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.     

AGA-DE求解柔性作业车间调度问题

针对柔性作业车间调度问题并结合其求解的特点,提出一种以最大完工时间最小化为目标的自适应遗传差分进化算法。在种群初始化过程中引入GLR初始化方法,有效改善机器选择部分初始解的质量;提出一种新的自适应交叉变异概率公式改进交叉和变异函数,并运用遗传算法的精英保留+轮盘赌策略,结合“贪婪思想”的差分进化的选择策略,使算法的搜索逐渐走向最优解;通过经典算例仿真以及与传统遗传算法结果的比较,证明改进算法在最大完工时间和收敛速度上的优化,验证了改进算法的可行性和有效性。     

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。     

基于遗传算法在车间作业调度

研究了遗传算法在车间作业调度问题中的应用，以遗传算法作为优化工具，给出了车间作业调度算法，最后给出了计算机仿真结果，并与启发式算法求得的结果作了比较，证明了该算法解的有效笥和优越性。     

柔性作业车间调度问题的一种混合进化算法

目的 为了克服现有求解柔性作业车间调度问题的算法所存在的早熟现象、收敛速度慢等不足,提出了一种混沌遗传粒子群算法.方法 将遗传算法中的交叉变异策略引入到粒子群算法中,并在遗传粒子群算法中引入了混沌技术.结果 新的混沌遗传粒子群算法,提高了收敛速度和求解精度,有效解决了柔性作业车间调度问题.结论 通过一组测试函数比较了遗传算法、粒子群算法和混沌遗传粒子群算法的性能.仿真计算表明:混沌遗传粒子群算法具有收敛快、优化性能好的优点.     

基于遗传算法的车间作业调度

提出了一种基于遗传算法的车间作业调度算法，详细讨论了染色体编码方法和遗传算法的设计，并构造了该算法的基本模型，给出的仿真算例表明了该算法解的有效性。     

解决车间作业调度问题的嫁接遗传算法

针对现有遗传算法在解决大规模车间作业调度问题时存在收敛速度过慢与早熟的局限,基于植物学的嫁接思想,提出了一种改进的混合遗传算法——嫁接遗传算法. 算法通过引入嫁接种群和交叉概率矩阵,在明显加快收敛速度的同时,还增强了避免早熟的能力. 最后通过经典的调度例子测试表明了算法的有效性和高效性.     

基于遗传算法改进的动态车间调度

由于经典的车间调度方法大都将生产系统中各种加工参数看作确定性的精确值,且将生产系统当作一个静态的系统,忽略了实际加工过程中的各种突发状况.因此从动态生产环境下生产运作和管理的实际需求出发,考虑到生产过程中的加工参数非确定性精确值、动态扰动等因素的影响,基于改进遗传算法开展了动态生产环境下的作业车间调度问题的研究工作.将模糊化参数引入调度模型,通过改进来避免一般遗传算法收敛过快的问题,从而寻求到动态车间调度的最优解.     

基于改进基因表达编程的柔性作业车间能效调度规则发现

在全球市场竞争加剧、资源环境严管的形势下,复杂制造系统在环境排放、生产效率等方面,面临着更严格的要求。在此要求下,以柔性作业车间能效调度为研究对象,构建带开关机决策的能效调度模型,剖析问题本质,发现提高工序连续性有利于降低总能耗。为此,提出一种基于逆活动调度策略改进的基因表达编程算法,形成高效的能效调度规则。该调度规则在不延迟总完工时间的前提下,尽可能减少空闲间隔。实验结果表明,基于改进基因表达编程的调度规性能优越,设计的逆活动调度策略显著提升了能效水平。     

基于遗传算法的车间作业调度

研究了遗传算法在车间作业调度问题中的应用,以遗传算法作为优化工具,给出了车间作业调度算法。最后给出了计算机仿真结果,并与启发式算法求得的结果作了比较,证明了该算法解的有效性和优越性。     

基于多目标差分进化算法的机加工柔性作业车间调度

柔性作业车间的多品种、多件数导致调度难度大、耗费时间较长和成本较高,为此,以最大完工时间、能耗和刀具损耗数量为优化目标,考虑返工、次序的准备时间和批量调度约束,建立了多目标机加工柔性作业车间调度模型.提出一种引入综合考虑能耗和加工时间的轮盘赌初始化策略.针对传统差分进化算法交叉得到的子代机器部分质量较差,提出一种机器选择的策略,以此对差分进化算法进行了改进.将改进后的差分进化算法应用于机加工柔性作业车间调度,并与传统差分进化算法在机加工柔性作业车间调度进行多组实验对比.结果表明：改进差分进化在机加工柔性作业车间调度较传统差分进化算法具有收敛速度较快、鲁棒性较好的优点,优化后各机器负载更为均衡,可有效解决多目标机加工柔性作业车间调度问题,为多品种、多件数类排产任务提供了一种良好的指导方案.     

