工序松弛规则及其在动态Job-Shop调度问题中的应用仿真研究

针对动态Job-Shop调度问题,提出了一种新的优先规则SOP,并在考虑具有扩展工艺约束的动态车间作业调度问题中,用仿真试验测试了该规则的性能;从工件总拖期和拖期工件百分比两个性能指标进行分析,探索了车间模型参数扩展工艺约束程度及交货期宽裕度系数对调度规则性能的影响。结果表明所提出的规则性能较好,具有较好的鲁棒性,且扩展工艺约束程度及交货期宽裕度系数对调度规则性能均有不同程度的影响,并给出了两种参数对调度规则性能的影响趋势。

解动态Job-shop调度问题的遗传算法

研究了动态Job -shop调度问题 ,并设计了一种改进的遗传算法 .该算法借鉴启发式算法 ,使用向量进行遗传编码 ;遗传计算中引入种群间竞争 ,实现种群向更高层的平衡态进化 ,进而全局优化调度方案 ;利用调度评价函数及负荷表 ,对动态的生产调度进行了有效地评价 .仿真实验表明了此法用于复杂调度问题的优越性 .

动态环境下的柔性作业车间调度问题研究

针对动态环境下的柔性作业车间调度问题,提出了一种基于改进离散粒子算法的动态调度方法。动态调度方法采用在动态车间调度中应用最为广泛的滚动窗口与改进离散粒子算法相结合的再调度策略,最后通过对两类突发动态事件的仿真测试,验证了本文所提方法能够解决各类突发动态事件,及时有效地对初始方案进行调整,并与原方案有效衔接。

动态加强CPT解job-shop调度约束满足优化问题

带有相同到达期与交货期的job-shop调度问题(JSSP)作为多种实际生产调度问题简化模型,是一类典型强NP-hard问题.对优化目标是最小化最大完工时间的JSSP问题,建立了约束满足优化问题模型(JSSC-SOP).利用弧一致约束传播算法和深度优先启发式构造活动调度,逐步加入新约束,实现活动调度集的部分列举与寻优.提出3种动态加强约束传播技术(CPT),嵌入搜索过程,提高求解效率.最后通过随机生成的实例,验证了各方法可行性与有效性.

两阶段重调度策略求解柔性作业车间动态调度问题

区别于传统作业车间调度问题,研究一种工件之间具有优先约束的柔性作业车间问题。首先建立多目标静态调度模型,利用JAYA方法进行求解,通过实验得到变异因子的最佳值。其次,提出一种新的两阶段的动态调度策略,在静态调度结果上进行调整,同时对短期和长期恢复的扰动问题重调度。实验证明,提出的动态调度方法能同时有效减少完工时间和机器偏移情况。

基于遗传算法的Job-Shop调度问题求解方法

调度问题是许多计算机应用领域的重要问题，Ｊｏｂ－Ｓｈｏｐ调度是其中的一类典型的困难问题，它通常包含多个可并行实现的目标以及实现这些目标的多种方法与资源．本文以一类实用的Ｊｏｂ－Ｓｈｏｐ问题模型为基础，给出了用遗传算法求解调度问题应采用的染色体表示方法，并针对问题的特点，给出了面向资源空间与面向规划空间的遗传操作的设计思想与方法．实验结果表明，基于遗传算法的Ｊｏｂ－Ｓｈｏｐ调度问题求解方法具有较好的性能，同时也表明，对于求解过程中可能出现的提前收敛问题可通过改变遗传操作概率及调节适应度等方法予以解决．

用遗传算法解决生产线调度Job-Shop问题

在分析国内外各种解决生产线作业调度问题方法的基础上，引出生产线调度Ｊｏｂ－Ｓｈｏｐ问题的数学模型。针对该模型，用遗传算法对其进行优化调度。首先针对优化目标进行染色体编码，定义群体规模，然后设计适应度函数，最后通过选择、交叉、变异等操作，得到目标的全局较优解。本文针对某一工程实例，给出了此调度算法的仿真结果。

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 /拖期调度问题提供了新方法。

基于遗传算法的Job-shop调度问题研究

Job -shop调度问题是一个强NP -难问题 .为此提出了一种简单、易操作的遗传算法对该问题进行求解 .采用一种插入式贪婪解码算法保证生成的调度是活动调度 (activeschedule) .通过几个著名的MuthandThomp son测试例子及与目前较好的遗传算法的比较实验 ,以验证这一算法的有效性 .

