一种基于模拟退火算法的作业车间调度算法

通过对传统模拟退火算法(SA)和移动瓶颈法(SB)各自算法流程的分析,提出了一种改进的模拟退火算法。算法以模拟退火算法为主体流程,在主体流程过程中融入改进的移动瓶颈技术,在满足接受概率下,优化待接受的解,加快算法的收敛速度。通过对JSP优化问题的仿真试验,改进后的模拟退火算法对大规模组合优化问题求解效率有很大提高。     

用于作业车间调度的模拟退火算法

作业车间调度问题（Job Shop Schedullng Problem，JSP）是一类NP完全问题，解决此类问题较常使用非数值算法，而模拟退火算法是其中较为突出的而且应用广泛的一种算法。本文结合车间调度问题的特点阐述了模拟退火算法在解决车间调度问题上的应用，提出了基于模拟退火算法的车间调度问题模型，并以Matlab为工具进行了仿真实验。     

露天矿卡车SA-GA算法实时调度的实现

应用模拟退火算法优化遗传算法实现了露天矿卡车的实时优化调度。首先，针对所建卡车调度模型的单目标、多约束、非线性优化的特点，应用求解此类问题表现优越的遗传算法进行求解。其次，针对遗传算法局部搜索能力不足的特点，应用局部搜素能力强的模拟退火算法对其进行优化并详细阐述了模拟退火算法优化遗传算法的基本思想和算法流程。接着，应用典型的TSP问题对模拟退火优化遗传算法进行了验证。最终，应用Mtlab编程软件编制了基于SA-GA算法的露天矿卡车调度程序，并以实际生产数据进行了实验验证。     

基于改进遗传模拟退火算法的刀具准时化配送路径规划

为了解决准时生产下的刀具准时化配送路径规划问题,在对数控车间刀具配送流程进行分析的基础上,建立以工序平均满意度和配送车辆数为优化目标的带模糊预约时间窗的刀具配送路径模型。采用改进遗传模拟退火算法对该模型进行求解,在标准遗传算法的基础上,使用模拟退火算法改进遗传算法的变异算子,通过最佳保存策略和排序选择法结合保护最优个体,并辅以自适应交叉概率。最后,通过具体实例证明了该方法解决刀具准时化配送路径优化问题的有效性与可行性。     

基于改进PSO算法的液压调高系统神经网络预测控制

针对采煤机液压调高控制问题,提出一种基于模拟退火粒子群算法的RBF预测控制方法。综合模拟退火算法和粒子群算法的优点,用模拟退火思想来解决粒子群算法易陷于局部最优的问题。用模拟退火粒子群算法优化RBF神经网络,增强学习能力和算法稳定性。利用改进的RBF神经网络对采煤机液压调高系统进行预测控制,仿真结果表明,改进后的方法比传统控制方法辨识精度提高,响应速度更快,证明了该方法的改进效果较好。     

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。     

基于改进粒子群优化算法的传感器部署机制

为提高无线传感器网络性能,通过恰当的传感器部署机制获得优化的覆盖是很重要的问题。改进的粒子群优化算法通过重新部署初始随机分布的移动传感器,改善了覆盖效果。针对粒子群优化算法可能出现局部最优而导致覆盖优化效果降低问题,引入模拟退火算法的接受规则更新微粒的速度和位置。为减少算法执行时间,采用Voronoi图覆盖空缺和传感器间距离的标准偏差设计了适应度函数。最后根据移动距离调整各个传感器的移动目标,减少了能量消耗。仿真结果表明:和原始粒子群算法相比,改进的算法能够获得更高的覆盖率、更快的收敛以及更低的能量消耗。     

基于改进SAPSO算法的永磁直驱风力发电机优化

针对永磁直驱风力发电机的重量、成本和效率的优化,将模拟退火算法的Metropolis准则引入粒子群算法,提出了一种改进的模拟退火粒子群算法,并对发电机进行了优化设计。这种改进的模拟退火粒子群算法不接受差解作为粒子群的全局最优,优化结果显示改进后的模拟退火粒子群算法收敛速度更快,寻优精度更高。有限元仿真结果显示,优化后的发电机设计方案达到了设计要求,与优化前的设计方案相比,发电机的重量减轻了15.3%,材料成本降低了14.1%,进一步验证了发电机设计方案的合理性与优化方法的有效性。     

混合遗传算法在桥式起重机结构优化中的应用

针对工程中的变量离散化问题,提出了一种将遗传算法和模拟退火算法相结合的混合算法。该算法发挥了遗传算法和模拟退火算法的优越性,避免了遗传算法的早熟收敛问题,增强了算法的全局收敛性,并提高了算法的收敛速度。通过对桥式起重机金属结构进行优化,其结果与MDOD和改进遗传算法2种的结果进行比较,表明此算法能够很好处理工程离散化问题。     

基于模拟退火算法优化分析与研究

通过对模拟退火算法(简称SA)的机理与流程分析,找出其优点与缺点,指出了决定SA优化结果的关键因素,给出了设计原则和方法及改进方式,并设计出一种对退火过程和抽样过程进行修改的两阶段改进策略;还根据SA的发展趋势,分析了SA并行设计的意义和可行性,给出了三种可行的并行SA设计方案;最后,针对TSP问题和状态产生函数,设计了优化问题的改进方案.     

