蛙跳算法与批量无等待流水线调度问题的优化

针对以makespan为指标的批量无等待流水线调度问题,提出了一种有效的离散蛙跳算法。首先采用基于工序的编码方式使蛙跳算法直接应用于调度问题;其次采用基于NEH与改进NEH和随机产生相结合的初始化方法,保证了初始解的高质量和分布性;再次采用交叉或变异方法产生新解,保持了种群的优越性和多样性;最后对全局最优解执行快速局部搜索,有效地降低了算法的时间复杂度,平衡算法的全局和局部开发能力。对随机生成不同规模的实例进行广泛的实验,通过仿真实验结果的比较,表明所得蛙跳算法的有效性和高效性。

蛙跳优化算法求解多目标无等待流水线调度

提出了基于Pareto边界和档案集的改进蛙跳算法,解决以最大完工时间、最大拖后时间和总流经时间为目标值的无等待流水线调度问题.首先,采用NEH(Nawaz-Enscore-Ham)启发式与随机解相结合的初始化方法,保证了初始群体的质量和分布性;其次,采用两点交叉方法生成新解,使蛙跳算法能够直接用于解决调度问题;再次,利用非支配解集动态更新群体,改善了群体的质量和多样性;最后,将基于插入邻域的快速局部搜索算法嵌入到蛙跳算法中,增强了算法的开发能力和效率.仿真试验表明了所得蛙跳算法的有效性和高效性.

批量流水线调度问题的混合离散蛙跳算法

研究了以提前/拖后惩罚指标为目标的批量流水线调度问题,给出了该问题的数学模型以及小批量的调整策略。根据蛙跳算法的原理,采用基于工序的编码方式并利用两点交叉操作设计了新的位置生成公式,提出了解决该问题的离散蛙跳算法。为进一步增强算法的开发能力和效率,结合扰动策略、模拟退火概率接受准则和插入邻域搜索对该算法进行改进。对随机生成的实例进行了广泛的试验,结果表明了所提算法的高效性。

求解批量流水线调度问题的离散蜂群算法

针对批量流水线调度问题,提出一种离散人工蜂群算法来优化最大完成时间。研究了计算最大完工时间的前向和后向方法,并提出插入邻域快速算法。与传统的人工蜂群算法不同,离散人工蜂群算法采用工件序列编码,运用扩展的NEH方法产生初始种群,使用自适应的移动选择策略和路径链接方法生成新解,利用基于插入邻域快速算法的局部搜索来加强局部开发能力。同时为了保持种群的多样性,防止算法陷入局部极小,当种群相似度达到一定值时进行算法重启。仿真实验表明该算法可行、高效。

用差异进化和变邻域搜索解决无等待流水线调度问题

提出了解决无等待流水线调度问题的离散差异进化(DDE)算法和变邻域搜索(VNS)算法。与标准差异进化(DE)算法不同,DDE算法采用了基于工序的编码和新的个体生成方法,因而能直接用于求解生产调度这类复杂问题;VNS算法采用多重移动邻域以提高性能。为了进一步提高求解质量,将DDE和VNS结合,得到三种混合算法:DDE—VNS、DDE_(VNS)和DDE&VNS。仿真试验表明:上述算法都是有效的,混合算法优于单一算法,VNS、DDE—VNS、DDE_(VNS)和DDE&VNS等4种算法优于国际上同类研究的最新成果。

批量流水线调度问题的混合差分进化算法

针对ET指标的批量流水线调度问题,提出了差分进化调度算法。该算法采用基于实数的编码方式,利用最优目标个体的扰动产生变异个体,通过变异个体与目标个体的交叉产生试验个体,提高了最优目标个体信息共享,并结合模拟退火算法给出了两种混合求解策略。仿真试验表明了所得算法的可行性和高效性。

解决无等待流水线调度问题的新算法

提出了解决无等待流水线调度问题的3种新算法,即离散粒子群优化算法、离散差异进化算法和阈值接收算法。离散粒子群优化算法和离散差异进化算法采用了基于工件序列的编码方式和新的个体生成方法,从而使具有连续性质的粒子群优化算法和差异进化算法能直接用于求解调度问题。仿真试验表明了上述算法的有效性。

解决无等待流水线调度问题的变邻域搜索算法

提出了解决无等待流水线调度问题的变邻域搜索调度算法。采用基于自然数编码的工件序列表达问题的解,采用多重Insert移动邻域和多重Swap移动邻域作为变邻域搜索的两种邻域结构。多重移动有利于算法向包含较优解的区域搜索,因而有较高的求解质量和效率。仿真实验证明了变邻域搜索算法的有效性。

双机成比例无等待流水线重调度干扰管理研究

针对由异速机构成的双机成比例无等待流水线的加工特点,研究了机器扰动工况下的生产重调度问题,提出了兼顾初始调度目标(最小化制造期)和扰动修复目标(最小化工件滞后时间和)的干扰管理方法。在最短加工时间优先(SPT)排序规则的最优解特性分析基础上,证明了右移初始加工时间表是事后干扰管理的最优调度方案,建立了基于SPT规则的事前干扰管理模型,设计了基于理想点趋近的多目标处理策略,提出了离散量子微粒群优化与局部搜索机制相结合的启发式模型求解算法。算例实验结果表明,本文提出的干扰管理模型和算法是有效的。

