基于改进迭代贪婪算法的预制构件调度研究

迭代贪婪算法是一种具有较强局部搜索能力的元启发式算法,但由于传统迭代贪婪算法搜索范围过大,搜索效率有限,为了进一步提升传统迭代贪婪算法的搜索能力,考虑到阈值接受算法具有能缩小搜索范围的特点,提出了一种改进的迭代贪婪算法解决流水车间预制生产的订单接受与调度问题;该改进算法是在破坏原调度序列后加入一种基于构造启发式规则的重建策略,并结合阈值接受算法的自适应接受准则用以跳出局部最优;经大量仿真实验结果显示,与传统迭代贪婪算法、禁忌搜索算法以及遗传算法对比,改进的迭代贪婪算法具有更好的求解质量和鲁棒性。

基于混合遗传禁忌算法的预制构件调度研究

合理的调度方案可以显著改善预制构件生产效率,降低能耗并提高客户满意度。针对预制构件生产调度优化问题,传统的遗传算法往往优化效率较低。因此提出了一种新型的混合遗传禁忌算法,其中考虑了不同的编码方式以及初始种群的生成方式对算法的影响,首先通过遗传算法找到一个较好的可行解作为禁忌搜索算法的初始解,而后使用禁忌搜索算法在这个初始解的邻域内进行局部搜索寻优。最后设计实验验证了单层随机数编码方式优于多层随机数编码方式。并在基准时间下运行算法,实验结果表明,在工件数较少时禁忌搜索算法效果较好,而在工件数较多的情况下混合算法更优。

基于遗传和禁忌搜索混合算法的预制生产调度的研究

遗传算法是一种全局搜索能力较强的元启发式算法,可通过不断进化种群得到最优或近优解;但是遗传算法的局部搜索能力较差,容易发生早熟收敛问题;因此为了克服遗传算法早熟收敛的问题,考虑到禁忌搜索算法的局部搜索能力较强的优势,提出了一种遗传和禁忌搜索的混合算法解决预制生产流水车间的提前和拖期惩罚问题;该混合算法是在遗传算法每次迭代后,通过禁忌搜索改进当前种群中的最好染色体,并替换种群中适应度值最差的染色体;经实验测试表明,所提出的混合算法的性能更优,更容易得到全局最优解或近优解。