免疫模拟退火算法及其在柔性动态Job Shop中的应用

针对车间作业调度问题，在深入分析免疫算法和模拟退火算法的基础上，将两种算法巧妙结合，提出免疫模拟退火算法。该算法引入了免疫记忆、抽取疫苗和接种疫苗等免疫机制，有助于优良个体和基因的保留和利用，提高了算法收敛性，而且其基于概率突跳特性的爬山性能可以避免早熟现象。针对西安航空发动机（集团）有限公司的柔性动态Job Shop，分别用模拟退火算法、免疫算法和免疫模拟退火算法进行了仿真和比较，研究结果表明，免疫模拟退火算法比单一算法性能更优，是求解柔性动态Job Shop问题的有效实用算法。     

基于改进粒子群算法的车间作业排序的优化设计

兼顾车间作业排序中的制造周期和机器利用率,建立了以最小化最大完工时间为主目标、以最大化机器利用率为从目标的优化模型。设计了引入自适应技术的惯性权重,使基本粒子群算法的学习因子可动态变化地改进粒子群算法,并用该改进后的算法对车间作业排序进行了优化设计。实例研究表明：改进后的粒子群算法在收敛速度和收敛可靠性上均优于未改进的粒子群算法,在求解车间作业排序问题的应用中具有更高的求解质量。     

Solving job shop scheduling problems using artificial immune system

The n-job, m-machine job shop scheduling (JSS) problem is one of the general production scheduling problems. Many existing heuristics give solutions for small size problems with near optimal solutions. This paper deals with the criterion of makespan minimization for the job shop scheduling of different size problems. The proposed computational method of artificial immune system algorithm (AIS) is used for finding optimal makespan values of different size problems. The artificial immune system algorithm is tested with 130 benchmark problems [10 (ORB1-ORB5 & ARZ5-ARZ9), 40 (LA01-LA40) and 80 (TA01-TA80)]. The results show that the AIS algorithm is an efficient and effective algorithm which gives better results than the Tabu search shifting bottleneck procedure (TSSB) as well as the best solution of shifting bottleneck procedure ( SB-GLS1 ) of Balas and Vazacopoulos.     

与启发式规则相结合的遗传算法在车间调度问题中的研究

通过在对遗传算法的解码过程中引入启发式规则 ,构造一种新型的与启发式规则相结合的遗传算法 ,即分别利用遗传算法和启发式规则各自的特点来实现不同的调度目标 ,用于解决大规模离散生产类型车间调度问题。通过实例计算分析表明 ,算法适用于大规模离散生产类型车间调度问题     

面向瓶颈漂移的制造车间生产过程优化关键技术

针对生产过程优化决策因被动响应瓶颈动态变化而无法保证系统性能最优的问题,构建面向瓶颈漂移的生产过程优化方法,并对其关键技术进行研究,以实现优化的主动性、全局性和时效性。首先,建立包含最佳瓶颈位置判定、瓶颈预测、瓶颈漂移因素组合优化和生产调度优化的生产过程优化流程;其次,以系统全局效益最大化为目标,运用Flexsim 建模仿真技术,确定系统的最佳瓶颈位置,进而为瓶颈漂移因素的组合优化提供依据;在分析瓶颈漂移因素重要度的基础上,构建面向最佳瓶颈位置的瓶颈漂移因素组合优化方法,以促使瓶颈在制造单元能力/负荷相对平衡的条件下固定于系统最佳位置;构建差额全局效益数学模型,以实现瓶颈漂移影响度的准确度量,并以此为基础,构建生产调度驱动机制,以确定瓶颈漂移环境下生产调度启动的最佳时机,进而过滤不必要的生产调度优化过程,提高系统的稳定性;最后,通过优化汽车某部件装配过程,以验证该方法的有效性。     

基于改进粒子群算法的车间作业排序的优化设计

兼顾车间作业排序中的制造周期和机器利用率,建立了以最小化最大完工时间为主目标、以最大化机器利用率为从目标的优化模型。设计了引入自适应技术的惯性权重,使基本粒子群算法的学习因子可动态变化地改进粒子群算法,并用该改进后的算法对车间作业排序进行了优化设计。实例研究表明:改进后的粒子群算法在收敛速度和收敛可靠性上均优于未改进的粒子群算法,在求解车间作业排序问题的应用中具有更高的求解质量。     

一种求解Job Shop问题的合作型协同进化算法

针对Job Shop调度问题，提出了一种改进的合作型协同进化算法。根据机器数量“自然”分割种群，每个种群对应一台机器，个体以机器前工件的优先列表为编码；将静态繁殖理论引入遗传算子，并通过三种共生伙伴选择方式，利用改进的基于优先列表的G＆T算法解码来评价个体；最后采用一种更新技术和动态群体更新策略来加快算法收敛。通过对Job Shop基准问题的优化，该算法获得了比传统的遗传算法更好的结果。     

针对作业调度问题的遗传选择算子性能分析

针对作业调度问题,通过变形遗传算法实验,对轮盘赌、随机联赛、随机遍历抽样和确定式采样等选择算子进行了比较分析.以FT06典型车间作业调度问题为实例,比较了这几种常用选择算子在解决车间作业调度问题时的性能优劣程度;从全局收敛性和收敛速度两个方面,分析总结了这些选择算子对算法的全局搜索能力的影响程度.实验结果表明随机遍历抽样算子的整体性能要优于其他几种选择算子.