基于种群迭代贪婪算法无等待流水车间调度

针对无等待流水车间调度问题,提出一种基于种群迭代的改进贪婪算法解决以最小化最大完工时间为目标的此类问题。首先,采用改进NEH(Nawaz–Enscore–Ham)算法提升初始种群的质量,提高种群的多样性,并得出初始解,确定最优个体;其次,采用种群迭代贪婪算法对确定的种群序列进行破坏与重新构建,将新序列插入指定位置,并对获得的候选方案进行本地搜索,获得新的解决方案,同时取代劣势解决方案;最后,通过仿真实例将种群迭代贪婪算法与其他智能优化算法在平均相对偏差率、最佳相对偏差率、算法收敛性上进行对比,结果表明种群迭代贪婪算法求解所提问题的高效性和稳定性。

基于离散状态转移算法的无等待流水车间调度研究

针对制造行业中广泛存在的无等待流水车间调度问题,提出一种改进的离散状态转移算法进行求解。基于流水车间调度问题的特性,设计工件的编码方式,采用基于工件加工时间标准差为优先级的NEH(Nawaz-Enscore-Ham)方法构造初始解,设计基于插入和交换的多邻域组合搜索策略以提高初始解的质量;提出一种基于群状态的离散状态转移算法,并利用带二次状态转移操作的三种离散操作算子扩大算法的搜索范围;为进一步提高离散状态转移算法的求解性能,设计了基于莱维飞行的破坏重构局部搜索方法,对全局搜索发现的优质解进行细致搜索。仿真实验表明,改进的离散状态转移算法能够有效求解无等待流水车间调度问题。

无等待流水调度量子候鸟协同优化算法

文章提出了一种新颖的量子候鸟协同优化(CQMB)算法,求解无等待流水调度问题(NWFSP)最小化最大完工时间。算法首先采用量子双链编码方案扩大解空间;全局使用候鸟优化(MBO)算法进行迭代并与量子旋转门相结合,实现较差个体的改进以及劣势个体与优势个体之间的信息交换,从而提高解的质量;采用变邻域搜索(VNS)策略加速种群收敛并跳出局部最优;测试了基准实例Ta001-Ta090,将CQMB与目前较优算法DWWO比较,DWWO获得较优解的个数为57,而CQMB则为75个。实验结果证明了所提算法具有较强的优化能力,能够有效地求解中小规模无等待流水调度问题。

基于DPSO的无等待混合流水车间调度方法

研究了无等待混合流水车间调度问题,调度目标为最小化工件的最大完成时间。针对问题中工件加工无等待特点,设计了分阶段实现的无等待算法,并将机器的能力约束嵌入到算法之中。在此基础上,首次应用离散粒子群优化算法对无等待混合流水车间调度问题进行了优化求解。通过仿真实验表明,离散粒子群算法的优化质量优于遗传算法及LTPT、STPT和FCFP三种启发式算法,同时验证了分阶段无等待算法的有效性。

无等待流水车间调度问题的优化

文中研究了以生产周期为目标的无等待流水车间调度问题.首先,结合问题特征,提出了一种复杂度为O(n)的快速生产周期算法.其次,研究了两种插入邻域结构:基本插入邻域和多重插入邻域,并提出了快速基本插入邻域算法和最大多重插入移动算法.在此基础上,将离散粒子群算法与上述两种邻域搜索算法相结合,得到了离散粒子群优化调度算法.第三,根据问题生产周期的不规则性,给出了一种通过延长工序加工时间进一步改进调度方案的方法.最后,仿真实验表明了所得算法的可行性和有效性.

解决无等待流水车间调度问题的离散粒子群优化算法

针对以生产周期为目标的无等待流水车间调度问题,提出了一种离散粒子群优化算法。研究了无等待流水车间调度问题的快速邻域搜索技术,并将其分别用于加强粒子、个体极值或全体极值的邻域探索能力,得到了三种改进的离散粒子群优化算法。基于典型算例的试验,表明了上述算法的有效性。

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.

一类解决无等待流水车间调度问题的蚁群算法

针对以最大完成时间为目标的无等待流水车间调度问题,提出了一种蚁群算法。首先,基于复杂度为O(n)的最大完成时间算法简化了适应值的计算;其次,基于当前最优解和轨迹密度的新解构造方法提高了求解质量;第三,基于快速插入邻域算法的多重插入移动提高了搜索效率;最后,基于典型算例的仿真试验,表明了所得调度算法的可行性和优越性。

基于总空闲时间增量的无等待流水调度混合遗传算法

将NP-难的最小化最大完工时间无等待流水调度问题等价转化为最小化总空闲时间的问题,改变传统求解调度序列目标函数的模式,通过目标函数变化量判断新解的优劣,大大降低算法所需计算时间.分析启发式算法基本操作和进化算子的总空闲时间增量性质,设计基本总空闲时间增量法以快速评估新产生解的质量.提出混合遗传算法I HGA(increment based hybrid genetic algorithm)求解该问题,构造相应初始种群生成方法和进化算子,提出进化概率动态更新策略和种群收敛判断与再生机制;算法混合了迭代改进局部搜索以进一步提高解的质量.基于120个经典Benchmark实例,将I HGA与目前求解该问题的有效算法RAJ,GR,SA2,TSM和FCH进行比较.实验结果表明:I HGA在性能方面优于其他,计算效率方面优于SA2和TSM,略逊于GR,RAJ和FCH.

