基于改进的RA算法的混合Flowshop调度问题的求解

针对混合Flowshop系统的最小化Makespan调度问题,提出基于改进的RA斜度指标的启发式算法来对工件进行排序,采用FAM算法来分配设备并给出其最优值的下界检验该算法。仿真结果表明该方法优于目前最好的启发式算法能较好地解决混合Flowshop的调度问题。

用多种群并行自适应遗传算法解混合Flowshop调度问题

混合流水车间（Ｆｌｏｗｓｈｏｐ）调度问题是一个ＮＰ完全问题，很难用一般的方法解决。构造并采用多种群并行自适应遗传算法求解该问题。仿真结果表明，此算法不仅具有较强的全局收敛性，而且有更快的寻优速度，是求解复杂调度问题的有效算法。

基于离散混合蛙跳算法的地震应急物资调度

建立震后应急物资调度数学模型。该模型根据各灾区的受灾情况评估其救援紧急程度,并设计一种需求拆分供应的运输机制,提高车辆的利用效率。为求解该模型,提出一种多源信息学习的离散混合蛙跳算法。所提算法引入多种信息源以扩展算法的搜索方向,降低种群的同化速度。同时,让子组最差个体学习种群中的有效信息,提高算法的收敛精度。实验结果表明,所提算法能够搜索到精度更优的调度方案,对问题规模具有良好的可扩展性。

混合麻雀算法求解带准备时间的分布式柔性作业车间调度问题

分布式制造模式因多工厂/车间协同生产而使其制造环境存在多样性和多变性。研究了考虑零件加工前的动态准备时间的分布式柔性作业车间调度问题(Distributed Flexible Job Shop Scheduling Problem, DFJSP)。针对缸体零件加工阶段存在多工位零件装夹定位、拆卸和换刀等动态准备时间的实际生产情况,建立了以完工时间、碳排放和订单拖期为目标的DFJSP模型;提出了一种混合麻雀算法(Hybrid Sparrow Search Algorithm, HSSA)对上述模型进行求解。HSSA算法根据模型特点,采用了三层编码方式和多种群初始化策略,设计了一种三层变邻域搜索结构,引入了POX、PMX交叉算子和高斯变异算子来完成交叉、变异操作,同时设计了一种基于支配关系的精英选择策略。通过仿真及与其他算法的对比分析,验证了HSSA算法的优越性和可靠性。

基于联姻遗传算法的混合Flowshop提前/拖期调度问题

混合流水车间 (Flowshop)提前 /拖期调度问题的目标是使工件的提前 /拖期惩罚成本最小 ,这是一个NP完全问题 ,很难用一般的方法解决。文中首先给出了问题的数学模型 ,然后采用联姻遗传算法求解该问题。

基于TNEH算法求解混合Flowshop的调度问题

针对混合Flowshop调度问题,在NEH算法基础上提出了改进的基于两步法的NEH算法——TNEH算法。针对半导体封装生产实际调度问题,提出了最优匹配设备规则与求解Makespan最小的调度目标的下界算法。最后利用仿真评估软件在多种混合流水线配置下,对Palmer、Gupta、NEH、MNEH与TNEH算法进行对比验证。

基于改进的NSGA-II纺织生产车间柔性作业车间调度问题算法的研究

在纺织生产线调度领域,传统的人工调度方式已难以满足当前对高效利用机器和提升生产效率的迫切需求。鉴于此,本文建立了以最小化最大完工时间和机器总负载为优化目标的多目标柔性作业车间调度问题(flexible job shop scheduling problem,FJSP)数学模型,并提出了一种改进的NSGA-II算法(INSGA-II)用于求解。本文的主要特点是:(1)该算法采用基于工序和机器的两层编码方法;(2)采用混合种群初始化策略,目的是提高种群的初始质量;(3)设计了一种基于迭代次数的变领域搜索策略,在减少无效搜索的同时提高了局部搜索能力。本文在MK01-MK09和abz05-abz09的测试集上,将所提出的算法与其他算法(MOEA/D、MOEA/DD和NSGA-II)进行对比,并通过对14个标准算例的分析,证明了改进个NSGA-II算法在求解FJSP问题中的有效性。

