Job－shop问题的Branch－bound方法

本文给出了Ｊｏｂ－ｓｈｏｐ问题的一种Ｂｒａｎｃｈ－ｂｏｕｎｄ方法，并给出了这种方法的证明     

基于蚁群策略的改进概率分析算法求解Job shop问题

通过引入蚁群算法中的正反馈和信息消逝机制,对概率分析算法单纯基于学习概率的进化寻优过程进行了改进.并针对Job Shop基准问题进行求解测试,比较了概率分析算法和改进算法,测试结果表明了改进算法具有较好快速性和稳定性的特点.     

一种Job—Shop装配调度算法的研究

针对产品装配任务的调度问题，提出了一种产品装配任务调度算法，经实例验证，取得了满意的效果。     

Job—Shop Scheduling问题的一个快速算法

Job-Shop Scheduling问题是优化组合中一个著名的难题，即使规模不大的算例在计算上也是很棘手的。文章给出了一个性能很好的算法，该算法找到了所计算的16个算例中12个算例的最优解，而且每个算例在一台个人计算机（CPU为赛扬633）上所花的计算机时间不超过1分钟。     

有交货期限的Job—Shop工件装配逆序调度算法的研究

针对调度领域研究中有交货期限要求的Ｊｏｂ－Ｓｈｏｐ工件装配调度算法,提出了一种逆序初排调度算法及调整算法,并给出了目标函数。通过分析与实例验证,所提出的算法在解决企业的实际生产调度问题时,取得了比较满意的效果。     

车辆路径问题（VRP）的一个启发式算法

考察车辆路径问题：足够多的车座落在一个中心车库，车从车库出发，最终返回到车库，满足顾客的运输需求，求所有顾客的总费用最小。每辆车的装载量不超过它的容量。本文提出一个新的VRP模型及其于贪婪算法的启发式算法，并给出了算法的一个下界，最后给出了一个算例。     

车辆路径问题(VRP)的一个启发式算法

考察车辆路径问题 :足够多的车座落在一个中心车库 ,车从车库出发 ,最终返回到车库 ,满足顾客的运输需求 ,求服务所有顾客的总费用最小。每辆车的装载量不超过它的容量。本文提出一个新的VRP模型及基于贪婪算法的启发式算法 ,并给出了算法的一个下界 ,最后给出一个算例     

用基于模拟退火机制的多种群并行遗传算法解Job—Shop调度问题

应用一种新型的遗传算法－－基于模拟退火机制的多种群并行遗传算法对Job-Shop调度问题进行求解,通过仿真表明此算法不仅具有较强的全局收敛性,而且有更快的寻优速度,是求解复杂调度问题的有效算法。     

求解整数规划方法新探

文献 [1] 提出了求解整数规划问题的一种新方法——松驰最优解邻域整点搜索法。本文用反例说明用松驰最优解邻域整点搜索法求得的最优解不一定是整数规划问题的最优解,并给出了直接搜索的改进算法。     

一类全局优化问题的线性松弛方法

对一类全局优化问题(P)提出了一种线性松弛方法.利用线性化技术建立了问题(P)的松弛线性规划(RLP),通过对(RLP)可行域的细分以及一系列(RLP)的求解过程,提出算法收敛问题(P)全局最优解.数值实验表明,该方法是可行的.     

背包问题的一个k阶优化遗传算法

背包问题是一个NP困难问题,该文在已有的性能比为(k 1)/k的k阶优化算法基础上,提出一个具有与k阶优化算法具有相同的近似性能比的启发式算法:将k阶优化法的结果加入遗传算法的初始种群使原本没有性能比保证的遗传算法具有近似性能比,在保证计算精度的同时大大降低算法的搜索次数,从而提高计算效率.这种算法也具有较高的适应性,可以根据计算速度或精度要求选择适当的正整数k.该文对提到的多种算法编程实现并加以分析,通过比较各种算法的程序输出结果和CPU时间,验证了结论的正确性.     

求解模糊Job Shop调度问题的改进禁忌搜索算法

目的提出一种改进的禁忌搜索算法，解决传统禁忌搜索算法优化效果对运行次数和初始解依赖的不足。提高这类问题的求解质量．方法根据模糊JobShop调度问题解的特征，提出基于关键工序的邻域选择方法，采用此邻域选择方法构造禁忌搜索算法。当无邻域时，重新产生初始解进行禁忌搜索．结果采用改进的禁忌搜索算法对以13个难的benchmarks问题经模糊化得到的实例进行求解。得到的平均满意度8个优于TSAB算法。得到的最优满意度5个优于TSAB算法、4个与TSAB算法相同．结论采用基于关键工序的邻域结构构造的改进TS算法具有较强的搜索能力．     

租车问题的优化模型探讨

在人们的生产实践中,经常会遇到如何利用现有资源来安排生产,以取得最大经济效益的问题。此类问题构成了运筹学的一个重要分枝——数学规划,而线性规划(Linear Programming简记LP)则是数学规划的一个重要分枝。线性规划问题中的数学模型的构造十分有利于最优化问题的直观解决,从而有助于了解线性规划问题求解的基本原理。     

TSP问题及几种常见算法的比较研究

TSP问题是一个经典的NP完全问题,它在众多领域中都有着广泛而有价值的实际应用,所以一直有众多的学者对其进行研究。从介绍TSP问题入手,从动态规划法、分枝界限法、遗传算法、蚁群算法等四种常见算法开始,在概述了各种算法的基本原理、程序设计的基本步骤的基础上,对各种算法的优缺点、时间复杂度、适用范围等几个方面进行了分析和比较。     

可行域计算的仿射-区间方法

提出了一种复杂函数的可行域计算的仿射-区间方法. 首先利用仿射-区间方法对设计域内函数的界限进行分析,并利用分支定界法将该区域分类为可行域、不可行域和不确定域;然后将不确定区域进行细分,并对每个细分后的子区域再进行函数界限分析和分类,直至子区域半径达到设计要求;最后对所有可行域的面(体)积进行统计求和,获得函数的总可行域. 该方法可对非凸函数甚至可行域不连续函数的可行域进行估计. 算例演示了该方法的计算过程,并验证了该方法的有效性.     

一种求解Job Shop调度问题的混合粒子群优化算法

目的 解决单一粒子群算法求解Job Shop调度问题存在的不足,提高这类问题的求解质量.方法 采用粒子群算法进行全局搜索,将禁忌搜索算法用于并行局部搜索,禁忌搜索在找到改进解的邻域时采用动态记忆的方式.结果 在较短时间内,找到了LA21,LA24等典型benchmarks问题的最优解.十次求解的平均值的平均相对误差百分比比并行遗传算法和禁忌搜索算法分别小了2.94%和0.56%.结论 提出一种混合粒子群算法,增强了粒子群算法的局部搜索能力,说明该混合粒子群优化算法是有效的.     

分支定界算法在调度问题上的应用

以在ｎ台机器上串行加工ｍ个工件为例,讨论调度问题的最优求解方法,在分支定界算法中利用串行加工原理选取下界函数,在得到一个可能解后,通过回溯来取得最优解,从而揭示分枝定界算法在调度问题上的应用。