引入免疫算子的遗传算法对作业车间调度结果的影响

解决车间生产调度问题能缩短生产周期,提高生产效率,降低制造成本。通过对作业车间调度问题的分析,提出一种求解作业车间调度问题的免疫遗传算法。该算法通过引入免疫算子,进行抽取疫苗和接种疫苗等免疫机制,充分利用待求解问题的特征信息来指导个体的进化,有效改善基本遗传算法的未成熟收敛和局部搜索能力差的不足,显著提高了基本遗传算法对全局最优解的搜索能力和收敛速度。利用Delphi实现该算法并实例仿真,结果表明免疫遗传算法能有效解决作业车间调度问题。     

改进的遗传算法在车间作业调度中的应用研究

作业调度问题(JSP)是一类典型的NP-hard问题,遗传算法作为一种通用的优化算法在求解JSP中得到了广泛的应用.针对车间作业优化调度问题,通过对原有遗传算法进行了改进,建立了具体的基于遗传算法的改进模型,使其在优化过程中自动给出比较合适的交叉概率和变异概率,并保持群体的多样性,方法和解决步骤,显著提高了搜索效率.较好地解决了车间资源优化调度问题.     

基于最短处理时间疫苗的免疫遗传算法优化FJSP问题

合理的作业调度方案能提高加工机器的利用率。针对柔性作业车间调度求解难度更大的特点,采用免疫遗传算法求解。在疫苗技术方面,提出依据工件工序加工时间表,选择同工件同工序加工时间最短的机器作为疫苗,对相应工件个体机器码接种。最后对测试案例求解,结果表明所采取的方法能够求得更好的调度方案,减少机器空闲时间。     

基于混合遗传算法的车间调度问题的研究

作业车间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，在实际生产中具有广泛应用。为此，提出了实现车间调度的混合遗传算法的设计方案，把遗传算法与模拟退火算法相结合，充分发挥遗传算法良好的全局搜索能力和模拟退火算法有效避免陷入局部极小的特性。通过实验验证了基于GASA混合算法的作业车间调度方法显著提高了搜索效率，改进了收敛性能。     

基于免疫遗传算法的车间动态调度

提出了一种求解车间动态调度问题的免疫遗传算法。该方法在遗传操作过程中,运用免疫机理提取疫苗,并对进化种群进行免疫操作,从而有效地抑制了遗传算法的“早熟”和搜索效率低下的问题;此外,该算法在解码操作过程中引入设备能力空间的概念,从而将设备的加工能力作为约束条件动态引入,有效地解决了车间动态调度和再调度方案的一致性和连续性问题。实例表明该算法能够满足车间动态调度的要求。     

基于遗传算法的模糊目标柔性作业车间调度问题

针对实际作业车间调度问题目标的多样性及其不确定性,提出了一种新的柔性作业车间调度问题模型和处理方法,并在遗传算法中加以实现。计算结果表明,该问题模型能较完整地反映生产实际中调度目标的要求。     

基于Plant Simulation的作业车间调度优化研究

针对某公司机械加工车间作业调度效率低、工件排序不合理问题,借助Plant Simulation软件仿真平台进行分析研究。首先建立作业车间调度问题的仿真模型,设计了基于改进工序编码的方式;然后采用遗传算法对该问题进行优化求解,优化最优解质量,得到调度问题的甘特图,提高了作业调度的效率;最后通过实例仿真,说明此方法解决JSSP的可行性和有效性。     

并行机作业车间等量分批多目标优化调度

为降低并行机作业车间等量分批多目标优化调度问题的复杂度,提高优化效率,提出了一种基于仿真技术和改进非支配排序遗传算法的分步优化方法.建立了一类以完工时间最短和总制造成本最低为优化目标的并行机作业车间等量分批多目标优化调度模型;将各产品进行等量分批,以Witness为仿真平台建立并行机作业车间等量分批生产仿真模型,通过组合仿真优化得到产品理想的等量分批方案,从而将原问题转化为并行机作业车间多目标优化调度问题;设计了一种改进的非支配排序遗传算法,对并行机作业车间多目标优化调度进行求解.通过算例分析验证了该方法的有效性.     

