基于遗传算法的混合Flow-shop调度方法

混合Flow-shop调度问题 (Hybrid flow-shop scheduling problem, HFSP),是一般Flow-shop调度问题的推广,由于在某些工序上存在并行机器,所以比一般的Flow-shop调度问题更复杂。本文提出了遗传算法求解混合Flow-shop调度问题的方法,给出了一种新的编码方法,设计了相应的交叉和变异操作算子,能够保证个体的合法性,同时又具有遗传算法本身所要求的随机性。最后给出了某汽车发动机厂金加工车间的生产调度实例,表明了此算法的有效性。

柔性Flow-Shop调度的遗传算法优化

柔性Flow-shop调度问题(Flexible Flow-shop Scheduling Problem,FFSP)是一般Flow-shop调度问题的推广,由于在某些工序上存在并行机器,所以比一般的Flow-shop调度问题更复杂。为了有效地解决柔性Flow-shop调度问题,用遗传算法求解,给出了一种改进的编码方法,能够保证个体的合法性;并根据编码方法提出了矩阵解码方法。最后以某汽车发动机厂金加工车间的生产调度实例进行仿真,通过比较表明了算法的有效性。

同顺序(Flow-shop)排序问题的模拟退火求解

本文为Ｆｌｏｗ－ｓｈｏｐ问题的求解一般地构造了一类随机方法─—模拟退火算法。基于６种不同的随机抽样方式，分析表明求解算法渐近收敛于全局最优解集且具有多项式计算复杂特性。以不同实例规模的ＵＩＳ、ＦＩＳ和ＮＩＳ的Ｍａｋｅｓｐａｎ最小Ｆｌｏｗ－ｓｈｏｐ排序问题为例，计算结果表明模拟退火求解Ｆｌｏｗ－ｓｈｏｐ排序问题是有效的．

解决多目标Flow-shop问题的生物免疫调度算法

生产调度是车间自动化的关键问题之一 ,生产调度的优劣对制造系统的运行影响极大。通常的确定性优化方法往往不适合生产调度这类NP完全问题的求解。文章基于生命科学中的免疫概念与理论 ,构造了基于生物免疫机理的生产调度模型 ,并研制了用于求解目标Flowshop问题的智能调度系统 ,克服了当前遗传算法用于求解此类问题时 ,易于出现早熟、搜索效率低及不能很好保持个体多样性等不足 ,大大改进了搜索效率 ,对复杂的多约束、大规模及多目标生产调度问题 ,算法效果显著 ,并且可以轻松地获得满足要求的多个优化解。文章讨论了模型的建立、算法的实现和应用实例 ,测试情况表明 。

模糊Flow-shop问题及其遗传优化

研究模糊生产环境下的Ｆｌｏｗ－ｓｈｏｐ调度问题．针对实际生产中加工时间的不确定性，应用模糊加工时间参数替代传统的清晰参数表示方法，引入了一种新的模糊数比较方法——面积补偿法，构造了一种解模糊Ｆｌｏｗ－ｓｈｏｐ问题的有效遗传算法．最后给出计算实例及仿真结果．

利用DNA遗传算法求解Flow-Shop调度问题

由于经典遗传算法在求解调度问题尤其是处理复杂的、混淆的和多任务问题时不够灵活且计算速度慢,论文引入DNA技术借助生物学理论对其进行改进。DNA遗传算法继承了遗传算法全局搜索的能力,同时利用DNA双螺旋结构和碱基互补配对原则进行编码运算,提高了算法的有效性和收敛速度,从而很好地解决了NP-hard性质的Flow-Shop调度问题。

求解置换Flow-shop调度问题的改进遗传算法

提出一种求解置换Flow-shop调度问题的改进遗传算法。该算法采用多个体交叉方式,对交叉过程和变异过程分别进行阈值设置,实现了在优化过程中扩大解空间的搜索范围和保持种群的多样性,从而增大了获得最优解的几率。最后对一系列典型的Benchmark问题进行仿真测试,实验结果证实了该改进遗传算法的有效性。

3机Flow-shop调度问题研究

提出了一种遗传分枝定界算法求解 3机 Flow- shop调度问题 ,该算法类似于常用的遗传局部算法和遗传动态规划算法 .用随机方法生成测试例子 ,通过与著名的 Taillard的禁忌搜索算法和 Reeves的遗传算法进行比较 ,实验结果证实了遗传分枝定界算法的有效性 .

