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.

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。

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。

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。

多目标无等待流水线调度的离散果蝇算法

本文提出了一种离散多目标果蝇优化算法,求解以最大完工时间和机床空闲时间最小化为目标的无等待流水线调度问题。与传统的果蝇算法不同,首先,该算法采用基于工序的编码方式,其次,利用GLOVE发生器进行初始化,提高初始解的分散度;最后,利用简单但有效的插入方法在邻域内进化精细搜索,增强算法的全局开发能力。仿真试验表明了所提果蝇算法的有效性和高效性。

无等待流水线调度问题的混合优化算法

针对无等待流水线调度问题提出了一种混合离散化粒子群优化算法。通过建立位置矢量编码与调度方案之间的映射关系将连续的粒子群优化算法应用于离散的无等待流水线工件调度问题。为了提高离散粒子群算法的性能,增强算法的探索能力,在粒子群每次迭代之后对全局最优解加入随机扰动并进行变邻域搜索。仿真结果表明,该优化算法具有良好的性能。

基于蝙蝠退火算法的无等待流水线调度问题研究

无等待流水线调度问题(no-wait flow shop scheduling problem,NWFSP)是一类比较重要的复杂生产调度问题,并已经被证明是典型的NP问题.蝙蝠算法(Bat algorithm,BA)是一种较新颖的群体智能算法.本文针对蝙蝠算法在求解无等待流水线调度问题上的不足,提出一种蝙蝠退火算法,它通过采用ROV的编码方式以实现离散问题的连续编码,同时为了避免算法早熟现象引入了模拟退火算法.算法采用基于NEH的局部搜索规则,在很大程度上提高了算法的性能.利用标准Car问题和Rec问题算例进行仿真实验,结果表明了改进算法的可行性和有效性.

双目标无等待流水线调度的加权混合算法

针对最小化"总完工时间"和"最大完工时间"的双目标无等待流水线作业调度问题提出了一种粒子群加权混合优化算法,通过随机加权的方式将其转换成单目标问题,并应用基于升序排列的ROV(ranked-order-value)编码规则,将粒子群优化算法应用于无等待流水线作业调度问题。为了提高算法的性能,增强算法的搜索能力,提出的混合算法应用了NEH方法构造初始种群,在一个较好的初始值上进行粒子群优化,为防止种群陷入局部最优造成早熟,在粒子群每次迭代之后对全局最优解加入扰动并进行变邻域搜索。仿真实验结果表明该混合调度算法具有良好的性能。

双目标流水线调度的动态双子群离散果蝇算法

提出了一种基于动态双子群的离散果蝇优化算法,求解以最大完工时间和机床空闲时间的最小化为目标的无等待流水线调度问题。与传统的果蝇算法不同,该算法采用基于工序的编码方式,并用改进的NEH方法进行初始化,提高初始解的质量;根据算法在进化过程中个体的进化水平,动态地将整个群体划分为先进子群和后进子群,简单但有效地插入方法在先进个体邻域内进化精细搜索,贪婪迭代进化机制用于优化后进个体,以此平衡算法的全局开发能力和局部搜索能力;为了提高算法效率,快速算法用于计算函数目标值和判断更新非支配解。仿真试验表明了所提果蝇算法的有效性和高效性。

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。

批量无等待调度问题的微粒群蛙跳混合优化算法

将离散微粒群与蛙跳算法相结合解决以最大完工时间为指标的批量无等待流水线调度问题。结合微粒群算法较强的全局收敛能力和蛙跳算法较强的深度搜索能力,设计了三种混合算法,平衡了算法的全局开发能力和局部探索能力。对随机生成不同规模的实例进行了广泛的实验,仿真实验结果的比较表明了所得混合算法的有效性和高效性。