基于遗传算法的柔性车间作业调度

目前柔性车间作业调度问题已成为研究热点,本文采用遗传算法求解该问题。针对柔性车间作业调度问题的特点设计了染色体编码方法,即将基于工序的编码和基于机器的编码方式结合。同时在遗传操作方面设计了相应的交叉和变异算子。这些改进方法可以保证遗传操作每一步产生的染色体在工艺约束和选择机器方面都是合法的,避免了传统柔性车间作业调度中繁琐的染色体合法化修复工作。为了得到活动调度,在进行适应度计算时对染色体中的基因序列进行调整。仿真结果表明设计的遗传算法求解柔性车间作业调度是有效的。     

考虑运输时间的柔性作业车间调度问题研究

针对工件实际加工过程中工件转移的重要性,对运输时间的柔性作业车间调度问题进行优化研究,建立了以最小化最大完工时间和总碳排放量为优化目标的调度数学模型,并提出了一种改进的NSGA-Ⅱ算法。算法采用基于工序和机器特征的双链式编码方法,设计了针对工件运输时间的插入式解码操作;为探索到更优的前沿解设计了一种局部邻域搜索策略;基于非支配解引入了节能低碳策略进行排放量调整;通过仿真实验对比结果,表明了改进NSGA-Ⅱ算法及其求解考虑运输时间的柔性作业车间调度问题的有效性。     

改进捕鱼算法求解柔性作业车间调度问题

传统基于精确算法求解柔性作业车间调度问题时,仅能对小量柔性作业车间调度问题实施求解,具有一定的局限性。针对该问题,采用改进捕鱼算法求解柔性作业车间调度问题,在分析经典捕鱼算法存在弊端的基础上,提出改进捕鱼算法,融入渔夫的自身感知性能以及捕鱼经验,分析鱼浓度高的区域,并不断趋向该区域区间,通过概率分布原理对渔夫撒网方案实施优化。分析求解柔性作业车间调度问题的描述以及性能指标,将性能指标作为改进捕鱼算法的输入,通过运算获取最佳的调度结果。实验结果说明,所提算法具有较高的调度效率和精度,并且确保作业车间能耗的最小化。     

基于人工鱼群算法的MES车间动态调度问题研究

作业车间存在诸多不确定信息和干扰的生产。为解决作业车间环境下制造执行系统的动态调度问题,文中介绍了基于人工鱼群算法的制造执行系统动态调度方法的设计,并深入研究了人工鱼群算法的应用。为使人工鱼群算法能应用于离散的生产调度问题中,依据实际情况对算法进行了部分修改。最终将改进后的人工鱼群算法应用于制造执行系统的车间动态调度中,优化了调度结果的质量。     

带运输资源约束柔性作业车间调度问题的人工蜂群算法

本文针对一类柔性作业车间调度问题,综合考虑运输资源约束、工件间准备时间约束等条件,以最小化最大完工时间和能耗为目标,提出了一种改进的人工蜂群优化算法.为求解该问题,算法采用二维向量编码,即调度向量记录工件的调度顺序,机床分配向量记录工件分配可用机床情况,解码过程充分考虑运输资源、工件间准备时间等约束条件.在局部搜索策略...     

云制造模式下多目标柔性作业车间调度研究

为了解决实现云制造模式过程中的柔性作业车间调度问题，在进化算法的基础上提出了IM-MOEA/D算法。该算法为了减少运算，种群使用双编码模式，初始化种群分两步策略和六种规则，采用两类五种变邻域搜索并设置搜索阈值，以提升算法的全局和局部迭代寻优能力。最后用算例验证了IM-MOEA/D算法的有效性，有助于改善云制造环境下柔性作业车间调度的制造效率。     

基于粒子群算法的车间作业调度问题

通过对车间调度问题的描述,针对传统算法寻优效率低的弱点,提出了一种基于粒子群算法的车间作业调度问题的解决方案.对粒子群算法的基本原理进行了阐述,并对粒子群算法的编码、参数的选择以及解码进行了研究,以最小化最大流程时间作为评价算法的性能指标,将其用于编程求解典型调度问题.仿真结果表明,粒子群算法在求解车间作业调度的应用上是十分有效的.     

