求解Job Shop调度问题的混合蚁群算法研究

为了解决单一算法求解Job Shop调度问题存在的不足，该文提出了一种混合算法，将蚁群算法用于全局搜索。针对蚁群算法易于陷入局部最优的情况，提出了一种基于关键工序的邻域搜索方法，将使用此邻域搜索方法的TS算法作为局部搜索策略。利用TS算法较强的局部搜索能力，提高了蚁群算法的优化能力，达到改善Job Shop调度问题解的质量。实验结果表明，混合算法在较短的时间内，找到了FT10、LA24、LA36等典型benchmarks问题的最优解，得到的makespan的平均值较并行遗传算法(PGA)和TSAB算法均有所提高。     

求解车间作业调度问题的一种改进遗传算法

针对标准遗传算法收敛速度慢和易陷入局部最优的问题，在总结已有经验的基础上对标准遗传算法提出改进：采用基于工序的编码、解码方式，每一次遗传操作后对种群采用循环选择并保留最优个体，对交叉操作和变异概率的计算提出了一系列改进方法，避免遗传算法产生无用解或陷入局部优化，以提高效率。通过实验验证，改进后的算法具有可行性，并且可以得到十分满意的结果。     

求解Job-Shop调度问题的思维进化算法

在基本思维进化算法（Mind Evolutionary Computation)框架的基础上，引入了基于工件加工次序的可行性调度结构，并根据编码的特性，提出了一种用于趋同，异化过程的信息抽取方法，进而完善了用于求解Job-Shop调度问题的趋同，异化算子，并同遗传算法进行了比较，仿真结果证明了方法的有效性。     

混合蝗虫优化算法求解作业车间调度问题

作为新兴的智能算法，蝗虫优化算法在作业车间调度问题中的应用符合智能制造的趋势。但由于全局寻优能力不足，基本蝗虫优化算法（GOA）在解决作业车间调度问题（JSP）时容易陷入局部最优，导致收敛精度较低。为了克服上述缺陷，利用量子旋转门操作对其进行改进，提出了一种基于量子计算思想的混合蝗虫优化算法（HGOA）。此外，对混合蝗虫优化算法进行了计算复杂度分析与全局收敛性证明，并利用11个作业车间标准测试问题进行了仿真实验。通过与基本蝗虫优化算法（GOA）、鲸鱼优化算法（WOA）、布谷鸟搜索算法（CS）、灰狼优化算法（GWO）的比较发现，混合蝗虫优化算法在平均值、最小值、寻优成功率及迭代次数方面存在较优结果。研究表明，混合蝗虫优化算法具有更强的全局搜索能力，更好的收敛精度，能够有效跳出局部最优。     

混合灰狼优化算法求解柔性作业车间调度问题

将灰狼优化算法(GWO)用于柔性作业车间调度问题(FJSP),以优化最大完工时间为目标,提出一种混合灰狼优化算法(HGWO).首先,采用两段式编码方式,建立GWO连续空间与FJSP离散空间的映射关系;其次,设计种群初始化方法,保证算法初始解的质量;然后,嵌入一种变邻域搜索策略,加强算法的局部搜索能力,引入遗传算子,提升算法的全局探索能力;最后,通过实验数据验证HGWO算法在求解FJSP问题方面的有效性.     

混合竞争群优化算法求解柔性车间调度问题

针对柔性作业车间调度计算复杂度高,求解困难的难题,在分析竞争群优化算法的基础上,提出一种混合竞争群优化算法.首先,结合两段式编码设计了一种基于最小工序完工时间的机器选择策略,将连续的竞争群优化算法离散化;然后,将POX交叉与环形拓扑结构相结合,并引入邻域搜索,应用于优胜个体的更新,增强算法的全局搜索能力和局部搜索能力....     

