基于遗传算法的Job Shop调度研究进展

Job Shop是典型的调度问题 ,遗传算法一直是计算智能的主要研究对象 ,因此基于遗传算法的Job Shop研究在学术界和工程界受到极大的关注。对近年来这方面的研究情况进行了较全面的综述 ,其中涉及编码、算法改进和比较、特征分析、混合算法、拓宽性、实际应用和调度器开发等 ,并讨论了进一步研究的若干方向     

一种求解Job Shop 调度问题的改进遗传算法

传统遗传算法在求解Job Shop调度问题时存在收敛速度慢,易于早熟的缺点。在病毒遗传算法(VEGA)和灾变遗传算法的基础上提出了一种带有灾变因子的病毒遗传算法(IVEGA-C)。该算法在传统遗传算法的基本结构上加入了病毒感染操作和灾变操作,病毒感染操作实现了同代个体之间横向传递进化信息,灾变操作采用灭绝操作。正是这种改进加快了遗传算法的收敛速度,避免了早熟现象和陷入局部最优解。通过仿真实验验证了IVEGA-C算法在解决Job Shop调度问题中的性能优于传统GA算法和VEGA算法。最后给出了应用该算法的一个实例。     

基于多层遗传算法的柔性Job Shop调度问题的研究

介绍了柔性Job Shop调度问题的模型,并针对三级子问题,分别设计了相应的遗传算法,给出了其流程.通过实例证明,该算法的设计是行之有效的.     

求解车间作业调度问题的一种改进遗传算法

针对标准遗传算法收敛速度慢和易陷入局部最优的问题，在总结已有经验的基础上对标准遗传算法提出改进：采用基于工序的编码、解码方式，每一次遗传操作后对种群采用循环选择并保留最优个体，对交叉操作和变异概率的计算提出了一系列改进方法，避免遗传算法产生无用解或陷入局部优化，以提高效率。通过实验验证，改进后的算法具有可行性，并且可以得到十分满意的结果。     

Job Shop 调度的序列拉格朗日松驰法

拉格朗日松驰法为求解复杂调度问题次最优解的一种重要方法，陆宝森等人把这种方法推广到Ｊｏｂ Ｓｈｏｐ调度问题，但他们的方法存在解振荡问题。本文提出一种序列拉格朗日松驰法，它能避免解振荡。     

求解Job Shop调度问题的混合蚁群算法研究

为了解决单一算法求解Job Shop调度问题存在的不足，该文提出了一种混合算法，将蚁群算法用于全局搜索。针对蚁群算法易于陷入局部最优的情况，提出了一种基于关键工序的邻域搜索方法，将使用此邻域搜索方法的TS算法作为局部搜索策略。利用TS算法较强的局部搜索能力，提高了蚁群算法的优化能力，达到改善Job Shop调度问题解的质量。实验结果表明，混合算法在较短的时间内，找到了FT10、LA24、LA36等典型benchmarks问题的最优解，得到的makespan的平均值较并行遗传算法(PGA)和TSAB算法均有所提高。     

一种基于SystemC的Job Shop调度问题建模方法

考虑SystemC解决大规模集成电路硬件建模问题的优势,运用事件驱动下进程交互仿真策略,提出了一种基于SystemC仿真平台的生产调度问题建模方法,并将该方法应用于求解经典的Job Shop调度问题。仿真实例表明基于SystemC的仿真建模方法对于求解Job Shop调度问题可以达到令人满意的效果,从而验证该方法应用于实际生产调度问题建模的可行性。     

基于遗传算法的一类Job—shop调度

针对遗传算法解决生产路径不固定的调度问题所遇到的困难，提出一种遗传编码方式，并相应采用新的遗传算子。应用于某冷轧厂的精整计划钢卷调度问题，进行了仿真分析。     

Job Shop调度问题中优先规则的性能评价

本文通过计算机仿真。利用优先系数法定量评价 Job Shop 调度问题中优先规则的优劣,并探讨了在综合性能指标下比较优先规则的好坏的方法.     

基于佳点集遗传算法求解Job—shop调度问题

1.介绍 Job-shop调度问题(JSSP)是极为困难的带约束组合优化问题,是NP难的。典型的Job-shop调度问题可描述为n个工件要在m台机器上加工,每个工件有其特定的加工工序,每道工序加工时间已知,并符合以下假设: (1)每个机器在同一时刻只能加工一个工件。(2)每个工件的工序事先确定。(3)同一工件的两个工序不可同时进行。(4)不允许抢占式执行,即一个工序执行后就不能中断。(5)机器间传送时间为零。典型的调度目标是确定每个机器上工序的加工顺序和各工序的开始时间,以使完成所有工序所需的时间(Makespan)最少。     

