混合流水车间的遗传算法调度策略(英文)

应用遗传算法对混合流水车间的总作业时间最小的调度问题进行了研究。混合流水车间是一类特殊的流水车间环境,但其每一级可以有多个机床。所提出的算法基于表调度原理,首先给出在第一级工件的排列顺序,并在其后的各级采用先入先出（FIFO）方式。试验表明,所提出的遗传算法调度策略优先于原有的启发式及随机搜索方法。     

基于遗传算法的混合流水车间调度问题研究

研究具有并行机的混合流水车间调度问题。基于遗传算法,以生产周期最短为目标,对混合流水车间调度问题进行数学建模,明确编码、解码方案,确定遗传算子,通过Gantt图给出调度方案。通过Matlab对混合流水车间进行仿真模拟,得出最优解或较优解。研究结果表明,本文提出的方法有效可行。     

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。     

基于遗传算法的双目标混合流水车间调度问题研究

研究双目标混合流水车间的调度问题。提出一种新的算法,以遗传算法为基础,结合小生境技术来解决双目标混合流水车间调度问题。由于在实际的生产加工过程中,单一的目标已经不能满足企业的需要,因此有时需要考虑两个目标。本文充分考虑双目标条件下的流水车间调度问题,在以生产周期为优化目标的同时,生产费用也作为企业生产的优化目标。运用遗传算法来选择不同级别的染色体,对同级别的染色体则通过小生境技术选择,从而保证解的多样性和准确性。以合理的数学模型为基础,确定编码和解码方案,明确遗传算子,最后结合实例通过仿真得出最优方案。结果表明:采用小生境遗传算法可以有效的解决双目标混合流水车间调度问题。     

基于GA-TS混合算法的多装配线调度建模

针对多装配线流水车间调度问题,考虑遗传算法的早熟收敛特性和禁忌搜索算法具有记忆能力的局部寻优特性,将遗传算法和禁忌搜索算法进行结合,提出基于遗传算法和禁忌搜索算法的多装配线混合调度优化算法.先用遗传算法进行全局搜索,改善种群质量,再以改善后的种群作为禁忌搜索算法的初始解,进行局部搜索.依据最小化总延迟和总完工时间的调度目标,建立了一个混合整数线性规划模型,并通过实例演算验证了该混合算法求解多装配线调度问题的可行性和有效性.     

重型机械加工车间物流协调调度问题研究

重型机械加工车间中大型物料搬运占用时间长, 制定调度方案不能单纯考虑生产设备, 生产 设备和物流设备安排不合理, 容易出现停工等待.为解决重型机械加工车间多种物流设备和生产设 备协调调度问题, 分析了该类车间物流和生产特点, 提出运用带有阻塞属性的混合流水车间调度问 题的建模方法, 构建该类车间物流协调调度问题的数学模型, 并运用遗传算法对数学模型进行求 解.最后针对某电信通信塔制造厂实例, 运用该方法, 结果得到车间天车、车辆以及生产设备的物流 协调调度方案, 使得该方案的所有工件最大完成时间较原方案小, 并通过离散时间动态仿真方法验 证了所建立数学模型以及求解方法有效.     

一种改进混合遗传算法解决车间作业调度问题的研究

车间作业排序理论是生产管理与组合优化领域的重要研究方向,由于其固有的计算复杂性(NP-Hard),一般无法利用经典方法求出最优解.针对作业车间调度问题,提出一种求解作业车间调度问题改进的遗传算法.该算法对交叉算子和变异算子进行改进,并将遗传算法和启发式算法相结合,建立一种混合算法框架,能有效避免局部最优.通过实例的计算和分析,取得了良好的调度效果,论证了算法的有效性和稳定性.     

基于改进遗传算法的柔性作业车间调度

应用遗传算法解决柔性作业车间调度问题,针对柔性作业车间问题的特点提出了一种新颖直观的双子串基因编码方法,并设计了独特的交叉和变异算子,从而取消了运用遗传算法求解作业车间问题时为使基因合法化而进行的基因修复和重建过程,仿真结果表明用该遗传算法解决柔性作业车间调度是有效的.     

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。     

基于多代理和蜂群算法的车间调度系统研究

针对实际生产中的车间调度问题,提出了一种基于MAS(multi-agent-system)的车间生产调度系统.结合MAS的自主性、智能性等特性,综合运用蜂群算法、遗传算法实现对车间调度的优化.分析了调度的优化目标,实现了车间的智能化以及车间调度的自动化.     

基于GASA的柔性作业车间动态调度研究

针对柔性作业车间调度在机器故障扰动情况下的动态性及工件交货期模糊的情况,研究采用基于事件与周期混合驱动的滚动窗口再调度策略,并运用线性加权和的方法,以最大完工时间最小、能耗最小、客户满意度最大为目标,建立多目标柔性作业车间动态调度模型,并设计了遗传算法与模拟退火算法结合的GASA算法。将算例仿真结果与遗传算法取得的结果进行对比,验证算法的有效性。     

基于遗传算法的柔性车间批量调度研究

针对一类柔性车间批量生产问题,提出了新的调度策略:区分工件的批量准备时间和加工时间;小批次调度策略.在此基础上,采用遗传算法作全局优化算法来实现最优调度,给出了批次调度策略下的遗传算法的编码、解码方案,以及一种特殊的交叉操作设计.仿真算例分析表明,一方面,所设计的遗传算法对解决柔性调度问题具有理想的效果,另一方面,在采用相同优化算法的前提下,分批次调度策略可以缩短工件的生产周期.     

