基于新型邻域结构的混合算法求解作业车间调度

针对作业车间调度问题(Job shop scheduling problem,JSP),以优化最大完工时间为目标,提出一种融合新型邻域结构的混合求解方法。混合算法由具有全局搜索能力的遗传算法和基于邻域结构的邻域搜索算法构成。在邻域结构的设计中,研究了基于甘特图的工序头尾长度计算方法,以及关键工序查找方法。通过分析已有各种邻域结构及相关理论性质,指出邻域结构的根本在于引导关键工序对机器空闲时间进行利用,并将利用方式分为两种情况:直接利用和间接利用。综合两种利用方式,科学指导关键工序的移动,根据关键工序的类型定义相应的移动操作,使其移动范围突破了工序块的内部、紧前、紧后位置限制,扩大了有效移动范围。结合43个基准算例进行测试分析,验证了所提算法具有良好的求解性能。此外,所设计的邻域结构可以进一步融合其他智能算法求解JSP问题。     

基于混合粒子群算法具有交货期瓶颈的作业车间调度问题

为了解决一类具有交货期瓶颈的作业车间调度问题,给出了基于订单优势的交货期满意度和交货期瓶颈资源确定方法,以工件拖期加权和最小为优化目标,建立了基于交货期满意度和瓶颈资源约束的作业车间调度模型;为了求解该调度模型,设计了一种基于模拟退火的混合粒子群算法,该算法采用随机工序表达方式进行编码,并在模拟退火算法中引入变温度参数来提高算法效率。通过随机仿真,分别采用PSO-SA、SA和PSO对所建立的调度模型进行求解,结果显示PSO-SA算法的广泛性好、求解效率高且算法的稳定性好,验证了模型和算法的有效性。     

柔性作业车间调度的改进邻域结构混合算法

针对柔性作业车间调度问题,以优化最大完工时间为目标,提出一种融合改进邻域结构的混合算法。柔性作业车间调度问题机器选择是工序排序优化的前提和基础,因此,将邻域结构分两级进行:第一级跨机器移动工序,第二级同机器移动工序。对同机器移动工序方面进行了改进,结合关键工序的类型定义了相应的移动操作,对已有邻域结构进行了无效移动的精简和有效移动的扩展,提高了邻域结构的精准有效性。给出了邻域结构相应的近似移动评价方法,综合考虑算法的全局搜索能力和局部搜索能力,设计了柔性作业车间调度问题求解算法。通过采用基准算例进行测试,验证了所提方法的有效性。     

变邻域改进遗传算法求解混合流水车间调度问题

针对混合流水车间调度问题的NP难特性,提出一种改进的混合变邻域搜索的遗传算法。建立了数学模型,提出了算法的总体流程,设计了基于操作的编码和解码方法,并采用NEH启发式算法产生初始种群。随机采用基于位置的交叉和线性次序交叉,选用反转逆序的变异算子,交叉变异后合并子代与父代,保留较优个体,对当前最优个体执行变邻域搜索,以增强遗传算法的局部搜索能力。通过初始对比实验,证明了NEH启发式算法能够产生质量更好的初始解,随机采取两种交叉算子能够提高算法的搜索效率,标准算例实验结果表明所提算法能够有效求解混合流水车间调度问题。     

基于交货期的流水线车间调度算法设计与实现

这里提出了在流水线调度时可以利用遗传算法计算出工件的最短通过时间，但同时应考虑交货期的影响、设备的负荷率和员工加班等问题。在设计过程中，根据实际，改进常规遗传算法，设计出一种基于交货期的遗传算法，可以很快的收索到最优个体。实例证明了其可行性。     

基于正逆序策略的混合流水车间遗传调度算法

针对最小化Makespan的混合流水车间调度问题,提出一种将活动调度技术、正逆序调度策略与遗传算法相结合的求解算法。该算法不但采用活动调度技术进行空间缩减,而且采取正逆序调度策略消除算法对问题数据的依赖性、提高种群的多样性。在算法设计中,提出一种新的染色体编码方案用来表示完整的活动调度解及其生成方式;通过选择有效的优先规则集,以活动调度技术为基础设计相应的种群初始化策略和遗传操作。基于Benchmark算例的仿真实验结果表明了该算法的有效性,既可以在很短的时间内求出全部a类和b类算例的最优解;对于相对难解的c类和d类算例,又可以找到质量较高的调度解,其平均偏差仅为3.060%。     

基于邻域渲染的二车间综合调度算法

针对如何将复杂产品工序有效地分配到具有相同设备资源的两车间加工的问题,提出了基于邻域渲染的二车间综合调度算法。该算法为了实现产品加工尽早结束,提出关键设备均衡策略,将关键设备上的所有加工工序预先按并行加工时间最长方案均衡的分配到二车间;为了减少两车间之间的迁移次数,提出邻域渲染策略和同设备工序车间选择策略,通过计算未分配加工车间工序的邻域加工工序的渲染因子和影响因子确定其所在的加工车间;为了提高调度效率,采用动态关键路径策略和短用时策略确定工序调度次序,按序确定工序的加工车间和开始加工时间。分析和实例表明,所提出的算法产品加工时间较短、工序迁移次数较少且不增加算法复杂度。     