混合Flowshop双目标调度问题的双向仿真方法

针对 JIT生产方式的混合 Flowshop系统双目标调度问题 ,提出一种基于前向和反向仿真组合的双向仿真调度方法 .用启发式算法进行前向仿真获得工件离开系统的时刻 ,并将其作为反向仿真的开工时刻 .按工件的反向路由 (加工顺序 )进行反向仿真 ,以获得工件正向进入系统的较好时刻 ,从而减少工件的等待和平均的 flowtime.仿真结果表明 ,该方法能够较好地解决混合

采用改进两点交叉算子的改进自适应遗传算法求解不相关并行机混合流水车间调度问题

针对不相关并行机的混合流水车间调度问题,提出了改进两点交叉算子(ITPX)的自适应遗传算法。首先,利用精确取点方式提高两点交叉算子的求解性能;其次,论证了基于激素调节的自适应选择概率引导种群的收敛趋势;然后,建立优质染色体池和记忆因子来记录种群迭代的优质解,并实现两种不同区域的交叉。实验结果表明,ITPX可节省优化时间,提高求解性能;自适应概率可增强收敛性;改进两点交叉算子的改进自适应遗传算法(ITPX-IAGA)可缩短40%以上的求解时间,并提高求解性能。

基于遗传算法的混合Flowshop调度

混合Flowshop调度问题,是一个NP完全问题,很难用一般的方法解决,文章提出了遗传算法求解混合Flow-shop调度问题的方法,给出了一种染色体表示方法,设计了相应的交叉和变异操作算子,这两种算子很容易保证个体的合法性,同时又具有遗传算法本身所要求的随机性。最后给出了一个较大规模的计算实例,仿真结果表明此算法是有效的。

基于准时制的零等待混合 Flow Shop 调度问题

讨论了具有零等待混合ＦｌｏｗＳｈｏｐ调度问题，其目标是最小化提前／拖期总成本．这是一个ＮＰ难题．给出了问题的数学模型，同时将启发式算法和求解线性规划相结合，提出了这一调度模型的求解方法．最后给出了实验结果和结论．

多阶段混合Flow Shop调度问题及其遗传求解算法

针对多阶段混合Ｆｌｏｗ Ｓｈｏｐ 调度问题的一般结构和不同的调度目标函数，提出混合整数规划模型，并基于问题的结构特点设计了遗传求解算法。计算实验结果表明。

求解一类并行多机调度问题的混合启发式算法

该文研究了一类工件具有不同释放时间的并行多机调度问题 ,调度目标为使总流程时间最小。针对该类调度问题具有强NP -hard的特点 ,首先构造了的一种启发式算法 ,该算法能够在很短的时间内找到次优解。由于通常启发式算法会随着问题规模的扩大导致求解的质量有所下降 ,结合遗传算法的全局搜索能力 ,提出了一种混合启发式算法进一步改善解的质量。仿真结果表明该算法很好地结合了启发式算法和遗传算法的特点 ,能够在较短的时间内求解较大规模的调度问题 ,算法的计算量小 。

混合并行机调度问题的多目标优化模型及算法

针对生产工序的合并造成一种串并联共存的生产布局,研究了一种特殊的混合并行机调度问题,并考虑以最小化总流水时间和最小化总延迟工件数量为目标的多目标调度问题,建立了混合整数规划模型.针对模型特点,设计了一种改进的非支配排序遗传算法进行求解,采用基于启发式方法的初始种群生成方式以提高种群的质量和多样性,并引入一种局域搜索策略以改善求解算法所获得的非支配解的质量及分布性.通过对大量数值算例进行仿真实验,并与典型的多目标优化算法进行比较,结果表明所提出的模型和算法在收敛性、分布性及极端点质量方面均具有优势,能够较好的解决多目标混合并行机调度问题.