基于效率函数求解单件车间调度问题算法的软件实现和实例分析

单件小批量生产形式下的单件车间（Job-shop）调度是生产计划中的一个重要问题。西方在文献[1]提出的求解Job-shop调度问题的初排算法及调解算法的基础上，做出了进一步的修改和完善，在调解算法中引入了交换与移动相结合的机制以提高调解效率；在软件实现中引入了“虚工序”的概念，并在“VBA ForProject2000中实现了该算法。经分析及实验验证，利用这种算法求解Job-shop调度问题可得到十分满意的结果。     

混合哈里斯鹰算法求解作业车间调度问题

针对哈里斯鹰算法（HHO）求解作业车间调度问题（JSP）时存在寻优能力差、易陷入局部最优等缺点提出了混合哈里斯鹰算法（HHHO）。首先,在种群初始化阶段引入混沌理论增加种群多样性;其次,在HHO搜索前期采用能量非线性递减和量子计算增强算法全局探索能力,在搜索后期采用邻域搜索算法增强算法局部开发能力;最后,选取了FT和LA系列算例测试了算法的性能,并与其他先进元启发式算法对比,验证了HHHO在求解JSP时的有效性和优越性。     

Job-Shop调度问题的遗传算法研究

本文针对最小化最大完工时间的Job-Shop调度问题，提出了一种新型的遗传算法。与局部查找算法结合利用一种新型的染色体编码方法，并引入种群间的竞争，实现目标的全局最优化。     

混合鲸鱼优化算法求解柔性作业车间调度问题

提出一种混合正余弦鲸鱼优化算法,将其应用于柔性作业车间调度问题的研究,以最小化最大完工时间为目标;首先进行两段式编码,使连续型鲸鱼优化算法可应用于柔性作业车间调度问题,并对基本鲸鱼优化算法加入非线性收敛因子平衡搜索与开发阶段;以正余弦算法策略改进鲸鱼个体位置更新方式与螺旋方式,提升算法寻优能力;最后以实验数据验证混合正...     

柔性车间调度问题的协作混合帝国算法

针对柔性车间调度问题（FJSP）的非确定性多项式特性,提出一种新的改进算法——协作混合帝国算法,用于寻找最小化最大完工时间的调度。首先,根据标准帝国竞争算法（ICA）的流程特性,设计了自适应参数的改进,可提高算法的收敛速度;然后,引入帝国和殖民地双改革变异,并针对工序排序和选择机器的不同阶段提出多变异改革策略,可提高算法的局部搜索效率;最后,创建大陆间国家交流合作机制,促进优秀国家对外信息交流,可提高算法全局搜索能力。通过对多个柔性车间调度实例进行仿真,结果表明,所提出算法在求解质量和稳定性上均优于多种群体智能进化算法,更适合解决该类调度问题。     

基于改进帝国竞争算法的柔性作业车间机器故障重调度

针对机器故障下的柔性作业车间重调度问题,提出了一种改进的帝国竞争算法(ICA).首先,以最大完工时间、机器能耗和总延迟时间为目标函数建立柔性作业车间动态重调度模型,并对三个目标采用线性加权法;然后提出了改进的ICA来把优良的信息保留到下一代,即在传统ICA的同化和革命步骤后加入一个轮盘赌的选择机制,使初始帝国中的优秀基...     

定位—路线问题的遗传禁忌混合优化算法

研究了带软时间窗的定位—路线问题的遗传禁忌混合优化算法,该算法同时兼顾了定位—路线问题中的定位—配给和车辆路线安排两个子问题。给出的遗传算法与禁忌搜索算法的混合策略、遗传编码和相应的遗传操作方式,有效地提高了算法的求解效率和求解质量。最后,通过实验证明了算法的可行性和有效性。     

基于多区域采样策略的混合粒子群优化求解多目标柔性作业车间调度问题

柔性作业车间调度问题(FJSP)是一类应用广泛的组合优化问题.针对多目标FJSP求解过程复杂、算法易陷入局部最优的问题,提出了一种基于多区域采样策略的混合粒子群优化算法(HPSO-MRS),以同时优化最大完工时间和总机器延迟时间这两个目标.多区域采样策略能够区分粒子所在Pareto前沿面的位置,根据不同区域进行采样重组...     

