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。     

一种求解单件车间调度问题的单亲遗传算法

针对单件车间凋度问题,设计一种基于整数编码的单亲遗传算法。该算法既具有单亲遗传算法运算量小、不存在“早熟收敛”现象等优点,在编码中又体现了单件车问调度的“保序性”等工艺约束条件,增强了调度算法的整体性能。对不同规模的FT类问题的仿真结果表明,该算法的收敛速度随着问题规模的增大而加快,并在求解单件车问调度问题时能得到稳定的满意解。     

用约束满足自适应神经网络和有效的启发式算法解Job—shop调度问题

提出一种用约束满足自适应神经网络结合有效的启发式算法求解Ｊｏｂ－ｓｈｏｐ调度问题,在混合算法中,自适应神经网络具有在网络运行过程中神经元的偏置和连接权值自适应取值的特性,被用来求得调度问题的可行解,启发式算法分别和来增强神经网络的性能,获得确定排序下最优解和提高可行解的质量。仿整表明了本文提出的混合算法的快速有效性。     

有优先顺序约束的单件车间调度问题的一种启发式算法

本文研究单件车间调度优化问题，针对工件之间存在的加工顺序关系，给出了逆推算法对各工件的交货期进行预处理，将问题转化为一般单件车间调度问题，在此基础上运用合适的调度规则，构造了具有一定优度的启发式算法。     

基于DNA进化算法的车间作业调度问题研究

针对遗传算法解决车间作业调度问题时存在早熟收敛的缺点,采用一种新型进化算法——DNA进化算法解决车间作业调度问题.将算法从连续优化问题拓展用于解决离散优化问题,并将其成功地应用于Job shop生产调度.采用了著名的M u th和T hom pson标准问题FT 10进行了验证.仿真结果表明,与遗传算法相比,该算法简单有效,不仅具有很好的求解性能,而且具有更快的收敛速度和全局搜索能力.     

基于佳点集遗传算法求解Job—shop调度问题

1.介绍 Job-shop调度问题(JSSP)是极为困难的带约束组合优化问题,是NP难的。典型的Job-shop调度问题可描述为n个工件要在m台机器上加工,每个工件有其特定的加工工序,每道工序加工时间已知,并符合以下假设: (1)每个机器在同一时刻只能加工一个工件。(2)每个工件的工序事先确定。(3)同一工件的两个工序不可同时进行。(4)不允许抢占式执行,即一个工序执行后就不能中断。(5)机器间传送时间为零。典型的调度目标是确定每个机器上工序的加工顺序和各工序的开始时间,以使完成所有工序所需的时间(Makespan)最少。     

混合遗传算法在Job—shop调度问题中的应用

首先建了Ｊｏｂ－ｓｈｏｐ调度问题的神经网络模型，根据这种模垢特点。提出了求解复杂Ｊｏｂ－ｓｈｏｐ调度问题的混合遗传算法。     

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。     

Job- shop 提前/拖期调度问题的研究

基于模糊控制和遗传算法,提出了求解Ｊｏｂ－ｓｈｏｐ提前／拖期间问题的联合算法,用遗传算法确定可行调度序列,然后用模糊控制器对开工时间加以调整,模糊控制的引入为有效地求解Ｊｏｂ－ｓｈｏｐ提前／拖期调度总理２提供了新的方法,仿真实验证明了联合自救的有效性。     

基于遗传算法的一类Job—shop调度

针对遗传算法解决生产路径不固定的调度问题所遇到的困难，提出一种遗传编码方式，并相应采用新的遗传算子。应用于某冷轧厂的精整计划钢卷调度问题，进行了仿真分析。     

A Permutation-Based Approach for Solving the Job-Shop Problem

In this paper, we deal with the famous job-shop scheduling problem, which has been being a constant subject of study for many years due to its high computational complexity (NP-hard in the strong sense). We present a permutation-based scheme for solving the problem, which in the abstraction level differs from the classical one of Jacques Carlier and Eric Pinson. In particular, we specify the differences both in the fashion of stating the constraints (the use of the generalized sorting constraint) and in the search strategy (splitting intervals of task orders). We will first give a constraint program for solving the problem, which involves only primitive constraints and which is clean and simple to understand. We then study some special techniques based on testing variable bounds that allow us to solve two hard instances la21 and la38. These two instances have been open problems recommended in a paper of David Applegate and William Cook in 1991.     

