求解非标准作业车间调度问题的均衡算法

针对加工工序的设备是多台具有相同加工能力的机器集合的非标准Job-shop调度问题，利用指针队列及调度均衡的思想来构造目标函数，提出了非标准Job-shop调度算法．经过理论分析和实践验证，相对其他算法更加优化．     

求解多目标柔性作业车间调度问题的离散人工蜂群算法

作业车间调度问题是一类典型的组合优化问题,要求多个作业在不同的机器上进行加工,目的是获得最好的作业加工序列,以满足特定的性能指标。柔性作业车间调度问题是对传统的作业车间调度问题的进一步扩展,由于求解的复杂性,使得传统方法很难在有效的时间内获得问题的最优解。人工蜂群算法是近年来提出的一种受生物行为启发的优化算法,该算法主要通过模拟蜜蜂的觅食来实现问题的求解。提出了一种离散的人工蜂群算法于求解柔性作业车间调度问题,算法通过交叉方式来搜索潜在的更好的蜜源,并采用自适应的变异策略来降低早熟收敛的可能性。最后通过对比实验证明算法对于求解多目标柔性作业车间调度问题是有效的。     

一种求解作业车间调度问题的协同进化算法

提出一种用协同进化遗传算法求解作业车间调度问题的新方法.车间调度问题用传统的启发式算法很难求得最优解.协同进化遗传算法模拟生物界物种之间的竞争、捕食、共生及其相互作用下,各物种协同进化,使整个生态系统由低级向高级进化的过程.协同进化算法与传统的遗传算法相比,不仅加快了算法的收敛速度,且可提高算法的搜索能力,避免算法陷入局部最优.特殊的交叉操作更使所求得的解都为合法解.实例证明协同进化遗传算法是行之有效的算法.     

基于改进粒子群算法的车间作业调度问题研究

针对现行的遗传算法存在过早收敛和进化速度过慢的局限,以及标准粒子群算法收敛精确度不高、易陷入局部极值点的缺点,通过分析原有算法的优化机理,提出一种惯性权重随粒子的进化代数增加而非线性减小的改进型粒子群算法,并将此算法应用于车间作业调度问题中.大量仿真实验结果表明,该算法在求解车间作业调度问题上具有可行性和有效性.     

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.     

有顺序约束的单件车间调度问题的逆序算法

研究了部分工件在加工顺序上存在逻辑优选顺序约束的单件车间调度问题，针对工件之间存在的加工顺序关系，构造了以交货期为基准，以寻求最长加工路径加工时间最短为目标的逆序算法，求解问题，通过实例分析，说明了这一算法在工程中的可行性。     

使用链表求解Job-shop调度问题的算法

根据Ｊｏｂ－ｓｈｏｐ调度问题的特点,提出了一种新的求解Ｊｏｂ－ｓｈｏｐ调度问题的算法．经分析及实验验证,利用这种算法求解 Ｊｏｂ－ｓｈｏｐ调度问题,在保证工件加工顺序的前提下可使工件的加工周期最短．     

基于人工蜂群算法的生产调度研究进展

生产调度是制造和生产系统中最关键的环节之一,对生产效益有着显著影响。在过去十几年里,人工蜂群(ABC)算法已广泛应用于各类生产调度问题的求解,成为生产调度的主要求解方法。全面回顾了基于ABC算法的生产调度研究进展,给出了调度问题新的分类,系统总结了ABC算法在生产调度方面的相关研究成果并提出了未来研究方向。     

混合遗传算法在车间作业调度问题中的应用

本文在对车间作业调度问题及其调度方法进行描述的基础上，将模拟退火算法引入遗传算法，提出了混合遗传算法(GASA)，并将其应用于解决车间作业调度问题。     

求解Job Shop调度问题的自适应遗传算法设计

针对标准遗传算法中交叉概率Pc和变异概率Pm固定不变带来的局限性,以及M.Sr-invivas自适应遗传算法的缺点,提出了根据适应值集中程度,自适应地变化整个种群的Pc和Pm的一种改进的自适应遗传算法,文中系统地介绍了算法的改进及算法的流程,并将算法应用于求解JSP问题,最后用一个典型的测试例子,对本文设计的算法的求解效果进行了测试,并对测试结果进行了分析.     