复杂无等待自动化制造系统的调度算法研究

针对一类存在并行工作站和可重入工作站的复杂无等待自动化制造系统的调度问题,提出了利用禁止区间法建立该问题的数学模型,并开发了一种多项式时间复杂度的最优算法。该算法已经在自动化电镀生产线中得到应用,证明了该模型和方法的有效性。

实时无等待HFS调度的一种拉格朗日松弛算法

研究了实时无等待HFS调度问题,并建立一个整数规划模型,提出运用拉格朗日松弛算法来求解.在此算法中,常采用次梯度方法更新拉格朗日乘子,但它随着迭代数的增加收敛速度会减慢,因此设计了一个改进的bund le方法,将以前的次梯度累积到bund le中,以获得一个更好的乘子更新方向.仿真实验表明,与次梯度方法相比,所设计的bund le法不仅在较少的迭代数内得到了更快的收敛速度而且改进了优化性能,对于大规模问题效果更为显著.

基于目标增量的无等待流水调度快速迭代贪婪算法

最小化总完工时间无等待流水调度是典型的NP-完全问题,广泛存在于实际生产系统.改变传统求解调度序列目标函数的模式,提出目标增量法,通过目标函数变化量判断新解的优劣,大大降低算法所需计算时间;通过证明启发式算法基本操作的目标增量性质,设计两种基本目标增量法以快速评估新产生解的质量.提出快速迭代贪婪算法FIG(Fast Iterative Greedy algorithm)求解该问题,构造初始解生成算法,提出分段式重构局部搜索方法和迭代改进全局搜索策略以进一步提高解的质量.基于110个经典Benchmark实例,将提出的FIG算法与目前求解该问题较好的启发式算法PH1p和元启发式算法SRTS、DPSOvnd进行比较,实验结果表明FIG在性能上优于SRTS和PH1p,略逊于DPSOvnd;在效率上优于SRTS和DPSOvnd,略逊于PH1p.

一类存在阻塞无等待串联排队的医院病床配置方法

分析了病人在不同病房住院治疗过程的特征,在此基础上,以病床为研究对象,对存在阻塞无等待的串联排队问题进行了数学分析;给出了病人等待时间、病床占用概率等系统性能的量化指标.利用近似计算方法得到了排队系统的阻塞指标,建立了成本约束下的病床配置数学规划模型.通过对模型特征的分析,设计了融合邻域搜索和模拟退火算法的求解方法,分析了病床分配方案、病床权重等参数对系统阻塞率的影响.比较多组数值实验结果与已有文献的计算结果,可以看出本文方法的优越性.

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。

无等待多机器人制造单元调度模型和算法研究

为解决无等待多机器人制造单元的调度问题,应用禁止区间法,建立了无等待多机器人制造单元调度的数学模型。在分析模型的基础上,证明了问题的最优周期长度必定是某一个特定的周期长度值。提出了基于图论的算法,并以此验证这些特定的周期长度值的可行性。以上述工作为基础,为无等待多机器人制造单元开发了能求解最优解的多项式调度算法,并以自动化印刷电路板电镀生产线为例,对提出的模型和算法进行了验证。

多工件类型的无等待机器人制造单元调度研究

首先将加工多工件类型的无等待机器人制造单元调度问题分解为两个相互联系的子问题:(1)多类型工件进入系统的排序问题;(2)机器人搬运作业的排序问题。从解决工件使用工作站和机器人可能发生的冲突入手,以工件进入系统的时间为决策变量,利用禁止区间法建立了问题的数学模型,并开发了一基于图论的动态分枝定界最优算法。最后,通过一自动化印刷电路板(PCB)生产线和随机算例验证了算法的有效性。

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。

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。

具有外包选择的无等待流水线干扰修复模型

针对双机成比例无等待流水线环境下最小化完工时间和的调度问题,研究如何基于干扰管理理论和采用作业外包途径来应对机器干扰事件。在证明最短加工时间优先(SPT)最优解定理的基础上,同时考虑最小化工件完工时间和指标(初始调度目标)与最小化工件滞后时间和指标(偏离最小目标),构建了基于SPT规则的干扰修复0-1整数规划模型,提出了基于差分进化全局搜索策略与"插入-交换"邻域搜索机制相结合的多目标混合智能算法。数值实验结果表明,本文提出的机器干扰条件下外包修复模型及算法是有效的。

调整时间可分离的无等待Flow Shop调度问题

研究了 3台机器调整时间可分离的无等待FlowShop调度问题 ,目标函数为极小化加权完工时间和·基于对问题的分析 ,给出了目标函数的一般表示·对某些特殊情况 ,给出了问题存在多项式最优算法的充分条件·在此条件下 ,将单机调度问题的WSPT规则应用到无等待FlowShop调度问题 ,得到了求解无等待FlowShop问题最优调度的分派规则·通过反例指出了文献中的某些错误·