基于协同遗传算法的车间调度问题研究

遗传规划在实际问题中的应用是一个新的发展方向。文章根据车间调度问题的特点,对遗传规划算法进行了改进,借鉴了一种新编码策略将变长编码变成定长,减少了算法复杂度,提高了运算效率;同时设计了一种新的标记交叉算子,这种交叉算法可以有效地避免产生非法解。由于遗传规划问题的收敛性不高,文中将遗传规划和遗传算法有效地结合起来,提出一种协同遗传规划算法,实验表明,改进后的算法比传统算法能更有效地解决车间调度问题。     

基于云免疫克隆算法的空车动态优化问题

通过给定的时间轴将动态空车调度优化问题转化为一系列静态调度问题,以效益最大化为目标函数,考虑空车走行的时间对约束条件的影响,构建基于云偏好度的空车动态优化模型,并结合云模型对免疫克隆算法进行改进,提出一种云免疫克隆算法。算法根据应用偏好信息为抗体进行三维编码,通过计算抗体种群的熵进行免疫克隆操作,并利用云模型的分散稳定性对抗体免疫基因进行重组操作与变异操作,改善了向最优解的高效收敛能力。实验结果分析表明,该算法能改善空车动态调度系统的可用性、负载均衡离差、有效时间等方面的性能,满足了动态调度实时计算的实际需求。     

遗传算法在家纺企业生产调度中的应用

为解决家纺企业的生产调度问题,设计了一种新颖的遗传算法.算法采用自然的编码方式,能有效地反映实际调度方案,即清楚反映出每日每机器加工产品的顺序和数量,通过提出一种新的基于浓度的种群多样性更新选择方法,提高了种群多样性,且利用局部搜索算法对每子代得到的调度方案进行了局部调整,改善了种群质量,加快了收敛速度.仿真结果表明,此算法是有效的,适用于解家纺企业实际生产调度问题.     

资源受限多项目调度的混合遗传算法

针对资源受限多项目调度问题,提出了改进后的混合遗传算法.该算法基于串行进度生成机制,结合多项目任务列表与项目优先权设计了新的染色体,所设计的交叉算子与变异算子均能保证所得新个体满足项目紧前关系约束,从而有效提高算法搜索效率.算法充分利用不同启发式算法构造初始种群,有效扩大种群多样性以避免过早收敛.算法采用正向逆向调度技术对调度方案进行优化,进一步提高了调度方案的质量.与其他多项目调度启发式算法相比,该算法能有效分配资源,显著缩短项目平均总工期.     

求解扩展双资源约束作业车间调度的分支种群遗传算法

根据扩展双资源约束作业车间调度问题的特点,构造了一种混合遗传算法进行求解:以分支种群为载体继承遗传进化经验,利用精英进化算子、基于扇形分割的轮盘赌选择算子及邻域搜索等机制,进一步优化了算法性能。通过分析策略对比仿真、算法性能对比仿真等实验,结果表明上述各种优化机制可行,且对于算法运算效率与寻优性能的优化效果均有良好表现。     

基于改进蝙蝠算法的梯级水电站经济调度

梯级水电站中长期经济调度问题是一个典型非线性优化问题,通常要求在满足复杂的水力、电力约束条件下,使得整个梯级调度周期内发电量最大。为了有效解决这一问题,本文改进了蝙蝠算法更新策略,并引入差分变异操作,提出了一种改进的蝙蝠算法。在改进蝙蝠算法中,每只蝙蝠个体的脉冲频率不随种群迭代而更新,而蝙蝠个体脉冲发射率和脉冲音量随种群迭代而更新;无条件接受全局搜索产生的新解,有条件接受局部搜索产生的新解;同时,改进了速度更新公式,引入DE算法中的变异、选择操作。在差分变异过程中,变异个体继承当前种群最优个体特征的同时吸收种群其他个体信息,增加种群多样性,并且,动态控制变异概率,算法后期个体间差异减小,加强了局部搜索能力。最后为了验证改进蝙蝠算法可行性及有效性,将其运用于求解大渡河流域瀑布沟、深溪沟、枕头坝一级梯级水电站经济调度问题。将模拟结果与另两种算法进行比较,结果表明对于复杂的梯级水电站经济调度问题,改进蝙蝠算法能够在枯水期给电网提供尽可能大而稳定的出力的同时,缩短计算时间,获得精度更高的解。     