基于约束满足的Job-Shop调度问题求解方法研究

针对一类典型的约束满足问题——Ｊｏｂ－Ｓｈｏｐ调度问题，在深度优先搜索算法的基础上，给出了形式化的约束一致性实施、操作选择策略和开始时间选择策略以及启发式的约束一致性实施和不完全回跳策略，从而提高了求解Ｊｏｂ－Ｓｈｏｐ调度问题的效率．

应用改进微粒群算法求解Job-shop调度问题

针对微粒群算法在求解实际问题过程中会出现早熟的现象,提出一种改进的微粒群算法。该算法利用记忆库来动态调整惯性权重值,增快了算法的收敛速度。同时结合进化、灾变机制避免了算法陷入局部极值的问题。在列出改进算法的具体步骤基础上,通过实际的车间调度仿真实例证明了算法的有效性,可以得到比启发式、遗传算法更佳的调度效果。

求解具有爬升约束机组调度问题的结构动态规划法研究

有爬升约束单火电机组子问题由于相邻两时段的发电量互相耦合,其最优化求解是十分困难的。该文给出了一种求解该问题的最优化方法。该法与一般的动态规划法不同点在于不必离散化状态变量,相反可利用各时段cost-to-go函数的分段线性、凸的结构特性找出各转折点,将状态空间划分成有限的几个区间,进而得到相邻两时段cost-to-go函数的转折点间的反向映射关系,一旦反向递推出各个时段的cost-to-go函数,就可通过前向递推得到子问题的最优决策。根据仿真试验表明,该方法可有效解决有爬升约束单火电机组子问题,且能得到该问题的最优解,算法的效率较高。

Job-shop调度问题的瞬态混沌神经网络解法

采用具有瞬态混沌特性的神经网络 (TCNN)解 Job- shop调度问题。利用神经元的自抑制反馈产生混沌动态 ,其随机搜索能力有效地避免了传统 Hopfield神经网络 (HNN)极易陷入局部极小的缺陷 ;同时利用一时变参数控制混沌行为 ,使网络在经过一个短暂的倍周期倒分岔后逐渐趋于一般的神经网络 ,从而收敛到一个最优或近似最优的稳定平衡点。仿真结果表明 ,该网络解 Job- shop调度问题比 HNN具有更强的全局搜索能力和寻优能力 ,并具有更高的搜索效率。

动态需求的多车型车辆调度问题及云遗传算法

根据动态信息产生的时间点不同提出时间轴概念,利用时间轴将动态车辆调度问题转化为一系列的静态车辆调度问题,建立考虑车载率和油耗的综合费用为优化目标的车辆调度模型.利用云模型云滴的随机性和稳定倾向性改进自适应遗传算法中交叉率和变异率设置方式,设计云自适应遗传算法对车辆调度问题进行实时再优化.最后,结合算例对模型和算法的有效性进行验证.

钢管生产调度中可中断Job-Shop问题的数学模型

现针对国内大型钢铁企业钢管冷区生产调度的实际问题,在生产连续、库存限制、部分人工调度的情况下,利用离散化时间的方法把不可中断Job-Shop问题转化为可中断Job-Shop问题,建立该问题的混合整数规划模型,并利用ILOG公司CPLEX软件包对其大规模的可中断Job-Shop问题的算例进行求解,其解可指导冷区的实际生产调度。该模型在实际运用中已取得良好的结果。

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，启发式算法分别被用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．仿真表明了本文提出的混合算法的快速有效性．

带时间窗动态车辆路径问题的优化调度策略

针对带时间窗动态车辆路径问题(DVRPTW),根据优化时间点的选取建立DVRPTW的一系列静态子模型,研究优化调度策略,分别是基于新顾客插入后的重复优化方法、批处理的方法或两者的混合。通过定义紧急顾客,提出一种新的紧急顾客插入和分批驱动调度策略,该策略只需实时插入紧急顾客,具有快速响应、计算负荷小和路径计划更新频率低的优点。仿真对比实验比较了4种策略的优劣,并探讨分批优化间隔长度对调度性能的影响。

用遗传算法解决在并行机上带有不同交货期窗口的Job-Shop调度问题

本文讨论了不同交货期窗口下的提前／拖期并行机调度问题，提出了染色 体用工件编号进行编码的编码规则，给出了用稳步遗传算法求解上述问 题的方法。仿真实验表明了算法及编码规则的可行性和有效性。

物流动态车辆调度问题的混合禁忌搜索算法

在分析动态车辆调度问题的基础上,建立了基于时间轴的动态模型;接着针对该问题在实际中的应用,设计了基于并行节约法和禁忌搜索的混合算法以对动态车辆调度问题进行求解;最后给出算法实现和算例模拟,验证了该算法的有效性。

解Job-shop调度问题的混合模拟退火进化规划

提出运用混合模拟退火进化规划（ＳＡＥＰ）求解Ｊｏｂ－ｓｈｏｐ调度问题．首先介绍了ＳＡＥＰ和进化规划（ＥＰ）的不同选择方法以及他们的变异算子，最后给出了仿真实例。