三机床置换Flow-shop问题求解的一种新方法

对三机床置换Flow shop问题(PFSP)进行了研究,得到一种下界算法,提出了一种评价函数用于求解时选择后续工件.求解时使用下界选择第1个加工工件可以大大减少计算量.改变第1个加工工件、评价函数中的参数后可能得到更好的解.实验结果表明:使用这种方法求得的解对应的总加工时间非常接近下界,求得的解基本是问题的最优解.与现有方法相比,这种方法得到的结果较好,计算量较少.求解n个工件的三机床PFSP的计算量相当于O(n3).

基于遗传算法的批量Flow-shop调度问题研究

结合实际情况,对批量Flow-shop调度问题进行了研究,给出批量Flow-shop调度问题的建模,根据不同的移动方式,给出工件在各机床上的起始加工时间的确定方法,并提出一种融入启发式规则的遗传算法进行问题的最后求解。最后的实例证明了提出的算法求解批量Flow-shop调度问题的有效性。

基于批加工的semi-flow-shop生产调度优化

提出了一种类似于flow-shop但又区别于flow-shop的semi-flow-shop生产调度问题,即根据各自的工艺要求,在同一生产线上以批为单位加工的工件可以跳过生产线上的一些工序,直接进入下道工序。根据实际需求,其调度目标不仅要考虑产品的提前/拖期,而且还要考虑设备的空闲。针对该问题,设计了一种改进的遗传算法,基因信息熵的概念被用于共享函数、自适应交叉概率和变异概率的计算,遗传算法的性能得以进一步改善。

基于改进单亲遗传算法的Flow-Shop问题求解方法

文章以Flow-Shop问题为背景,提出了一种求解该类问题的改进单亲遗传算法(PGA)。文章结合两个实例进行了仿真分析,结果表明了单亲遗传算法的有效性和可行性。

Flow-shop网络作业计划模型的解法

将 Flow-Shop网络作业计划的优化模型 Sch( m,n) Lp[1 ] 化为向量矩阵线性空间 ,利用线性空间的理论提出了一个求解

FLOW-SHOP网络模型的快速解法和它的某些动态参数的计算

根据极大代数理论，反映缓冲区容量的ＦＬＯＷ－ＳＨＯＰ网络系统，是这种代数意义下的线性系统。本文对这类系统的Ｃｏｈｅｎ模型．提出了一种快速解法，由此导出了它的某些动态性参数的计算。

单亲遗传算法在多机多阶段Flow-shop问题中的应用

讨论单亲遗传算法 (PGA)在多机多阶段 Flow- shop问题(FSMP)中的应用 ,给出了针对 FSMP的两种不同的编码方法和遗传操作方法 .仿真结果显示用 PGA求解不同规模、不同目标函数的

人工免疫算法在Flow-shop问题中的应用

文章针对Flow-shop问题提出了一种模拟生物免疫系统的人工免疫算法(AIA),并与模拟生物进化过程的遗传算法(GA)进行了比较,给出了AIA的具体步骤。仿真实验表明:AIA求解Flow-shop是有效的。

Flow-Shop网络作业计划对缓冲区容量的影响

给定一个Flow -Shop网络 ,在资源具备且输出时间一定的条件下 ,网络中的各道工序的开工时间仍可在其最早开工时间和最迟开工时间之间变动 [2 ],由此构成网络中的各种不同的作业计划。本文分析了Flow -Shop网络静态系统不同作业计划对缓冲区容量的影响 。

Flow-Shop系统最小存贮区的上界估计

针对2×n型和m×n型Flow-shop系统,给出了使系统瓶颈机床得到充分利用系统所需的最小存贮区的容量值(构成的集合)的上界估计,从而为提高系统生产率、优化系统设计提供了较好的理论依据。

Flow-Shop网络中最大服务效率的作业顺序

讨论了 Flow- shop网络中最大服务效率的作业排序问题 ,给出了机器完成服务时间与作业结束服务时间之和的一个下界估计公式 ,由此提出了一个可使 Flow-

FLOW-SHOP网络交链系统的无阻塞最优协调控制

用极大代数模块网络法 ,建立了 FLOW-SHOP网络交链系统的数据结构模型 .在这个模型上 ,提出了寻找交链系统特征值的周期同步算法和寻找特征向量的递归协调算法 ,结果证明 ,FLOW-SHOP网络交链系统的无阻塞最优协调控制是一类线性状态反馈且最优协调控制系统的优控参数可以直接列写 ,最后的例子指出 。