计算机科学数学基础

0633539改进的遗传算法在边坡稳定性中的应用研究[刊,中]／张伟／／深圳职业技术学院学报．-2006,5(3)．-18-20 (C)边坡稳定性评价的关键是如何确定最危险滑动面的位置并计算与之相对应的安全系数．是非线性优化问题。为克服传统优化分析方法容易陷于局部最优解的缺点,作者采用保留策略改进的遗传算法与上限解法结合,开发了应用对边坡的安全系数进行分析,结果显示误差较小,收敛速度快。参8 0633540高压下声速温度系数的一种新算法[刊,中]／张旭东／／沈阳工业大学学报．-2006,28(4)．-474-477(C) 0633541基于距离加权Bloom filter的网络路由算法[刊,中]／段迅／／海军工程大学学报．-2006,18(4)．-80-83, 104(G) 0533542遗传算法的双目标柔性作业车间调度研究[刊,中]／余琦玮／／中国计量学院学报．-2006,17(3)．-246-250 (G)研究了FMS环境下先进制造车间路径柔性的优化调度问题。同时考虑现代生产准时制的要求,建立了柔性作业车间调度问题的双目标数学优化模型,并给出了求解模型的遗传算法的具体实现过程;针对模型的特殊性．提出了染色体两层编码结构,将AOV网络图应用到解码和适应度函数的计算中,通过一个调     

基于改进遗传算法的多目标JSP调度研究

针对多目标车间作业调度问题(JSP),提出了一种混合遗传算法,将多目标遗传算法得出的初步优化结果作为粒子群算法的初始粒子,利用粒子群算法强化局部搜索,加快收敛速度,改善了简单遗传算法局部搜索能力差、迭代效率低的问题.仿真结果表明了该算法对JSP调度的良好效果.     

基于决策树挖掘技术的调度算法研究

作业车间的历史调度隐含着丰富的调度信息,文章在传统调度规则、数据挖掘、遗传算法相结合的作业车间调度方法的基础上,提出了基于数据挖掘的调度算法。选择与优化目标相关的工序信息作为历史离线调度数据集的属性,提出了一种应用于决策树的属性分类方法,再利用决策树C4.5算法从数据集中获得调度知识,形成C4.5多叉树规则,进一步与启发式算法融合,改进了初始种群随机的局限性,实现作业车间的实时调度优化。仿真表明,文章所提出的算法在优化性能和收敛速度方面具有明显的优势。     

进化规划方法在最小化拖期任务数并行机调度问题中的应用

随着ＣＩＭＳ技术的发展,生产线调度问题的研究显得日益重要,最小化拖用期任务数并行机调度问题是一类重要的生产线调度问题,但迄今为止,在解决工件和机器数较多的大规模并行机调度问题还存在着许多困难,进化规划方法与遗传算法一样是一种重要的进化计算方法,它具有描述简单,使用灵活,运行效率高,鲁棒性强,较少受初始条件限制等优点,这使得它有很高的实用价值,但与遗传算法相比,进化规划方法的应用还刚刚开始,特别是在     

工件混流方式下的调度算法设计研究

工件混流方式类型的调度问题是一个NP难题，近年来用人工智能法特别是将遗传算法来研究工件混流方式调度问题比较多，在遗传算子操作中如何保持染色体的合法性是一个难点。文章给出了一个新的染色体编码方式，结合到动态调度算法来解决工件混流方式调度问题，并利用调度与优化分开的原则，来提高整个算法对数据环境的适应性。计算机的仿真表明该算法对残缺数据环境具有灵活的适应性，而且其效果也是良好的。     