混合遗传算法求解包含柔性工艺的作业车间调度问题

针对离散制造企业中通常采用柔性工艺设计这一类新的作业车间调度问题,对传统的柔性作业车间调度问题进行了扩展,建立了包含柔性工艺的作业车间调度问题的数学模型.针对问题中在作业调度同时进行柔性工艺选择的特点,设计了改进的遗传算法染色体编码方式和遗传算子,在此基础上,结合变邻域搜索算法,设计了4种不同的邻域结构以产生邻域解,从而提高遗传算法的邻域搜索性能.最后以某轴承公司的实际调度数据为实例,将该算法进行实例测试,并与其他现有的方法相比较,验证了所设计算法的有效性.     

基于改进Jaya算法的双资源约束柔性作业车间调度

考虑工人操作熟练度对双资源约束柔性作业车间调度的影响,提出改进的Jaya算法对其进行求解。与经典柔性作业车间不同的是,双资源约束柔性作业车间调度问题（DRCFJSP）需要同时处理工件排序、设备分配和工人指派3个子问题。通过改进标准Jaya算法以使其适用于求解具有最小完工时间准则的DRCFJSP,具体改进包括设计三维向量编码方案,结合设备、工人和工件的集成特征进行种群初始化,围绕车间调度离散化特点扩展算法更新迭代机制,并设计了基于关键路径的局部邻域搜索策略和接受准则。对扩展后的柔性作业车间测试算例进行求解,并与现有算法进行比较,结果表明：本文算法具有一定的有效性和优越性,表明本文优化调度方法能在有限的资源下实现人员合理配置和工件快速排序。     

自适应樽海鞘群算法求解考虑运输时间的柔性作业车间调度

针对考虑运输时间的柔性作业车间调度问题,以最小化最大完工时间为优化目标,提出自适应樽海鞘群算法.设计基于随机密钥方法的3层编码方案,将编码的离散解空间连续化.引入惯性权重评价跟随者之间的相互影响程度,增强算法的全局探索与局部搜索能力.提出自适应更新领导者-跟随者种群数量策略,根据种群迭代状态对领导者和跟随者的数量进行自适应调整.在邻域搜索中引入禁忌搜索策略,防止算法陷入局部最优.通过基准算例测试,验证了算法的有效性和优越性,发现AGV数量对完工时间的影响符合边际效应递减的规律.     

作业车间中人力资源柔性研究

建立了具有柔性人力资源约束的作业车间模型，并进行了计算机仿真。仿真结果表明，全柔性资源能够显著提高作业车间系统绩效；部分柔性资源在某种资源分配规则下有可能提高系统绩效，起到全柔性资源的效果，但也有可能降低系统绩效；不同人力资源柔性配置与系统绩效之间是环境依赖的关系；作业到达时间的紧迫性、到达作业类型的不确定性以及作业加工时间对资源数量的依赖性等都会影响具有不同柔性人力资源约束的作业车间系统绩效。     

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.     

多目标柔性作业车间调度的Pareto混合粒子群算法

针对多目标柔性作业车间调度问题(Flexible Job-shop Scheduling Problem,FJSP)的复杂性,建立了以总完工时间、所有机器总负载及最大机器负载为目标函数的多目标调度模型,提出了一种带有Pareto档案集的混合粒子群优化算法.该算法首先通过全局搜索、局部搜索和随机产生相结合的初始化方法产生高质量的初始种群,利用改进的快速排序法构造Pareto档案集,并给出了一种快速更新Pareto档案集的算法.既保持了种群的多样性,避免了算法陷入局部最优,又有效地提高了算法的收敛速度;算法中还引入逆转策略来进一步增加解的多样性.通过3个经典算例的实验仿真,验证了该算法的可行性和有效性.     

求解多目标柔性作业车间调度问题的离散人工蜂群算法

作业车间调度问题是一类典型的组合优化问题,要求多个作业在不同的机器上进行加工,目的是获得最好的作业加工序列,以满足特定的性能指标。柔性作业车间调度问题是对传统的作业车间调度问题的进一步扩展,由于求解的复杂性,使得传统方法很难在有效的时间内获得问题的最优解。人工蜂群算法是近年来提出的一种受生物行为启发的优化算法,该算法主要通过模拟蜜蜂的觅食来实现问题的求解。提出了一种离散的人工蜂群算法于求解柔性作业车间调度问题,算法通过交叉方式来搜索潜在的更好的蜜源,并采用自适应的变异策略来降低早熟收敛的可能性。最后通过对比实验证明算法对于求解多目标柔性作业车间调度问题是有效的。     

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。