基于JIT的非等同并行多机调度问题的混合遗传算法

针对一类NP完全问题的多目标、非等同、并行多机作业调度问题,设计了一个混合遗传算法。该算法在设计过程中针对该问题的特点,设计了一种动态适应度函数;将求解单机问题最优解的有效算法混合在编码方案中,设计了一种不包括作业顺序的简单编码方案,从而降低了算法的实现难度,并提高了执行效率。数值仿真实验表明,该算法具有收敛速度快、优化效果好等特点,适合于求解较大规模的问题。

求解作业车间调度问题的混合帝国主义竞争算法

针对最小化最大完工时间的作业车间调度问题(JSP),提出一种结合帝国主义竞争算法(ICA)和禁忌搜索(TS)算法的混合算法。混合算法以帝国主义竞争算法为基础,在同化操作中融入遗传算法中的杂交算子和变异算子,使算法全局搜索能力更强。为了克服帝国主义竞争算法局部搜索能力弱的缺点,引入禁忌搜索算法进一步优化同化操作后的后代。禁忌搜索算法采用混合邻域结构和新型选择策略,使得算法能够更有效地搜索邻域解。混合算法兼具全局搜索能力和局部搜索能力,通过对13个经典的Benchmark调度问题进行仿真测试,并与近年4种新型混合算法进行对比分析,实验结果表明了所提算法求解Job Shop调度问题的有效性和稳定性。

混合遗传算法求解车间作业调度问题

分析了生产调度问题,提出一种更为有效的动态混合遗传算法,成功地解决了复杂的FT10×10问题.研究过程中引入自适应遗传算法思想,结合一种能够很好解决调度问题的编码规则和适应度值函数,对该算法进行了详细分析.为防止在遗传操作过程中非法染色体导致程序运行失败,给出了非法染色体合法化的规则.仿真结果表明,该算法和编码规则非常适合调度问题,且所提出的动态混合算法优于其它算法.

混合遗传算法求解配送车辆调度问题

车辆调度优化是物流配送的关键环节。针对有时间窗的车辆调度问题,综合考虑了路网中的交通状况,提出改进的车辆调度模型。并针对这个模型,设计了混合遗传算法,采用自适应策略调整交叉和变异概率,引进有效的交叉和变异算子,并结合模拟退火算法缓解遗传算法的选择压力,避免早熟收敛。仿真结果表明该算法与标准遗传算法相比有更好的性能。

混合蝗虫优化算法求解作业车间调度问题

作为新兴的智能算法,蝗虫优化算法在作业车间调度问题中的应用符合智能制造的趋势。但由于全局寻优能力不足,基本蝗虫优化算法(GOA)在解决作业车间调度问题(JSP)时容易陷入局部最优,导致收敛精度较低。为了克服上述缺陷,利用量子旋转门操作对其进行改进,提出了一种基于量子计算思想的混合蝗虫优化算法(HGOA)。此外,对混合蝗虫优化算法进行了计算复杂度分析与全局收敛性证明,并利用11个作业车间标准测试问题进行了仿真实验。通过与基本蝗虫优化算法(GOA)、鲸鱼优化算法(WOA)、布谷鸟搜索算法(CS)、灰狼优化算法(GWO)的比较发现,混合蝗虫优化算法在平均值、最小值、寻优成功率及迭代次数方面存在较优结果。研究表明,混合蝗虫优化算法具有更强的全局搜索能力,更好的收敛精度,能够有效跳出局部最优。

求解随机Job Shop调度问题的混合分布估计算法

提出一种混合分布估计算法用于求解具有随机工时的Job shop调度问题。建立随机Job shop调度问题(Stochastic Job shop scheduling problem,SJSSP)数学模型并给出随机期望值模型的评价方法。为提高种群多样性,将(μ+λ)-进化策略(Evolutionary strategy,ES)的重组、变异过程引入分布估计算法(Estimation of distribution algorithm,EDA),构造一种混合分布估计算法,ES-EDA。根据所采用的基于工序的编码方式,对父代工序继承率的概念进行了定义,并为重组过程设计基于父代工序继承率的个体重组方法,该方法不仅能使子代有效继承父代的优良特征,同时可避免非法解的产生。在标准算例FT06、FT10、FT20的基础上构造加工时间随机的3组算例,并选择文献中的5种算法作为混合分布估计算法的对比算法,仿真试验结果表明混合分布估计算法在优化性能方面具有明显优势。