算法对求解舰载机出动调度问题具有较好的收敛性和鲁棒性.     

求解有限缓冲区流水线调度问题的混合蝙蝠算法

针对最小化最大完成时间的有限缓冲区流水线调度问题(LBPFSP),提出一种混合蝙蝠算法(HBA)。在算法设计中,采用基于SPV的编码规则以实现连续的实数向离散的作业序列的转变,在种群初始化时引入NEH启发式算法,为提高算法的搜索效率,以一定的概率执行基于Pairwise的邻域搜索。对标准测试问题在不同缓冲区下的最优值进行仿真并与其他算法进行对比,并对基于Pairwise的邻域搜索的执行概率值对算法性能的影响进行讨论,其结果验证了HBA求解LBPFSP的有效性。     

求解JSP的改进差分进化算法

针对作业车间调度问题,提出一种改进的差分进化算法。该算法设计一种新的实数次序号编码方法,将加工机器实数化,该编码通用性好,能适应于不同情况下的作业车间调度问题;在此基础上,改进变异算子,使得在进化过程中,不会产生无效解,进而提高算法的运行速度;算法还改进了缩放因子,提高种群的多样性。对12个通用的典型实例计算表明,该算法是可行有效的。     

基于混合差分进化算法的梯级水电站调度研究

针对梯级水电站优化调度的复杂问题,结合差分进化算法和混合蛙跳算法各自优势,提出一种新的混合差分进化算法。该算法将差分进化策略嵌入到混合蛙跳算法框架中,对整个群体循环进行分组进化与混合操作,而在每个分组内部按照差分进化策略对个体不断进行更新。数值实验表明该算法具有较强的全局搜索能力,克服了基本差分进化算法易早熟收敛的缺点。将该算法应用于梯级水电站中长期优化调度实例,并与传统动态规划法进行比较分析,进一步验证了其可行性与有效性。     

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.     

瓶颈指向的启发式算法求解混合流水车间调度问题

针对以最小化时间表长为目标的复杂混合流水车间调度问题,提出了一种将机器布局和工件加工时间特征紧密结合的启发式算法.首先,充分利用各阶段平均机器负荷一般不相等的特点确定瓶颈阶段,构建初始工件排序.其次,针对在瓶颈阶段前加工时间较短而瓶颈阶段后加工时间相对较长的工件,在第1阶段优先开始加工.同时,在瓶颈阶段前的每一个阶段,每当有工件等待加工或同时完工时,优先选择瓶颈阶段前剩余加工时间最短的工件加工;在瓶颈阶段以及瓶颈阶段之后,则优先选择这台机器后剩余加工时间最长的工件加工.最后,采用工件交换和插入操作改进初始调度.用Carlier和Neron的Benchmark算例测试提出的启发式算法.将计算结果与NEH启发式算法进行了比较,平均偏差降低了0.0555%,表明这个启发式算法是有效的.     

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。     

An Efficient Hybrid Algorithm for a Bi-objectives Hybrid Flow Shop Scheduling

This paper considers the problem of scheduling n independent jobs in g-stage hybrid flow shop environment. To address the realistic assumptions of the proposed problem, two additional traits were added to the scheduling problem. These include setup times, and the consideration of maximum completion time together with total tardiness as objective function. The problem is to determine a schedule that minimizes a convex combination of objectives. A procedure based on hybrid the simulated annealing; genetic algorithm and local search so-called HSA-GA-LS are proposed to handle this problem approximately. The performance of the proposed algorithm is compared with a genetic algorithm proposed in the literature on a set of test problems. Several performance measures are applied to evaluate the effectiveness and efficiency of the proposed algorithm in finding a good quality schedule. From the results obtained, it can be seen that the proposed method is efficient and effective.     

求解车间调度问题的自适应混合粒子群算法

针对最小完工时间的流水车间作业调度问题,提出了一种自适应混合粒子群进化算法--AHPSO,将遗传操作有效地结合到粒子群算法中.定义了粒子相似度及粒子能量,粒子相似度阈值随迭代次数动态自适应变化,而粒子能量阈值与群体进化程度及其自身进化速度相关.此外,针对算法运行后期进化速度慢的缺点,提出了一种基于邻域的随机贪心策略进一步提高算法的性能.最后将此算法在不同规模的实例上进行了测试,并与其他几种具有代表性的算法进行了比较,实验结果表明,无论是在求解质量还是稳定性方面都优于其他几种算法,并且能够有效求解大规模车间作业问题.     

一种多目标置换流水车间调度问题的优化算法

针对最大完工时间最小和总流经时间最小的多目标置换流水车间调度问题(permutation flow shopscheduling problem, PFSP), 提出一种粒子群优化算法与变邻域搜索算法结合的混合粒子群优化(hybrid particleswarm optimization algorithm, HPSO)算法, 并使算法在集中搜索和分散搜索之间达到合理的平衡. 在该混合算法中,采用NEH 启发式算法进行种群初始化, 以提高初始解质量;运用随机键表示法设计基于升序排列规则(ranked-order-value, ROV), 将连续PSO 算法应用于置换流水车间调度问题;引入外部档案集存贮Pareto 解, 并采用强支配关系和聚集距离相结合的混合策略保证解集的分布性;采用Sigma 法和基于聚集距离的轮盘赌法进行全局最优解的选择;提出变邻域搜索算法, 对外部集中的Pareto 解作进一步地局部搜索. 最后, 运用提出的混合算法求解Taillard 基准测试集, 并将测试结果与SPEA2 算法进行比较, 验证该调度算法的有效性.     

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．