基于遗传算法的作业车间调度优化求解方法

针对 job shop调度问题 ,提出了一种遗传算法编码方法和解码方法。该方法根据问题的特点 ,采用一种按工序用不同编号进行的染色体编码方案 ,并采用矩阵解码方法。此编码与调度方案一一对应 ,并且该编码方案有多种交叉操作算子可用 ,无须专门设计算子。算例计算结果表明 ,该算法是有效的 ,适用于解决 job shop调度问题 ,通过比较 ,该遗传算法优化 job shop调度操作简单并且收敛速度快。     

改进布谷鸟算法求解双资源约束柔性车间调度问题

针对双资源约束的柔性车间调度问题（DRCFJSP）,以优化最大完工时间为目标,设计出一种具有改进解码方案的布谷鸟算法对其进行求解。由于DRCFJSP除了需要考虑机器的分配,还需要兼顾工人的加工情况,所以改进了传统解码方式以避免机器和工人在加工时间上的冲突,同时在解码时尽可能利用机器和工人的空闲时间。在布谷鸟算法核心框架下,将布谷鸟种群随机划分为三个子群,每个子群采用不同Lévy飞行方式独立进行寻优,并通过差分算子实现子群间信息交流,不仅增强了算法的全局搜索能力也平衡了算法的局部搜索能力。最后通过基准测试算例进行实验仿真分析并与其他算法进行对比,验证了改进布谷鸟算法和改进解码方法的有效性优越性。     

基于遗传算法的Job Shop调度问题研究

在多平行工作站环境下,为使限定资源分配下的车间调度问题(Job Shop problem,JSP)具有最小总延迟时间;同时又可设定各订单具有不同的开工日(release date)及到期日,提出以可开工时间与结束时间为基础的分解解法,并在遗传算法的基础上构造混合遗传算法(hybrid genetic algorithm,HGA)来实现目标设定。实验结果表明,HGA在问题求解质量与Lingo解的最佳解差异在15%以内,并具备较基本型遗传算法更佳的稳定性。结果显示该算法可帮助管理人员实现智能资源配置与订单调度。     

基于自适应遗传算法的Job Shop调度问题研究

求解Job Shop调度问题是个NP完全问题,为了提高遗传算法的性能,提出一种新的自适应遗传算法(NSGA)以解决Job Shop调度问题.采用活动调度解码方法、过滤个体适应度相同的筛选策略、改进自适应交叉变异概率等改进策略来提高算法性能,最后通过仿真比较分析证明该算法的先进性.     

求解多目标作业车间调度问题的混合变异杂草优化算法

针对多目标作业车间调度问题,提出一种混合变异杂草优化算法。该算法采用基于各子目标熵值权重的欧氏贴近度作为适应度值计算方法,引导种群向Pareto前端进化。在进化过程中,运用快速非支配排序策略构建Pareto档案,并利用进化种群中最优个体实时更新Pareto最优解集,提升算法的优化性能;同时通过引入变异算子增加种群多样性,避免算法陷入局部最优。最后,基于Benchmark算例的仿真实验,验证了该算法求解多目标作业车间调度问题的有效性。     

求解作业车间调度问题的改进遗传算法

使用遗传算法求解作业车间调度问题时,为了获得最优解,提高算法的收敛速度,提出了改进遗传算法.算法以最小化最大完工时间为优化目标,初始化时将种群规模扩大为原来的两倍以增加种群多样性;迭代时使用新的适应度函数让染色体间更易区分;通过轮盘赌法完成染色体选择;用POX(Precedence Operation Crossove...     

冷轧合同批量调度的模糊Job Shop模型及算法

针对冷轧薄板生产线机组设备多、产品种类多的特点,提出一种合同批量调度方法．该方法将生产合同按产品种类和交货期组批处理,建立了具有模糊处理时间的Ｊｏｂｓｈｏｐ调度模型来描述整个生产物流情况,并定义了分情况的合同批量加工时间推算规则．针对调度模型的求解,给出一种多子种群并行粒子群算法．利用宝钢冷轧薄板厂的实际生产数据进行了试运行,结果表明,该方法可大幅度提高合同交货期满意度,并能有效减少合同批量调度的工作时间。     

带并行机调度问题中基于ANFIS的自适应算法

针对用规则的线性组合方法解决实际的复杂调度中,如何确定哪些规则需要组合和确定权系数一直缺乏有效的方法,提出了根据多个不同的生产调度目标采用ANFIS将不同调度目标的规则进行自适应的综合,进行学习后产生模糊规则的算法,并将其用于带并行机Jobshop调度问题中。数值计算结果表明,该算法能够较好地对一些规则进行综合,并且在此类调度问题中有比这些规则更好的效果。今后的研究方向是调整ANFIS的结构使其更适合调度问题。