综合作业调度问题基于可行域的遗传算法

综合作业调度问题(CJSSP)同时考虑了加工约束与装配约束,成为约束严调度问题,而现有求解JSSP的遗传算法不能保证约束严问题染色体的可行性.描述了基本CJSSP,在定义的装配体分类和可操作基因串两个关键概念的基础上,设计出了基于可行域的交叉和变异方法.采用改编自JSSP的基准问题和实际调度问题进行了算法测试,并与规则算法的结果进行了比较,表明设计的遗传算法是可行和有效的.

多产品综合作业调度问题及其求解

描述了同时考虑加工与装配作业的多产品综合作业调度问题,利用经典作业调度问题FT10的数据构造了一个问题例子,设计了基于产品结构信息的字符串直接解码方法.计算结果表明:设计的遗传算法是可行和有效的,得到的装配完工时间接近无限能力概念下得到的最小值,并且优于关键路径调度规则的结果.

基于改进量子遗传算法的重型装备生产调度研究

针对机械工厂(车间)中存在的重型装备加工与装配集成调度精益性不足的问题,在研究了多产品综合作业调度的基础上,提出了一种改进量子遗传算法,以提高重型装备生产的精益化程度。以加工成本、精准交付、跨车间转运次数为目标,构建了多产品综合作业调度优化模型;结合产品加工与装配特点,设计了基于装配约束的编码方式;为避免量子遗传算法陷入早熟,将其与局部搜索能力较强的模拟退火算法结合,设计了改进量子遗传算法(SQGA),提高了全局搜索精度;同时,设计了自适应旋转角,使种群收敛速度更加平稳;采用MATLAB对综合作业调度算例和生产实例进行了仿真。研究结果表明:改进量子遗传算法平均收敛代数减少18.6%,平均最优解占比增加26%,具有更好的收敛效果和求解精度;在生产实例中,采用该算法可使加工成本减少7.8%,跨车间转运次数减少30.4%,产品达到精准交付,提高了机械工厂(车间)重型装备生产调度的精益性指标。

不可行染色体转换方法

染色体转换方法是遗传算法求解约束严组合优化问题的重要途径。探讨了转换方法设计及其性能问题,提出了对染色体转换方法的4项性能要求。在介绍综合作业调度问题(complete job shop scheduling problem,CJSSP)概念的基础上,设计了4种转换方法。实验结果表明,4种方法都是可行的,但具有明显不同的效率和质量,与观察结果和算法性能分析一致,为改进求解综合作业调度的遗传算法奠定了基础。