随机柔性Flow shop加权完成时间调度问题的启发式策略性能分析

因实际生产中调度问题的规模很大,分析其近似算法的绝对性能比很难,有时甚至不可能,所以研究近似算法的渐近性能比就很有必要．本文针对随机柔性Flow shop加权完成时间调度问题,使用单机松弛和概率分析方法,证明了基于加权最短期望处理时间需求的启发式策略是渐近最优的．

柔性Flow Shop加权完成时间调度问题的启发式分析

针对柔性 flow shop 加权完成时间调度问题,通过对机器环境进行分组,证明了一个基于有效作业最短加权平均处理时间的启发式算法是渐近最优的.

柔性Flow shop最小和调度问题的启发式研究

本文研究有n个作业须在s个处理机中心进行加工,处理机中心i由li个同速机组成的非抢占式柔性flowshop加权完成时间调度问题。每个作业有同样的加工路径通过每个处理机中心,但只需在处理机中心的任一台机器上加工处理,作业到达时间相同。目的是确定一个作业在每个处理机中心机器上的可行调度序列,使所有作业在最后处理机中心的加权完成时间总和最小化。在作业处理时间和权重有界、每个作业的工序处理时间为同分布的随机变量、不同作业的处理时间相互独立时,通过分组这种机器环境,我们证明该问题在作业数趋于无究时,一个基于加权最短处理时间的启发式算法是渐近最优的。

基于GA的柔性Flow Shop工位派工优化研究

柔性Flow Shop调度问题一直是研究热点,其实质是一种资源分配的优化问题。本文主要针对目标为最小化makespan的柔性Flow Shop调度问题,通过在eM-Plant软件平台上建立Flow Shop仿真模型,并结合遗传算法和派工法则,对流水线上每一个工位的派工进行优化选择,得出整体流水线最优的情况下每一个工位所使用的派工法则,以此来提高整体流水线的生产效率。最后,结合案例在eM-Plant平台上建立了相应的仿真模型,并验证了基于遗传算法进行工位派工优化的可行性和有效性。

柔性Flow shop加权完成时间调度问题的启发式算法

使用单机松弛方法证明了,即使对于柔性F low shop加权完成时间调度问题,基于加权最短处理时间需求的启发式算法也是渐近最优的。

集装箱码头装卸作业的调度控制模型及算法设计

对集装箱码头上装卸作业的调度控制直接影响码头的整体运营效率．本文研究了集装箱码头装卸作业的调度控制问题,提出了一个基于柔性化flow shop的集成化控制模型．该问题具有非线性规划(NP：non- polynomial)难度,因此本文开发设计了两类基于优先级规则的启发式调度算法．利用该模型来对码头中多种装卸设备进行总体调度可以提高设备之间的协调性,提高码头效率,降低成本．实验研究证明算法能有效地解决该问题．