基于Co-CEM的柔性车间调度优化算法

为解决船舶制造中的柔性作业车间调度问题,本文提出一种基于协同进化策略的交叉熵算法来提高船舶制造过程的效率。协同进化策略弥补了交叉熵算法局部搜索能力较弱的问题,提高解的质量;提出基于主动调度的遗传解码算法,保证得到的解属于活动调度;遗传操作将相关调度信息保存在基因中,有效提高算法的搜索效率。本文通过实验对比遗传解码与常用的插入式解码算法,验证了解码算法的有效性及其提升能力,与现有具有竞争力的算法进行对比,证明了基于协同进化策略的交叉熵算法的高效性与优越性,给出了优质的甘特图。     

启发式遗传算法求解应急资源调度

提出了带有启发信息的初始种群生成以及染色体编码的过程,给出了对适应度函数进行动态调整的策略。在遗传算子部分给出了对交叉点的选择和对交叉算子、变异算子进行修正的方法。在种群进化过程中提出了回溯迭代控制的方法,通过模拟仿真将算法应用于求解应急资源调度问题,并将本文提出的算法和Dijkstra算法进行了比较。结果表明:用本文提出的算法能有效地求解应急资源调配问题,并且能为决策者提供有力的决策支持。     

改进差分进化算法在梯级水库优化调度中的应用

针对标准差分进化算法缺乏全局与局部搜索的动态调整,进化后期由于种群多样性降低,算法极易陷入局部最优的问题,采用控制参数的余弦函数调整策略,并提出综合分布参数概念,根据种群个体进化过程的特点及算法的阶段特性,自适应调整算法的控制参数及进化策略.通过对工程实例的模拟计算,其结果表明了改进的差分进化算法在解决水库优化调度问题上的有效性.将改进差分进化算法的计算结果与POA及标准差分进化算法进行比较分析,充分体现了改进差分进化算法的优点.     

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。     

求解较大规模JSSP的自适应混合遗传算法

针对一类以最小化加权拖期时间为调度目标的Job Shop调度问题（JSSP），提出一种自适应混合遗传算法。首先，在遗传算法迭代求解过程中，为降低调度问题的求解规模，基于所定义的调度特征量——资源冲突可能性，将所有操作动态划分为资源冲突可能性较高的操作和资源冲突可能性较低的操作，分别直接和间接参与染色体编码。然后，基于上述划分，遗传算法中的染色体由直接参与编码的操作序列构成的基因串、表示启发式规则的基因串（用于确定间接参与染色体编码的操作的加工优先顺序）和标志串3段基因串组成。另外，构造了一个模糊逻辑控制器用于自适应调节第一段基因串的长度，以提高算法性能。数值仿真结果表明，在求解一类较大规模的JSSP时所提算法是有效的。     

基于遗传算法的网格资源任务调度策略研究

网格是当前高性能计算领域的一个研究热点。首先分析了网格任务的特点,给出了网格任务模型,在此基础上提出了一种层次结构的网格资源管理任务调度系统模型。采用了遗传算法作为调度策略,给出了调度策略的每一步具体实现方案。此模型可为网格的资源管理提供一个统一的高层管理框架,能实现全局最优调度,为网格调度提供了一种有效的方法和途径。     

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。     

基于改进遗传算法的公交智能调度

针对公交车辆调度的现状以及所处的运营环境,为了兼顾公交公司与乘客的利益,研究了公交智能调度的优化方法.通过对遗传算法(GA)和禁忌搜索算法(TS)进行分析,提出了一种基于遗传算法和禁忌搜索算法的混合策略(GA-TS).考虑到遗传算法的早熟收敛和禁忌搜索算法自适应强的问题,将上述两种算法相结合,把禁忌搜索算法独有的记忆思想引入到遗传算法的搜索过程中,构造了新的重组算子,提出了基于遗传算法和禁忌搜索算法的混合优化调度算法.实验结果表明,该方法能够有效地解决组合优化问题.     