Petri网的遗传算法在Job-Shop问题中的应用研究

提出了一种基于扩展时间Petri网(ETPN)的单亲遗传算法,并利用该算法对Job-Shop调度问题进行了求解.首先定义一种扩展时间Petri网,然后利用定义的扩展时间Petri网对Job-Shop调度问题进行建模,最后应用单亲遗传算法对模型进行优化调度.通过实例证明了该建模方法和优化算法的有效性和正确性.     

基于自适应参数混合蚁群算法的双资源约束作业车间调度

文章针对以生产成本最小为目标,考虑差异性工人的双资源约束作业车间调度问题,提出参数按算法迭代结果自适应调整,基于蚂蚁流量自适应控制路径选择的混合蚁群算法,在算法前期扩大解搜索空间,后期加快算法收敛,实现算法性能的分阶段性能优化。通过对仿真实验结果的分析,该混合蚁群算法能有效求解双资源约束车间调度问题,且能够在保证得到较优调度结果的同时,具备优秀的收敛性能。     

基于启发式算法的集装箱配载问题的研究

集装箱配载是一个复杂的组合优化问题，属于NP完全问题，求解难度大．在考虑实际应用中的约束条件下，采用整体装填、空间分割、装载间隙合并等策略，提出了一种基于启发式算法的集装箱配载问题的解决方案．运用举例和对比分析验证了该算法的有效性，能够直接应用于物资的集装箱配载．     

解动态Job-shop调度问题的遗传算法

研究了动态Job-shop调度问题,并设计了一种改进的遗传算法。该算法借鉴启发式算法,使用向量进行遗传编码;遗传计算中引入种群间竞争,实现种群向更高层的平衡态进化,进而全局优化调度方案;利用调度评价函数及负荷表,对动态的生产调度进行了有效地评价。仿真实验表明了此法用于复合调度问题的优越性。     

基于ILOG平台的求解动态车间作业调度问题优化算法研究

研究了基于约束规划和启发式搜索算法结合求解动态车间作业调度的问题。以最小化制造周期费用与总拖期惩罚费用之和为优化目标,通过建立调度模型、分析问题的优化特性,提出了基于约束规划的禁忌搜索启发式算法,根据与另外两种算法的比较结果,验证了此算法的有效性。     

自适应蚁群算法在Flow Shop调度问题上的应用研究

运用能自适应地改变挥发度系数的自适应蚁群算法研究流水车间作业排序问题,设计出解决该问题的算法步骤与流程。最后,通过仿真比较该算法与基本蚁群算法在解决该问题方面的性能,仿真结果表明,该算法在解决Flow Shop方面的问题上取得满意的效果。     

基于自适应遗传算法的混合流水车间调度研究

混合流水车间调度问题具有建模复杂性、动态多约束、计算复杂性、多目标性等特点,近些年,各种演进化算法被运用到生产调度中,特别是遗传算法的应用。本文提出了自适应遗传算法求解混合Flow-shop调度问题的方法,应用Matlab对算法进行编码,并利用实际的生产数据进行了仿真。通过仿真实验,仿真调度数据验证了自适应遗传算法用于求解大型流水车间调度的可行性和有效性。     

基于剩余函数的单件车间调度算法的软件实现

单件车间(Job-Shop)调度问题是一类具有次序约束和资源约束的组合优化问题,是一个典型的NP难题。对Job-shop调度算法的研究不仅是对排序理论的一个补充,而且对于解决单件、多品种、小批量机械制造业的现代化管理也会起到积极的推动作用和影响。在求解调度问题的初排算法及调解算法的基础上。利用VC与Matlab混合编程实现了该算法。经分析及实验验证,利用这种算法求解Job- Shop调度问题可得到比较满意的结果。     

基于电阻平衡条件的比例运算电路

为使比例运算电路的设计具有通用性,给出了任意比例系数的加减法运算电路,分析了比例系数与平衡电阻、反馈电阻的关系,将运算放大器输入端电阻的平衡条件转化为输入信号比例系数的关系,并探索了输入端电阻平衡,比例系数取值关系变化时,加减法运算电路构成形式的变化情况,给出一些新的电路设计方案。扩大了比例运算电路的应用范围。