基于粒子群优化和变邻域搜索的混合调度算法

提出了用于解决作业车间调度问题的离散版粒子群算法.该算法采用基于工序的编码和新的位置更新策略,使具有连续本质的粒子群算法直接适用于调度问题.同时,针对粒子群算法容易陷入局部最优的缺陷,利用粒子群算法和变邻域搜索算法的互补性能,设计了粒子群-变邻域搜索算法、改进的粒子群算法、粒子群-变邻域搜索交替算法和粒子群-变邻域搜索协同算法4种混合调度算法.仿真结果表明,混合算法能够有效地、高质量地解决作业车间调度问题.     

求解作业车间调度的变邻域细菌觅食优化算法

针对最小化最大完工时间的作业车间调度问题,提出一种基于变邻域趋化操作的细菌觅食优化算法。邻域搜索是一类改进型局部搜索算法,在每一步迭代过程中通过搜索当前解的邻域得到一个改进的解,利用邻域搜索可大大提高局部最优解的精确度。本算法采用基于操作的编码,使得细菌觅食优化算法适用于作业车间调度求解;将3种不同的邻域结构引入趋化操作中,以便扩大可行解的搜索空间,细菌个体按照自适应学习策略根据邻域的各自贡献率选择搜索方式,减少陷入局部极小的机会;同时使用自适应步长更新各邻域内趋化操作的位置,根据适应度值动态调整搜索精度,避免早熟收敛。典型算例试验表明,该算法具有一定的鲁棒性,并有效地提高了搜索精度和收敛性。     

改进遗传变邻域算法求解飞机装配线调度问题

针对飞机装配调度过程中受到空间限制的问题,建立了以最小化装配作业总工期为目标并考虑空间约束的飞机装配线分部段作业调度数学模型,提出了一种求解此模型的改进遗传变邻域算法.该算法采用优先级规则进行种群初始化以缩减解空间,并设计了一种结合接受阈值的变邻域局部搜索方式,采用考虑紧前紧后关系三种邻域结构来确保搜索过程中产生合法解...     

基于交叉选择的变邻域蜂群算法求解置换流水车间调度问题

针对置换流水车间调度问题的特性,设计了一种基于交叉选择的变邻域蜂群算法。首先,算法在初始化种群阶段加入了NEH启发式算法,进而提高初始解的质量。在算法迭代的初期引入了差分进化算子进行交叉与选择,从而提高解的多样性。在算法的局部搜索阶段对50%最优个体加入了交换与逆序两种变邻域操作,增强了算法的搜索能力。通过正交实验选择合适的参数,在Car、Rec以及Taillard标准测试集上进行仿真实验,结果表明所提算法优于与之对比的其他群智能算法。最后,以最小化最大完工时间为寻优目标对某公司轮胎产品生产线上的作业排产问题进行求解,求解结果优于对比的算法,进一步验证所提算法在求解PFSP上的有效性。     

基于遗传算法和变邻域搜索的柔性作业车间同步调度方法

研究了现有的柔性作业车间问题求解算法中存在的计算等待时间与求解结果质量之间的矛盾.针对这一矛盾设计了一种名为同步调度的新型调度求解方法.同步调度实现了生产作业与调度计算同步进行,旨在同时满足零等待与精求解两大要求.基于遗传算法与变邻域搜索设计了两种同步调度算法.在静态与动态柔性作业车间问题上的仿真实验表明,同步调度算法...     

带多处理器混合流水车间调度问题的混合鱼群算法

针对带多处理器的混合流水车间调度问题(hybrid flow shop scheduling with multiprocessor task problems),以最小化所有工件的最大完成时间(makespan)为优化目标,提出一种融合了改进的人工鱼群算法和禁忌搜索算法的混合算法。首先改进人工鱼群算法相关行为及实验优选算法参数,提高了人工鱼群算法收敛速度和精度;然后结合人工鱼群算法收敛快和禁忌算法局部搜索能力强的特点,利用改进的人工鱼群算法进行全局搜索,获得较好的优化解域,再通过禁忌算法在优化解域内进行局部寻优,得到一个最终满意的优化解。基于180个标准算例,算法实验结果表明混合算法的优化性能明显优于禁忌算法和粒子群算法,并且很接近改进的遗传算法。     