基于 CHC 算法的集卡与岸桥协调调度优化问题

集卡调度与岸桥调度是集装箱码头作业的两个重要子问题,针对其运营效率是一个动态持续的NP-hard调度问题,考虑到集卡在对集装箱作业时的不确定和动态性到达,提出了一种新的调度规则,建立了集卡与岸桥作业的协同调度数学模型,基于计算复杂性,采用改进的遗传算法,即CHC算法进行求解。实验证明,该模型及算法能够在更大程度上提高码头的整体运作效率,提高码头设备的利用率,减少资源的闲置。     

求解JSP问题的改进遗传算法

作业车间调度是一类求解困难的组合优化问题，使用改进的遗传算法来求解。GA有新解产生盲目性的特点，以搜索效率为目标提出了一种改进的遗传算法，在解的搜索过程中，通过禁忌表操作来评价种群。改进的遗传算法在保持群体多样性的同时，加快了遗传算法的收敛速度，将该算法用于典型作业车间调度问题的测试，找到了已公布的最优解，对超大规模的问题还有待进一步研究。     

求解非满载车辆调度问题的免疫遗传算法

非满载车辆调度问题是车辆调度问题中的一个基本问题,由于它是一个典型的NP难题,传统方法的求解结果往往不能令人满意.曾有研究将传统的遗传算法用于求解非满载车辆调度问题,但是由于遗传算法在遗传后期的波动现象,导致了迭代次数过大和准确率不高.该实验根据生物免疫系统的机理提出的免疫遗传算法,结合了遗传算法的进化操作和生物免疫中的浓度机制,通过抗体的期望繁殖率实现对抗体的促进和抑制,改善未成熟收敛.该算法是在传统遗传算法全局随机搜索的基础上,借鉴生物免疫机制中抗体的多样性保持策略,改善了传统遗传算法的群体多样性,通过与遗传算法的比较,结果表明,该算法不仅收敛,而且具有更好的全局和局部搜索能力和收敛速度.     

基于遗传算法的双目标多工艺路线调度研究

建立了基于双目标多工艺加工计划的生产调度集成框架图和数学模型,给出了基于遗传算法的满足关键零件的交货期和生产周期双目标多工艺加工计划调度算法,并采用改进的遗传算法进行仿真实验。实验结果表明模型是正确的,算法是有效的。     

Job shop scheduling problem with alternative machines using genetic algorithms

The classical job shop scheduling problem (JSP) is the most popular machine scheduling model in practice and is known as NP-hard. The formulation of the JSP is based on the assumption that for each part type or job there is only one process plan that prescribes the sequence of operations and the machine on which each operation has to be performed. However, JSP with alternative machines for various operations is an extension of the classical JSP, which allows an operation to be processed by any machine from a given set of machines. Since this problem requires an additional decision of machine allocation during scheduling, it is much more complex than JSP. We present a domain independent genetic algorithm (GA) approach for the job shop scheduling problem with alternative machines. The GA is implemented in a spreadsheet environment. The performance of the proposed GA is analyzed by comparing with various problem instances taken from the literatures. The result shows that the proposed GA is competitive with the existing approaches. A simplified approach that would be beneficial to both practitioners and researchers is presented for solving scheduling problems with alternative machines.     

基于加工单元的制造车间的生产调度研究

针对基于加工单元的制造车间的生产调度问题进行了研究．采用多智能体技术建立基于加工单元的制造车间的调度系统结构,系统由3类智能体构成：管理智能体、任务智能体、加工单元智能体．各智能体通过相互协商、通讯来完成工件加工路径的确定,智能体之间的通讯是采用OMG的CORBA技术实现的．采用遗传算法来确定工件的开工次序及开工时间．系统还对设备故障、急件插入等异常事件给出了处理方案．所开发系统可以解决基于加工单元的制造车间的动态调度问题,能产生任务的最佳调度方案．最后给出了一个调度算例．