基于多Agent的柔性作业车间预先/重调度系统

针对柔性作业车间动态调度受到来自外部的随机干扰问题,运用多Agent方法,以平均滞后和开始时间背离为主要目标函数,提出了基于柔性作业车间调度问题的预先/重调度方法,并通过Agent之间的协商来达到系统优化。运用Java语言实现调度系统并进行仿真实验分析,通过与Jain的遗传算法和传统的right-shift重调度方法比较,显示了所提出方法的优越性。     

以利润和熵为性能指标的车间生产调度

为解决以往研究中车间调度指标考虑因素不全面的问题,将时间、质量、成本、能耗和环境5个因素统一为利润指标、提出了以利润作为调度指标、熵作为调度方案有效性的评估指标、基于遗传算法的柔性制造车间调度方法.该方法以利润指标作为遗传算法的染色体适应值,经多次寻优,求解出一组次优调度方案,对次优调度方案集进行利润与熵为指标的基于熵权的多目标决策,决定最终的最优调度方案.应用实例和程序进行验证,结果表明,与传统调度方法相比,所提出的方法在指标的全面性及实用性上有一定优势.     

基于遗传算法的大型Flow—shop生产调度

Flow—shop调度问题具有建模复杂性、计算复杂性、动态多约束、多目标性等特点。近几年,各种演化计算方法逐渐被引入到生产调度中,特别是遗传算法的应用。为此,应用Matlab开发生产调度程序,并利用实际生产数据进行了仿真;通过相关仿真实验,验证了不同交叉算子和变异算子组合获得的最优解存在差异,获得并验证了一种较好的交叉算子和变异算子组合,其仿真调度数据验证了遗传算法用于求解大型流水车间调度的可行性和有效性。     

基于混合遗传算法的分布式车间作业调度问题

分布式车间作业计划与调度是一个典型的组合优化问题,而组合优化问题是遗传算法求解的领域.本文描述了分布式车间作业调度问题及其调度方法,结合分布式车间生产模式的实际情况,将模拟退火算法引入自适应遗传算法,提出了混合遗传算法(GASA);详细地阐述了分布式车间作业计划与调度问题的解决策略和操作过程,并以甘特图的方式给出了计算结果.与其它方法比较,混合遗传算法是解决分布式车间作业计划与调度问题的更为优良的方法.     

求解柔性作业车间调度的岛屿模型遗传算法

针对多品种小批量复杂产品生产的调度优化问题,结合柔性作业车间调度问题与统一计算设备架构的特点,提出了一种求解柔性作业车间调度问题的岛屿模型遗传算法.设计了统一计算设备架构的存储模型及执行模型,给出了染色体编码、解码方式,并改进了遗传算法的选择、交叉、变异操作,最后定义了迁移操作.算法提高了遗传算法在统一计算设备架构上的并行处理效率,使用标准实验数据进行测试,结果表明了使用岛屿模型遗传算法求解柔性作业车间调度问题是有效的和可行的.     

基于多代理系统的车间动态调度模型设计

调度方法是提高车间生产效率的关键.针对实际车间调度问题,提出一种基于多代理系统((Multi-Agent-System,MAS)的生产调度模型,综合运用了遗传算法,蜂群算法,合同网机制,实现了MAS灵活性与上述算法对调度优化的结合.分析了干扰车间调度的因素以及调度优化的目标,实现车间的智能化以及车间调度的自动化.     

带批处理机的多阶段柔性流水车间调度优化

从钢铁行业的炼钢—连铸—热轧过程提炼出中间阶段有多台批处理机,其它阶段为离散机的多阶段柔性流水车间调度问题.首先,结合工件动态到达、各阶段间的运输时间以及机器的调整时间等生产特征,对问题进行描述,建立以最小化总加权完成时间为目标的数学模型.然后,针对该问题提出了改进的自适应遗传算法,使遗传参数随其迭代及适应函数值调节.对150个工件的大量随机数据进行测试,结果表明,与常规遗传算法相比,所提出的自适应遗传算法能在较短的计算时间内得到更好的解;与拉格朗日松弛算法相比,求解大规模问题时,所提算法在解的质量方面优势较为明显.     

求解调度问题的粒子群算法编码方法研究

利用粒子群算法求解调度问题的关键是建立有效的粒子编码结构。介绍了作业车间、流水车间和并行机调度等3类典型调度问题的特点,阐述了求解调度问题的粒子群算法结构,指出设计粒子群算法编码方法需要考虑的3个关键问题。提出3种求解不同调度问题的粒子群算法编码方法,并从生成调度解的可行性和有效性、粒子群计算模型的适用性和解码过程的复杂性等几个方面对粒子编码方法进行分析。以作业车间调度问题为例,验证了所提粒子编码方法的有效性。