蜜蜂交配优化算法在车间作业调度中的应用

为了解决车间作业调度问题,在对其进行分析描述的基础上,提出了采用蜜蜂交配优化算法的求解方法。该方法把由多个作业调度方案组成的集合作为蜂群,以最小化加工时间作为算法的优化目标,通过模拟蜂群交配繁衍培养蜂王的优化过程来获得最优作业调度方案。采用车间作业调度测试案例在Matlab平台上进行实验,实验结果表明,该方法不仅能够有效地求解车间作业调度问题,而且能够取得了比传统优化方法更好的优化结果。     

FICA: fuzzy imperialist competitive algorithm

Despite the success of the imperialist competitive algorithm （ICA） in solving optimization problems, it still suffers from frequently falling into local minima and low convergence speed. In this paper, a fuzzy version of this algorithm is proposed to address these issues. In contrast to the standard version of ICA, in the proposed algorithm, powerful countries are chosen as imperialists in each step;according to a fuzzy membership function, other countries become colonies of all the empires. In ab-sorption policy, based on the fuzzy membership function, colonies move toward the resulting vector of all imperialists. In this algorithm, no empire will be eliminated;instead, during the execution of the algorithm, empires move toward one point. Other steps of the algorithm are similar to the standard ICA. In experiments, the proposed algorithm has been used to solve the real world optimization problems presented for IEEE-CEC 2011 evolutionary algorithm competition. Results of experiments confirm the performance of the algorithm.     

求解作业车间调度问题的差分和声搜索算法

为能够应用和声搜索算法(HSA)高效求解作业车间调度问题(JSSP),提出一种新的差分和声搜索算法(DEHSA)。首先,针对和声函数连续而工序离散现象,设计了排序工序数量转换法,将浮点数的和声转换成工件序列;其次,为提高HSA的收敛速度,改进了HSA的进化模式,不仅是替换一个最差解,还提出了和声变量进化时依赖于当前最优解的“导优”概率;最后,将差分进化算法(DEA)引入到HSA中,克服了HSA方向性差和后期停滞的现象。仿真实验结果表明,DEHSA在求解JSSP上具有可行性和有效性。     

求解作业车间调度问题的禁忌分布估计算法

为优化作业车间调度问题的解,提出一个禁忌和分布估计的混合算法。分布估计算法是一种新的进化模式,通过概率优化模型在连续空间进行求解;通过对已获得的群体进行选择操作生成优势群体,提出的分布估计算法使用单变量边缘分布算法构建概率模型,估计离散空间中的联合概率分布,从概率向量采样生成新群体;采用基于工件编号的编码和解码机制保证解的可行性。为提高局部搜索能力,算法基于禁忌搜索算法设计新的双重移动组合、块禁忌和选择策略,在搜索陷入局部最优时利用遗传算法的变异算子生成新解;算法通过混合分布估计算法和禁忌搜索算法的优点,兼具全局搜索与局部搜索能力,提高了搜索的效率和性能。通过与现有算法在典型实例上的实验结果比较,表明该算法在求解作业车间调度问题上具有可行性和有效性。     

用带变异因子的QPSO算法解决Job-Shop调度问题

由于量子粒子群优化算法仍有可能会出现早熟现象,因此将变异机制引入量子粒子群优化算法以使算法跳出局部最优并增强其全局搜索能力,并将改进后的量子粒子群优化算法用于求解作业车间调度问题。仿真实例表明,该算法具有良好的全局收敛性能和快捷的收敛速度,调度效果优于遗传算法、粒子群优化算法和量子粒子群优化算法。     

禁忌遗传算法求解最小支配集

如何寻找一个网络图的最小支配集是NP难题。分别设计了逆序启发式算法和禁忌搜索算法,并在此基础上提出了禁忌遗传算法（TSGA）用于求解最小支配集;将禁忌搜索和遗传算法结合起来,弥补了彼此的不足,既有效地避免了算法易陷入局部最优解的缺陷,又加快了算法的收敛速度。经对大量随机网络图的测试和对物流网络选址问题的求解,验证了TSGA算法的优越性。