求解JSP的遗传算法中不可行调度的方案

在作业车间调度问题中 ,存在大量的不可行调度解 ,严重影响了遗传算法查找最优调度的质量。本文通过作业车间调度问题数学模型的图论形式 ,深入分析了产生不可行调度的原因及其特征 ,得出了一个可行调度的充要条件。由此 ,提出了遗传算法求解作业车间调度新的编码方法 ,能够彻底避免产生不可行调度解 ,大大提高了遗传算法的质量     

基于遗传算法的柔性车间作业调度研究

阐述了对基于遗传算法的柔性车间作业调度进行研究的重要意义及其研究现状,分析了传统算法应用于车间作业调度过程中出现的问题,论述了在柔性车间作业调度中运用遗传算法的可行性。     

面向Job Shop调度的算法融合方法研究

提出一种算法融合方法,解决单一算法求解Job Shop调度问题存在的不足,提高这类问题的求解质量。在融合方法中,采用遗传算法和蚁群算法进行并行搜索;根据Job Shop调度问题解的特征,提出基于关键工序的邻域选择方法,并将基于这种邻域选择方法的禁忌搜索算法作为局部搜索算法,加强了遗传算法和蚁群算法的局部搜索能力。采用算法融合方法构造的优化算法对13个难解的benchmarks问题实例进行求解,在较短的时间内,得到的十次实验结果的makespan最优值和平均值优于并行遗传算法(PGA)和TS算法。采用算法融合方法构造的优化算法具有较强的搜索能力,说明提出的算法融合方法是有效的。     

多目标免疫遗传算法性能分析及其在柔性作业车间调度中的应用

讨论了一种多目标免疫遗传算法的收敛性和多样性。首先,提出了一种集成免疫思想和遗传算法的多目标优化算法;接着,采用马尔可夫链对算法的收敛性进行了定量分析,证明该算法能以概率1收敛到Pareto最优解集;定性分析了算法的多样性保持策略。最后,结合某柔性车间调度问题的实例,验证了算法的良好收敛性和多样性。     

双资源多工艺路线作业车间模糊调度问题研究

在研究双资源、多工艺路线作业车间调度的基础上,从实际作业车间调度系统存在大量不确定因素的情况出发,建立了模糊调度的数学模型。以最小完工时间和平均满意度最大为优化目标,基于遗传算法,对算法中初始种群的构造、适应度计算、遗传操作等方面进行了研究;应用改进的遗传算法,求解最优调度工序。最后给出了实例仿真和结论。     

基于改进免疫遗传算法的混合车间调度研究

建立了以最大总完成时间最小为目标的混合车间调度模型。该模型包括作业车间和并行流水装配车间两部分调度问题。为降低问题求解难度,采用分解的策略对调度问题分阶段求解,并引入多Agent协商机制和模拟退火算法与免疫遗传算法相结合,提出了基于分解策略的免疫遗传算法,并通过在某汽车减振器企业的实施验证了模型和算法的有效性。     

一类解决车间调度问题的遗传退火算法

将遗传算法与模拟退火算法相结合,提出了一种混合调度算法。该算法采用3种提高效率的策略:(1)采用基于机器的分段编码方式,使编码简单直观,并且编码空间小。(2)采用4-2选择代替常用的转轮选择方式,既保留了优秀个体又维持了群体多样性;(3)采用基于关键路径的邻域产生函数和变异算子,缩小了搜索邻域。实验表明该算法具有较高的求解质量和效率。     

基于改进遗传算法的生产车间多工艺计划调度研究

建立了基于多工艺加工计划的生产调度数学模型,给出了基于改进遗传算法的无辅助加工时间多工艺加工计划调度算法,通过与国外学者提出的算法相比较,证明了该算法的正确性和优越性,实验结果表明,模型是正确的,算法是有效的。     

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...     

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。     

GA based heuristic for the open job shop scheduling problem

Open job shop scheduling is a kind of job shop scheduling in which operations can be performed in any order. In this paper an attempt is made to develop a heuristic for the open job shop scheduling problem using genetic algorithm to minimize makespan. Genetic algorithm operators are suitably modified to maintain feasibility. The results are statistically compared and found to be significantly better than the earlier reported results.