混合无等待流水线干扰管理调度方法研究

针对带分批约束的混合无等待流水加工环境中干扰事件的出现导致初始调度计划发生偏离的问题,研究如何运用干扰管理理论来应对工件变更扰动情况,建立了兼顾最小化工件完工时间加权和指标(初始调度目标)和最小化工件完工滞后时间加权和指标(偏离校正目标)的干扰管理调度模型,提出了双层微粒群优化策略与随机多邻域搜索机制相结合的混合求解算法。数值算例仿真实验结果表明,包含"插入-交换"大概率邻域搜索算子的混合微粒群优化算法求解本文所构建的干扰管理调度模型是有效的。

求解批量流水线调度问题的改进和声搜索算法

针对以最大完工时间为目标的批量流水线调度问题,提出一种改进的和声搜索优化算法。该算法采用ROV规则的编码方式,使具有连续本质的和声搜索算法能直接应用于调度问题。对和声库的初始化和候选解的产生方式进行改进。针对该算法容易陷入局部最优的缺陷,将其与阈值接受算法结合,得到2种混合算法。仿真结果证明了该算法的有效性。

求解批量流水线调度问题的离散差分进化算法

在研究机床加工的过程中,针对最小化E/T指标的批量流水线调度问题,为了提高工效,提出了一种离散差分进化算法。与传统的差分进化算法不同,离散差分进化算法采用基于工件排列的编码方式,并使用基于工件排列编码的变异和交叉操作。方法可以有效解决流水车间调度问题。为了进一步提高算法的优化性能,提出了一种自适应的多邻域局部搜索算法,并将其嵌入到离散差分进化算法中以增强其局部探测能力。仿真试验表明了所得算法在求解质量和求解效率两方面优于传统的研究成果。

求解批量流水线调度问题的蜂群算法

针对批量流水线调度问题,提出了一种改进的人工蜂群算法来优化最大完成时间。该算法运用NEH方法产生初始解,采用混沌遍历的方法生成新的邻域解。为了跳出局部最优,使用最优解的插入扰动来替换一些连续若干步不能改进的解来提高算法的全局搜索能力。采用自适应的局部搜索加强算法的局部搜索能力。仿真试验表明了所得算法的可行性和高效性。

基于改进离散和声算法的批量流水线调度研究

针对批量流水线调度问题,提出了以总流经时间为目标的改进离散和声算法。与基本的和声算法相比,该算法首先采用了基于工件序列的编码方式,使其直接应用于调度问题,同时运用NEH和SWAP方法产生初始和声库,保证了初始种群具有较高的质量和多样性。使用自适应和声微调概率参数和INSERT方法产生新解,提高了算法的优化性能。为了提高算法的局部搜索能力,结合交换扰动策略和插入邻域搜索算法给出了两种混合求解策略。仿真实验表明所提算法的有效性。

求解批量流水线调度问题的和声算法

针对以最大完工时间和总流经时间为目标的批量流水线调度问题,提出了改进的和声调度算法。该算法采用基于最大位置值(LPV)规则的编码方式,使具有连续性质的和声算法应用于求解调度问题;提出新的初始化方法,应用了多种群进化的思想更新和声库,并结合和声算法和模拟退火算法各自的特点,给出了两种混合调度算法。仿真实验表明所提算法的可行性和有效性。

离散微粒群算法求解批量流水线调度问题

提出了解决批量流水线调度问题的离散微粒群优化算法。该算法采用了基于工序的编码方式,设计了新的粒子生成公式,从而使微粒群算法可以直接应用于调度问题。同时,针对微粒群算法容易陷入局部最优的缺陷,将其与模拟退火算法结合,得到了改进的微粒群优化算法。仿真实验表明了上述算法的有效性。

离散和声求解带启动时间批量流水线调度问题

分别在有等待和无等待的情况下,深入分析了带有启动时间的批量调度问题,以最小化最大完成时间为目标,提出了两种离散和声搜索算法。针对算法本质连续而问题离散的矛盾,对和声搜索算法进行改进。首先提出了基于工序的编码方式,采用inver-over和重组两种离散算子产生候选解的进化机制;并利用改进的NEH(NawazEnscore-Ham)方法进行初始化,产生的高质量和多样化的初始种群有效地指导了算法的进化方向,提高收敛速度;最后将一种简单而有效的局部邻域搜索方法嵌入到和声搜索算法中以增强其局部搜索能力。仿真实验和比较结果表明了所提算法的有效性。

解决批量流水线调度问题的离散微粒群算法

提出了解决以makespan为目标的批量流水线调度问题的离散微粒群优化算法.该算法采用了基于工序的编码方式,设计了新的粒子生成公式,通过局部搜索来提高算法的开发能力,从而使微粒群算法可以直接应用于调度问题.仿真实验表明了上述算法的有效性.

改进布谷鸟搜索算法求解批量流水线调度问题

针对以最大完工时间为目标的批量流水线调度问题,提出一种改进的布谷鸟搜索算法.该算法采用排序规则的编码方式,将连续个体值的布谷鸟搜索算法直接应用于离散的调度问题.其次,在布谷鸟搜索算法的基础上,一个简单而有效的局部搜索用于批量流水线调度问题的探索.仿真实验表明所提出算法的可行性和有效性.

动态子和声算法求解无等待批量流水线问题

针对无等待批量流水线调度问题,根据和声算法的机理,提出了一种改进的和声算法对其进行求解。利用NEH和混沌序列相结合的方法产生初始解,并实现了和声向量与工序之间的转换;充分利用最优解,设计新的更新算子,为了避免陷入局部最优,引入了变异策略;结合蛙跳算法分组的特点,将和声库随机动态的分成了几个子和声;为平衡算法的全局开发和局部搜索的能力,对子和声中的最优解执行了局部搜索。通过仿真实验与其他几种算法进行比较,证明了算法的有效性。