基于JIT的非等同并行多机调度问题的混合遗传算法

针对一类NP完全问题的多目标、非等同、并行多机作业调度问题,设计了一个混合遗传算法。该算法在设计过程中针对该问题的特点,设计了一种动态适应度函数;将求解单机问题最优解的有效算法混合在编码方案中,设计了一种不包括作业顺序的简单编码方案,从而降低了算法的实现难度,并提高了执行效率。数值仿真实验表明,该算法具有收敛速度快、优化效果好等特点,适合于求解较大规模的问题。

求解一类并行多机调度问题的混合启发式算法

该文研究了一类工件具有不同释放时间的并行多机调度问题 ,调度目标为使总流程时间最小。针对该类调度问题具有强NP -hard的特点 ,首先构造了的一种启发式算法 ,该算法能够在很短的时间内找到次优解。由于通常启发式算法会随着问题规模的扩大导致求解的质量有所下降 ,结合遗传算法的全局搜索能力 ,提出了一种混合启发式算法进一步改善解的质量。仿真结果表明该算法很好地结合了启发式算法和遗传算法的特点 ,能够在较短的时间内求解较大规模的调度问题 ,算法的计算量小 。

模糊作业时间的并行多机调度问题与算法研究

结合抚顺钢厂实际 ,利用模糊数学理论 ,对生产实际中的模糊作业时间进行处理 ,通过定理将模糊作业时间问题转换为非模糊的精确问题 ,利用禁忌搜索智能优化方法 ,对问题进行了求解 ,使调度计划具有一定的柔性 ,让管理者能够掌握调度时间范围 ,从而使计划调度更接近现实 ,大大缩短总完工时间 ,对于钢厂一体化管理 ,使连铸生产的高温铸坯 ,能够在允许时间范围到达热轧厂 ,降低了能源消耗 ,缩短生产周期 .

受扰动多模具并行多机的动态再调度

文中介绍了有公共交货期的并行多机提前/拖后调度问题的数学模型,基于该模型提出了机器数和模具数发生变化后进行快速分析和重新调度的方法,而且有效的利用了人工智能的启发功能,并成功的结合了SA和GA。