A GRASP × ELS approach for the job-shop with a web service paradigm packaging

The Job-Shop Scheduling Problem (JSSP) is well known for its complexity as an NP-hard disjunctive scheduling problem. The problem addressed in this paper is JSSPs with an objective of minimizing makespan while satisfying a number of hard constraints. An efficient GRASP × ELS approach is introduced for solving this problem. The efficiency is evaluated using the widely known 40 Laurence’s instances which encompass medium and large scale instances. The computational results prove that the proposed method competes with the best published methods in both quality of results and computational time. Recently, Web services have generated great interest in researchers. Such application architecture is based on the client–server model using existing Internet protocols and open standards. It provides new approaches to optimization methods. The proposed GRASP × ELS is packaged into a Web Service (WS), i.e., it offers for the research community an open access to our optimization approach. Moreover, the proposed web service can be even included in research future works with a very small programming effort.To favor utilization of the web service and to prove the facility in which the service could be used, we provide an example in Java proving that it is possible to obtain in less than 10 min a client application using the different methods exposed by this web service. Such usage extends to classical library inclusion in program with the difference that a method is called in the client side and represents an execution on the server.The Web Service paradigm is a new approach in spreading algorithms and therefore this paper stands at the crossroads of optimization research community and the web service community expectations. The GRASP × ELS provided in the web service, is a state of the art method which competes with previously published ones and which has the advantage of being available for free, in any languages, everywhere contributing in spreading operational research contribution.     

基于NPSO算法求解车间作业调度问题

研究车间生产生产调试系统,使资源达到优化配置,实现了一种基于小生境的粒子群优化算法用于求解车间作业调度问题。通过在粒子群算法中引入共享函数和共享适应度函数分别用来计算粒子间的共享度和粒子的共享适应值,并用粒子的共享适应值来反映其适应能力。粒子的位置越相近,则粒子间的共享度越大,相应粒子的共享适应值则越小。通过设置小生境半径的方式,将整个粒子群分解为多个小生境子种群,并通过设置小生境中的最大粒子个数参数,严格控制各个小生境中的粒子数量,使得所有粒子尽可能地分布到整个搜索空间的不同局部峰值区域,从而有效求得问题的全局最优值。仿真结果表明了算法对经典JSP问题求解的优良性能。     

基于模拟植物生长算法作业车间调度问题研究

为了有效且简单的实现车间作业调度问题,提出了采用模拟植物生长算法的求解方法。针对车间作业流程,确定评价作业分配效率的指标,在此基础上建立车间作业分配的数学模型。然后通过对实例的计算及与其他优化算法的比较分析,验证了模拟植物生长算法不仅可获得最优解,求解效率也较其他算法得到了提高,是一种可行有效的方法。     

Job-shop排序问题的遗传强化学习算法

针对Job-shop排序问题的复杂性,提出一种遗传强化学习算法对其求解。通过引入多个随机变量,把Job-shop排序问题转换成多阶段决策问题,通过仿真手段构建作业排序问题模型环境,求取系统性能指标并保证解的可行性。设计一个多智能体Q-Learning算法和遗传算法相结合的算法用于解决Job-shop排序问题。仿真优化实验结果验证了该算法的有效性。     

一种基于改进径向基函数JSP算法

作为作业调度里面一类典型问题,Job-shop问题的求解是属于NP完全的,至今大规模Job-shop问题的有效算法仍未找到.在析取有向图模型基础上,通过减聚类方法构建径向基函数神经网络实现可互换工序对选取,利用最小均方算法对网络权重进行训练,以此为基础提出一种具备学习功能智能算法.数值仿真结果表明,所提算法对于大规模Job-shop问题求解存在较好效果,达到预期目的.     

基于扩展Petri网的PPCES建模研究

针对Job—shop型生产系统中NP难度的调度问题，利用生产计划与控制专家系统(PPCES)进行启发式搜索，根据Petri网建模原理及PPCES的推理需要，对生产系统建模，定义了一类扩展有色、时间Petri网．实践证明，这种方法不仅可以在增强模型描述能力的同时有效地降低其复杂度，还可以应用专家系统领域的知识指导系统进行冲突消解，从而避免了常规分析方法所带来的组合爆炸问题．     

基于效率函数求解单件车间调度问题算法的完善

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，本文在文献[1]提出的求解Job-shop调度问题的动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，并在VBA For Projcet2000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。     

基于规则的遗传算法

CGA由于是一种通用的算法，在解决实际问题时存在着搜索效率低。不能全局收敛到最优解的缺点，在实际应用中有很大的局限性。针对这些不足，对CGA进行了改进，根据待解决实际问题的特点，按照模式定理的原则，在算法中引入了启发式规则和惩罚函数．缩小了算法的搜索空间，提高了算法效率．利用保优操作保证算法能够全局收敛到最优解。最后对这种改进的算法进行了定性分析。证明了该算法设计思想的先进性和实用性。     

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。