《线性代数》课程与Mathematica软件相结合教学的研究

《线性代数》是高等财经本科院校所开设的一门重要基础必修课,学生学习该课程时,在计算方面存在着困难,教学过程中结合使用Mathematica软件不但可以解决计算量大而复杂的问题．而且可以利用软件得到的结果来检验手工算法的准确性,从而达到提高教学质量的目的;另外,可以让学生初步掌握Mathematica软件的使用。     

Job-shop调度问题的一种遗传算法表示方法

提出了一种新的染色体表示方法以及相应的遗传操作算子,它们与少许的调整工作相结合,既使得在每次操作算子作用之后产生的新的个体是合法的,也使染色体与时间表产生一一对应的关系,完满地解决了Job-shop问题中关键的表示和操作问题。     

一种基于目标约束遗传算法的地层对比方法

针对油田开发钻井剖面地层对比的具体特点和实际问题应满足的约束条件,提出了一种基于目标约束遗传算法的地层对比方法。该方法既能较好地完成常规地层对比,也可对因断层或地层尖灭等地质现象造成的地层缺失、错位等复杂情况进行处理。该方法具有较好的鲁棒性,随机搜索能力强,对复杂情况下的地层对比具有较好的适应性。给出了具体的实现算法,对实际资料的处理结果证明了方法的有效性。     

用改进蚁群算法求解函数优化问题

提出将蚁群算法用于求解函数优化问题的新方法。使用一定数量的蚂蚁在解空间中首先随机搜索,然后模拟蚂蚁觅食的方式,更新搜索路径上的信息素,按照转移概率来决定搜索方向,即通过信息素来指引搜索,最后搜索收敛于各个全局最优解。给出了基于此思想的具体算法,并通过计算示例仿真说明了该算法的有效性,表明该算法可以同时快速收敛发现多个全局最优解,并保持稳定。     

基于链表的m*n不同顺序工件排序算法的研究

在单件、多品种、小批量机械制造业的生产计划编制中,m*n不同顺序工件排序问题(也称Job-Shop调度问题)是一个重要的问题。对m*n不同顺序工件排序算法的研究不仅是对排序理论的一个补充,而且对于解决单件、多品种、小批量机械制造业的现代化管理也会起到积极的推动作用和影响。本文提出了一种基于链表的求解m*n不同顺序工件排序问题的算法,经分析及实验验证,利用这种算法求解m*n不同顺序工件排序问题可得到十分满意的结果。     

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。     

一种基于神经网络基函数的新型遗传算法

该文提出了一种新型的遗传优化方法。由参数模型描述的神经元基函数作为遗传基因,利用每个神经元输出序列与网络训练目标以及神经元输出序列之间的相关性得到网络遗传优化方法的选择算子,根据不同参数的特点得到相应的交叉和变异算子,建立基函数的参数化模型,得到遗传算法的初始基因组;并根据初始基因组建立各参数基因组,通过合适的交叉变异算子对个各参数基因组进行交叉变异操作。这样得到的算法使输出误差分布较为均匀,能够大大提高网络的输出精度,简化网络的结构,信号跟踪与非线性系统逼近中得到很好的效果,提高了网络的适时学习能力。     

基于函数变换的求解SAT问题的新算法

提出了一种基于函数变换的求解SAT问题的新算法,这个新算法利用SAT问题自身的特点将判定问题转化为连续函数的求极值问题。随机选取一组初始值,利用最速下降法求解变换后的连续函数在每个初始值邻域内所能达到的局部极值,如果这个局部极值为0,则该SAT问题就是可满足的。实验结果表明：与现有的求解SAT问题的算法相比,基于函数变换的求解算法在求解速度、成功率和求解问题的规模等方面都有明显的提高。