[车间调度]混合工作日历下作业车间调度遗传进化方法

针对一类混合工作日历下的作业车间调度问题,提出了一种遗传进化方法。构建了混合工作日历下以生产周期最短为优化目标的作业车间调度优化模型;提出了基于工作日历的时间推算方法,设计了遗传算法对这类问题进行求解。算法采用基于工序的编码方式;遗传操作中采用遗传算子改进策略保证子代个体的可行性,降低了计算量;解码操作中采用了基于工作日历的时间推算方法来准确计算工序的起止时刻,并采用两种技术缩短生产周期。通过案例分析验证了所提方法的有效性。     

单机最大延迟重调度的和声变邻域搜索算法

针对新工件突然到达干扰下的单机最大延迟时间重调度问题,提出一种融合和声搜索与变邻域搜索技术的混合算法。该算法运用两阶段启发式与排序解随机生成相融合的方法来初始化和声记忆库,在和声搜索迭代框架中嵌入了结合问题特征的变邻域搜索算子。为进一步强化算法的寻优能力,设计了基于占优性质的非最优解排除方法,在变邻域搜索算子的局部搜索环节中实施。通过参数校准实验及其结果分析,得出和声记忆库规模与和声记忆思考率两个参数的建议取值。运用校准后的算法对大量算例进行计算测试,并与单独应用变邻域搜索技术的3种已报道算法展开优化性能比较,结果表明所提算法在解的质量与鲁棒性上均具备比较优势。     

混合工作日历下作业车间调度遗传进化方法

针对一类混合工作日历下的作业车间调度问题,提出了一种遗传进化方法。构建了混合工作日历下以生产周期最短为优化目标的作业车间调度优化模型;提出了基于工作日历的时间推算方法,设计了遗传算法对这类问题进行求解。算法采用基于工序的编码方式;遗传操作中采用遗传算子改进策略保证子代个体的可行性,降低了计算量;解码操作中采用了基于工作日历的时间推算方法来准确计算工序的起止时刻,并采用两种技术缩短生产周期。通过案例分析验证了所提方法的有效性。     

求解柔性作业车间调度问题的两级邻域搜索混合算法

针对柔性作业车间调度问题(Flexible job shop scheduling problem,FJSP),以优化最大完工时间为目标,提出一种融合两级邻域搜索和遗传算法的混合算法。基于通过利用机器空闲时间来减小最大完工时间的想法,构造邻域结构,对关键路径上的关键工序进行移动,实现邻域搜索,以改进当前解;设计针对FJSP问题特点的两级邻域搜索方式,第一级邻域搜索为跨机器移动工序,将工序移动到除当前加工机器之外的其他可选机器上,第二级邻域搜索为同机器移动工序,将工序在当前加工机器上进行移动;给出两级邻域搜索相应的保证可行解工序移动条件;兼顾FJSP问题求解算法的全局搜索能力和局部搜索能力,利用遗传算法实现全局搜索,两级邻域搜索实现局部搜索;采用国际通用的FJSP问题基准算例进行测试,验证了所提方法的有效性。     

双机流水车间外包与调度联合优化问题的混合变邻域搜索算法

针对最小化内部完工期与总外包费用的双机流水车间外包与调度联合优化问题,开发了一种混合变邻域搜索算法。在该算法中,采用工件剔除型启发式方法产生初始联合决策解;基于3种新型邻域结构提出了最佳改进式局部搜索规程;引入概率式准则来决定下轮迭代的目标搜索邻域。通过算法校准实验分析,探索出合适的邻域变更次序和温度参数的计算方式。通过与CPLEX软件、隐枚举测试程序对比显示,对于工件数不超过30的算例,校准后所提算法求得最优解的耗用时间更少。通过与遗传算法、模拟退火算法、和声搜索3种对比算法在工件数不少于100的算例上进行对比发现,所提算法经校准后,在求解质量和解的鲁棒性上均具有显著优势。     

基于遗传退火算法的绿色作业车间调度

绿色制造和智能制造是工业发展的两大趋势,针对目前作业车间能耗大、设备利用率低,以及产品拖期严重等问题,以智能制造业环境中的作业车间为研究对象,建立了以车间总能耗和总拖期惩罚为优化目标的多目标调度模型,并通过设置权重系数来调节优化目标决策偏好;基于遗传算法收敛速度快、全局搜索能力强,以及模拟退火算法突跳性强的特点,设计一...     

基于知识进化粒子群算法的模糊交货期流水车间调度问题

针对模糊交货期的流水车间调度问题的特点,提出采用知识进化算法和粒子群优化的混合算法来求解问题。该算法首先在多个群体空间内采用粒子群优化寻找局部最优解,然后利用知识进化算法的猜测操作和反驳操作建立以群体空间知识为基础的一个知识空间,最后通过知识空间的协同进化更新其中的社会知识,从而形成问题的最优解。通过采用所提算法对带模糊交货期的流水车间调度问题的实例进行测试,并比对遗传算法和粒子群优化算法,表明了混合算法的可行性和有效性。