免疫遗传算法在柔性Job-shop调度问题中的应用

借鉴生物免疫机理提出了一种求解柔性Job shop车间调度问题的免疫遗传算法.仿真结果表明,该算法有效地避免了传统遗传算法中因选择压力过大造成早熟现象的发生,显著地提高了遗传算法(GA)对全局最优解的搜索能力和收敛速度,这将使遗传算法在众多实际的优化问题上具有更广泛的应用前景.

遗传算法求解柔性job shop调度问题

在分析柔性jobshop调度问题特点的基础上,提出一种新的求解该问题的遗传算法,即利用编码方法表示各工序的优先调度顺序及工序的加工机器,由此产生可行的调度方案,使得问题的约束条件在染色体中得以体现.所设计的遗传算子不仅能避免非法调度解的出现,保证后代的多样性,而且可使算法具有记忆功能.仿真结果证明了该算法的有效性.

基于混合微粒群优化的多目标柔性Job-shop调度

应用传统方法求解多目标柔性Job-shop调度问题是十分困难的,微粒群优化采用基于种群的搜索方式,融合了局部搜索和全局搜索,具有很高的搜索效率.模拟退火算法使用概率来避免陷入局部最优,整个搜索过程可由冷却表来控制.通过对这两种算法的合理组合,建立了一种快速且易于实现的新的混合优化算法.实例计算以及与其他算法的比较说明,该算法是求解多目标柔性Job-shop调度问题的可行且高效的方法.

基于免疫算法的多目标柔性job-shop调度研究

建立了多目标柔性job-shop调度模型;然后提出了带有保优机制免疫算法,利用免疫记忆、接种疫苗等机制,在算法中保留并充分利用每代最优抗体和局部最优基因,使算法加快收敛;针对这类调度的柔性,提出基于工序设备双层抗体编码方案和基于设备能力空间的解码方案;采用多目标分级评价方法同时对时间、设备和成本等多目标进行评价和优化.最后,用Benchm ark标准问题的仿真和西安航空发动机(集团)有限公司的调度实例验证了算法、策略和调度模型的有效性和优越性.

面向工件的多目标柔性Job Shop调度问题研究

针对各工件目标不同的多目标柔性Job Shop调度问题,提出了一种基于混合遗传算法的优化求解方法。首先建立了该类问题的调度模型;然后,在基本遗传算法柜架的基础上,通过两层意义上的随机权重法,将多目标问题随机转化为单目标问题,同时为了保证算法的收敛性和Pareto解的多样性,混合遗传算法集成了精英保留策略和小生境技术;利用层次分析法与模糊综合评判集成的方法,从Pareto解集中选出最优妥协解。最后通过实验仿真,证明提出的方法可以有效解决该类多目标柔性Job Shop调度问题。

柔性Job Shops集成调度启发式算法

为有效解决柔性作业车间(Job Shops)的加工与搬运集成调度问题,以最小化最大完工时间(Makespan)为调度目标,建立非线性规划模型,提出基于贪婪启发式策略的变邻域搜索算法(GRS-RVNS).根据准时(JIT)生产和均衡生产思想构建贪婪启发式策略快速求初始解.利用析取图表示可行解并根据析取图调度的性质定理构建有效的搜索邻域,进而利用随机变邻域搜索算法对初始解进行优化.对提出的算法进行仿真实验分析,结果表明:该算法求解时间短、调度方法有竞争性.

柔性Job Shop类型机器人制造单元调度研究

柔性Job Shop类型机器人制造单元调度问题是一类新的具有广泛工程应用背景而又极富挑战的调度问题,引起了学术界和工业界的极大关注。文中分析了柔性Job Shop类型机器人单元调度问题的内容与特点,并以模具生产为背景,构建了一种以工件组最大完工时间最小为目标的Job Shop类型机器人单元调度模型,进而提出了一种混沌量子粒子群算法(CQPSO)用于模型求解。该算法在量子粒子群算法(QPSO)基础上,引入改进的Tent混沌映射机制,在保持QPSO算法收敛速度快的同时,克服了其易陷入局部极小值的缺点,提高了算法求解效率。仿真实验结果表明,CQPSO算法在求解柔性Job Shop类型机器人调度问题方面具有较大的应用优势。

遗传算法在多目标柔性Job-Shop调度中应用

针对Job-Shop调度问题,提出了一种双染色体的遗传算法编码新方法,采用对染色体的分离交叉重组操作生成更多的优秀个体,设计了多种群、遗传参数自适应调整来提高种群的多样性。使用优势档案群保存当代最优Pareto解。最后给出仿真结果,与经典的遗传算法求得的结果比较,证明了该算法的有效性和先进性。

