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。     

解决车间调度问题的改进模拟退火算法

结合作业车间调度问题的关键路径理论,设计了一种具有多次退火过程的调度算法。该算法利用记忆表记录下降过程中的平衡点,当一次退火过程结束后,从表中取出各平衡点的温度、状态和抽样长度重新开始退火过程,直到记忆表为空。仿真结果表明该算法在求解质量和求解效率方面均有优势。     

求解作业车间调度问题的并行模拟退火算法

针对作业车间调度问题,提出了一种并行模拟退火算法。该算法实行群体搜索策略,由此定义了邻域搜索规则来增强个体的搜索能力,并运用马尔科夫链分析了算法的全局收敛性。该算法在一些基准问题上得到了检验,通过与其他常规方法的比较,证明此算法可提高搜索效率,改进收敛性能。     

基于遗传与模拟退火算法的分批作业调度

建立了作业车间分批调度问题的数学模型,然后简要介绍了解决分批调度问题的一类方法:2阶段算法,并详细研究了2阶段之间的集成策略.最后,根据一些实验的计算结果,分析了影响分批问题的几个因素.     

Job shop调度文化进化算法研究

作业车间调度优化问题属典型的NP-hard问题,其求解通常采用智能启发式算法,文化进化算法基于文化算法及文化进化思想,通过上层文化空间的经验知识指导下层个体进化搜索的方向及步长,通过模拟人类社会文化进化的机制实现文化空间的进化与更新,最后将算法应用到Jobshop问题的求解,用matlab编程仿真测试,结果表明此算法解决车间调度优化问题是可行的,而且其搜索性能优于一般GA算法及一种改进的微粒群算法。     

基于遗传优化算法求解作业车间调度问题

将一类具有路径柔性的作业车间调度问题，分解为任务优化分配和任务优化调度两个子问题，结合遗传算法和启发式算法，提出了基于遗传算法的优化调度算法，并有实例证实了该算法的有效性。     

基于蜂群算法的作业车间调度研究

根据群体智能原理 ,利用蜜蜂个体与环境之间交互安排任务的模型 ,针对多批次 ,各批次工件随机到达情况下的作业车间调度 ,提出了基于蜂群算法的动态调度方法 ,仿真实验结果表明该方法能够起到优化调度的作用。     

大规模作业车间多瓶颈调度算法

针对大规模作业车间调度问题,提出一种基于滚动窗分解的多瓶颈调度算法.该算法基于关键路径法进行多瓶颈机器的识别,沿时域将大规模调度问题分解为多个子问题进行求解.在子问题创建过程中,提出负荷均衡分布的规则,使得各工件在各子问题中的负荷均匀分布,以实现算法求解过程的稳定性;在子问题的求解过程中,遵循约束理论中瓶颈机主导非瓶颈机的原则,采用瓶颈工序最优化调度、非瓶颈工序采用分派规则快速调度的调度策略,提高算法的求解效率;通过相邻子问题间的工序衔接再优化过程,以及全局解评价子问题染色体适应度值策略,有效避免了子问题分解创建和求解过程的局限性,提高了算法的求解质量.仿真结果表明,该算法具有较佳的求解效率和质量.     

一种改进的作业车间调度算法及其实现

单件小批量生产形式下的作业车间调度是生产调度中的一个重要问题,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。针对已有的求解作业车间调度问题的算法,引入了交换与移动相结合的机制,以提高调解效率,并在Visual Basic for Applications for Project 2000中实现了该算法。经过分析及一个10×10的调度问题的测试实例验证,利用这种算法求解作业车间调度问题可得到十分满意的结果。     

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。     

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。     

基于客户定制生产的车间作业计划

以某离散型制造企业为对象,建立了一种基于客户定制生产的车间作业计划制定模型并给出相应的算法.通过作业优先级设置和工序时间平衡,达到在短时间内生成可用的作业计划.在此基础上,建立起相应的软件模块功能模型,描述了模块的基本功能.最后讨论了车间作业计划制定模型的局限性并给出了相应的解决方法.     

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。     

模具生产车间调度算法研究与实现

针对模具加工的特点，分析了其车间调度中的各种实际情况和约束关系，针对不同类型设备推导出了相应的调摩公式。引入了“工时虚增值”的概念，并在此基础上提出和实现了相关的优先权值调度算法。实践证明，该算法具有良好的可行性和实际可靠性。     

一类解决Job Shop问题的改进遗传算法

将遗传算法与模拟退火算法相结合，提出一种有效的混合调度算法。采用4—2选择代替传统的转轮选择方法，既保留了优秀个体叉维持了群体的多样性；采用具有较强突跳能力的模拟退火算法代替传统遗传算法的变并算子，增强了全局探索能力，减小了陷入局部极小值的机会；采用基于关键路径的状态产生函数，缩小了搜索邻域，提高了算法的效率。仿真结果表明，该算法具有较高的求解质量和效率。     

基于一种改进遗传算法的ERP车间调度研究

ERP系统已成为我国企业管理的一个有效工具，然而目前所有的ERP系统还不完善，其中关于JSP问题则是一个一直没有得到很好解决的难点。正是在深入研究这一问题之后，首先建立一种更加适应企业实际应用的JSP模型，在此基础上对遗传算法做出相应改进，增加对该模型的适应度，并且用该改进算法来解决ERP系统的JSP问题。最后结合具体案例在VB环境下实现该算法软件设计，初步实现ERP软件中的JSP功能，增强ERP系统的完善性。     

基于POX交叉的遗传算法求解Job-Shop调度问题

通过改进传统的遗传算法求解Job—Shop调度问题。为基于工序的编码提出了一种新的POX交叉算子，并与其他交叉算子进行了比较以显示其高效性。为了保留父代的优良特征和减少遗传算子的破坏性，设计了一种子代交替模式的交叉方式。将提出的改进遗传算法应用于muth and thompson‘s基准问题的实验运行，显示该算法的有效性。     

基于粒子群优化和模拟退火的混合调度算法

提出了一种离散粒子群调度算法，采用基于工序的编码方式及相应的位置和速度更新方法，使具有连续本质的粒子群算法直接适用于调度问题。针对粒子群算法容易陷入局部最优的缺陷，将其与模拟退火算法结合，得到了粒子群-模拟退火算法、改进的粒子群算法、粒子群-模拟退火交替算法以及粒子群-模拟退火协同算法等4种混合调度算法。仿真结果表明，混合算法均具有较高的求解质量。