Assignment and Scheduling in Flexible Job-Shops by Hierarchical Optimization

In this paper, we propose a new hierarchical method for the flexible job-shop scheduling problem (FJSP). This approach is mainly adapted to a job-shop problem (JSP) with high flexibility and is based on the decomposition of the problem in an assignment subproblem and a sequencing subproblem. For the first subproblem, we propose two methods: the first one is based successively on a heuristic approach and a local search; the second one, however, is based on a branch-and-bound algorithm. The quality of the assignment is evaluated by a lower bound. For the second subproblem we apply a hybrid genetic algorithm to deal with the sequencing problem. Computational tests are finally presented.     

求解Job shop的一种快速混合算法

结合车间调度问题本身的特点,采用关键路径块邻域结构,混合禁忌搜索算法和粒子群优化算法,设计了一种快速混合调度算法.该算法对预选择的块邻域解的性能进行快速估计,对不可行解尽早舍去,大大减小了邻域解的搜索空间.仿真结果表明,该算法在求解平均时间和性能方面均具备明显优势.     

模具柔性流水车间滚动调度策略研究

针对模具柔性流水车间滚动调度问题,建立了滚动调度策略。该策略充分考虑了模具车间出现的各种扰动事件,建立了周期驱动和事件驱动相结合、利用滑动窗口的机制。最后通过仿真分析,说明了方法的有效性。     

求解模糊作业车间调度问题的群体邻域搜索算法

 本文提出一种群体邻域搜索算法(Swarm-based Neighborhood Search,SNS),用于最小化模糊作业车间调度问题(Fuzzy Job Shop Scheduling Problem,FJSSP)的模糊makespan.该算法使用基于有序工序的编码,通过锦标赛选择和概率为1的动态调整互换操作更新群体.对调度结果的理论分析表明,模糊makespan能反映解的优劣.理论分析及大量实验证明,SNS具有较强的全局和局部优化能力,以及较快的收敛速度,在求解FJSSP方面具有较强的优势.     

基于遗传算法的生产车间调度方法研究

生产调度理论与方法研究是非常困难的课题,中成药加工生产车间调度问题有着深刻的实际背景和广阔的应用前景.为此本文全面综述了生产调度的相关理论模型,并分析了遗传算法在中成药加工生产车间调度中的应用,最后总结了将遗传算法、作业车间调度和中成药生产调度结合的优点和对研究的展望.     

求解模糊柔性作业车间调度的多目标进化算法

针对实际制造车间中工序加工时间具有不确定性,将加工时间采用模糊数表示,建立一种多目标模糊柔性作业车间调度模型,并提出了有效求解该模型的多目标进化算法.算法采用混合机器分配和工序排序策略的方法产生初始种群,并采用插入空隙法对染色体进行解码.定义一种新的基于可能度的个体支配关系和一种基于决策空间的拥挤算子,并将所提支配关系和拥挤算子运用于快速非支配排序.接着,提出一种基于移动模糊关键工序的局部搜索策略.实验部分首先通过田口试验方法来研究关键参数对算法性能的影响;其次,将所提算法与三种不同的优化算法作对比.实验结果验证了所提算法的有效性.     

Solving Multiple-Objective Flexible Job Shop Problems by Evolution and Local Search

Finding realistic schedules for flexible job shop problems has attracted many researchers recently due to its nondeterministic polynomial time (NP) hardness. In this paper, we present an efficient approach for solving the multiple-objective flexible job shop by combining evolutionary algorithm and guided local search (GLS). Instead of applying random local search to find neighboring solutions, we introduce a GLS procedure to accelerate the process of convergence to Pareto-optimal solutions. The main improvement of this combination is to help diversify the population toward the Pareto front. A branch and bound algorithm for finding the lower bounds of multiple-objective solutions is also proposed. Experimental results indicate that the multiple-objective Pareto-optimal solutions of our algorithms dominate previous designs for solving the same benchmarks while incurring less computational time.