基于免疫蚁群算法的Job-shop调度问题

描述了作业调度问题,借鉴生物免疫机理提出了求解车间调度问题的免疫蚁群算法,该方法在蚂蚁搜索程中,运用免疫机理提取疫苗,并对进化种群进行免疫操作,从而有效地抑制了蚁群算法的“早熟”和搜索效率低下的问题,显著地提高了蚁群算法对全局最优解的搜索能力和收敛速度,给出了免疫蚁群算法的具体步骤,并对算法进行了实例验证。

柔性作业车间调度优化的改进模拟退火算法

针对柔性作业车间调度问题,提出一种改进模拟退火算法来进行求解。该算法引入粒子群算法中的基于位置取整和基于轮盘赌两种个体编码方法,并采用3种不同的局部搜索方法来构造个体的邻域结构。算例计算表明,改进模拟退火算法在求解柔性作业车间调度问题时,比粒子群算法、混合粒子群算法以及模拟退火算法具有更好的求解性能,其中采用轮盘赌编码时,算法的求解性能要优于采用位置取整时的求解性能,且基于互换的局部搜索方法要优于其他两种局部搜索方法,能更有效地改善算法的求解性能。

工艺路线可变的Job-Shop准时生产调度研究

针对工艺路线可变的Job Shop准时调度问题 ,建立了优化模型 ,并提出了一种求解该问题的两层遗传算法。通过算法分析和实例仿真 ,说明了算法的有效性和可行性。

Job shop调度文化进化算法研究

作业车间调度优化问题属典型的NP-hard问题,其求解通常采用智能启发式算法,文化进化算法基于文化算法及文化进化思想,通过上层文化空间的经验知识指导下层个体进化搜索的方向及步长,通过模拟人类社会文化进化的机制实现文化空间的进化与更新,最后将算法应用到Job shop问题的求解,用matlab编程仿真测试,结果表明此算法解决车间调度优化问题是可行的,而且其搜索性能优于一般GA算法及一种改进的微粒群算法。

动态Job Shop调度仿真中的交货期设置问题研究

针对动态Job Shop仿真调度研究中的交货期设置问题,研究了TWK规则中交货期宽裕度系数的合理取值方法。以EDD、MDD和ODD作为基准调度规则,拖期工件百分比作为交货期松紧程度评判指标,并提出了以区间方式表示的定量评判标准。通过仿真调度试验,得到了不同车间利用率和不同交货期松紧程度下合适的交货期宽裕度系数取值。

基于模糊规划的处理时间不确定条件下的Job shop问题

研究了处理时间不确定条件下的 Job shop生产调度问题 ,建立了基于模糊规划理论的不确定 Job shop调度模型。在采用两种模糊运算的基础上 ,结合模糊优化和遗传算法给出了一个解决非线性模糊优化问题的可行算法 ,通过仿真数据说明了所建模型及算法的有效性 。

一种基于模拟退火算法的作业车间调度算法

通过对传统模拟退火算法(SA)和移动瓶颈法(SB)各自算法流程的分析,提出了一种改进的模拟退火算法。算法以模拟退火算法为主体流程,在主体流程过程中融入改进的移动瓶颈技术,在满足接受概率下,优化待接受的解,加快算法的收敛速度。通过对JSP优化问题的仿真试验,改进后的模拟退火算法对大规模组合优化问题求解效率有很大提高。

导弹弹体加工车间调度仿真系统设计与实现

为解决弹体加工车间因生产周期长,生产过程资源耗费大,研究样本少等缺点不便于展开调度问题研究的难题,本文基于C#.NET设计实现了导弹弹体加工车间调度仿真系统。该系统经过科学的需求分析,从体系框架、系统功能和数据结构三方面展开设计,实现了静态调度与动态调度相结合的车间调度系统仿真,能在一定程度上提高弹体加工车间工作效率,并为车间调度算法研究提供仿真平台。

批量投放与交付的柔性动态Job Shop调度问题及其调度仿真研究

基于汽车零部件生产企业制造系统,提出一种工件批量投放与交付的柔性动态Job shop调度问题,工件以批量方式动态陆续投放,整批交付,车间中具有多种类型的机器集合,以批工件总拖期及拖期批工件百分比作为调度目标。由于问题属于强NP困难问题,采用离散事件动态系统仿真方法对问题进行了仿真调度试验研究。提出问题的离散事件仿真建模中批工件投放时间与交货期的设置方法,设计6个新的调度规则,与选择的文献中所提出的9个调度规则一并纳入仿真调度试验。对仿真调度进行试验设计,采用单因素方差分析和验后比较对试验结果进行统计处理,并详细分析15个调度规则对所提调度问题的求解性能。结果表明,所提出的EMDD.b(Equivalent modified earliest due date for batch)规则在各种试验参数配置下均表现出最优的性能,所提出的其他一些新规则在两个调度目标(或某个调度目标)下也表现出较好性能。