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。

解非等同并行多机调度问题的并行遗传算法

针对最小化完工时间的非等同并行多机调度一类问题,提出了一种混合遗传算法。该算法根据问题的特点,采用一种自然编码方案,此编码与调度方案一一对应,并对初始种群、交叉和变异等方法进行了研究。在鉴于遗传算法自然的并行性特点的基础上,实现了主从式控制网络模式下并行混合遗传算法。计算结果表明,并行混合遗传算法是有效的,优于启发式算法和遗传算法,有着较高的并行性,能适用于大规模非等同并行多机调度问题。

蚁群算法求解非等同并行机调度问题的研究

针对非等同并行机服务调度问题,以机场除冰调度服务为背景并以最小化旅客延误数为目标,提出了一种改进的蚁群算法。该算法根据调度模型的特点,充分考虑模型的约束条件并运用了一种改进的信息素更新策略求解并行机调度问题。仿真结果表明,改进的蚁群算法收敛速度快且结果较优,明显优于FIFO算法,适合求解非等同并行机调度问题。

基于两阶段蚁群算法的带非等效并行机的作业车间调度

针对带非等效并行机的作业车间生产调度问题,以制造系统的生产成本、准时交货率等为目标,构建生产调度多目标模型。利用蚁群算法在求解复杂优化问题方面的优越性,建立调度问题与蚁群并行搜索的映射关系,将调度过程分成任务分派和任务排序两个阶段,每个阶段分别设计蚁群优化算法,并将两阶段寻优蚂蚁有机结合,构建一种具有继承关系的两阶段蚁群并行搜索算法,可以大大提高获得较优解的概率,并且压缩求解空间,快速获得较优解。通过均匀试验和统计分析确定算法的关键参数组合,将两阶段蚁群算法应用不同规模的8组算例。结果表明,无论是优化结果还是计算效率,两阶蚁群算法均优于改进的遗传算法。将所提出两阶段蚁群算法应用于实际车间的生产调度,减少了生产过程中工序间等待时间和缩短了产品交付周期。

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.

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 。

解决并行多机提前/拖后调度问题的混合遗传算法方法

研究了带有公共交货期的并行多机提前 /拖后调度问题 .提出了一种混合遗传算法方法 ,以便于确定公共交货期和每台机器上加工的任务代号及其加工顺序 ,即找到一个最优公共交货期和最优调度 ,使加工完所有任务后交货期安排的成本、提前交货成本和拖后交货成本的总和最小 .数值计算结果表明了该混合遗传算法优于启发式算法 ,并能适用于较大规模并行多机提前 /拖后调度问题 .算法计算量小 ,鲁棒性强 .

解并行多机提前/拖后调度问题的并行遗传算法

为有效地解决带有公共交货期的非等同并行多机提前/拖后调度问题,设计了一种分段扩展排列编码的混合遗传算法,使遗传编码能同时反映调度方案和公共交货期,并对其初始种群产生、交叉和变异方法也进行了研究。同时为了更好地适应调度实时性和解大规模此类问题的需要,基于遗传算法自然并行性特点的基础上,实现了主从式控制网络模式下并行混合遗传算法。计算结果表明,此算法是有效的,优于启发式算法和遗传算法,有着较高的并行性,并能适用于大规模非等同并行多机提前/拖后调度问题。

并行多机成组工作总流水时间调度问题

有N个成组工件将在M台并行一致的机器上加工 ,当一个工件接在不同组的工件之后时需要装设 ,而接在同组工件之后时不需要重新装设 ,目标函数是使总的通过时间最短。这是一个NP难题 ,最优解很难找到。笔者在文中提出了一个启发式算法 ,为了验证该算法的结果 ,又提出了一个求解最优解下界的线性规划模型 ,并用分枝定界法求解出下界解。在中小规模问题条件下 ,将下界解、启发式的解及最优解进行比较 ,证明了下界解的有效性。然后 ,在中等规模水平上 ,将启发式算法的结果与下界解进行了比较 ,最终证明该启发式算法具有解决大规模实际问题的潜力。

进化规划方法在最小化拖期任务数并行机调度问题中的应用

随着ＣＩＭＳ技术的发展，生产线调度问题的研究显得日益重要．最小化拖期任务数并行机调度问题是一类重要的生产线调度问题，但迄今为止，在解决工件和机器数较多的大规模并行机调度问题还存在着许多困难．进化规划方法与遗传算法一样是一种重要的进化计算方法，它具有描述简单、使用灵活、运行效率高、鲁棒性强、较少受初始条件限制等优点，这使得它有很高的实用价值，但与遗传算法相比，进化规划方法的应用还刚刚开始，特别是在生产调度领域的应用还很少见文献报导，进一步拓宽进化规划方法的应用领域很有意义．本文第一次将进化规划方法应用到最小化拖期任务数并行机调度问题中，并在问题的描述、可行解的表示、变异方法等方面作了研究．不同规模的计算实例表明了本文提出的进化规划算法是有效的，能用于解决较大规模并行机生产线调度问题，且解的质量优于启发式算法．

软计算求解并行多机成组工件调度问题

自从Zade将模糊理论引入求解组合优化问题以来,出现了很多基于模糊规则与智能优化算法相结合的软计算方法.文章尝试将这种方法用于解决并行多机成组工件flow＿time问题.本问题中,设有n个工件计划在M台并行一致的机器上加工.这n个工作根据相似性分为b组.开始加工时,需要一个准备时间.当工件接续在同组工件之后加工时,不需要准备时间;反之,接续在不同组工件之后加工时,需要一个准备时间.本问题的目标是找到一个工件加工的调度顺序序列,使M台机器总的流水时间最小.在文章中,作者首次利用模糊规则量化结合遗传算法的软计算方法求解这类复杂的组合优化问题,最后给出计算实例及仿真结果.

并行多机调度问题的一种遗传算法

运用遗传算法对最小化完工时间的并行多机调度问题进行了研究，给出了最小完工时间的一个下界，由此提出了初始种群的一种构造方法。

解不同交货期并行机调度问题的并行遗传算法

为有效地解决不同交货期窗口下的非等同并行多机提前/拖后调度问题,设计了一种分段编码的混合遗传算法。此编码方式能反映工件的分配序列,并利用调度优先级规则和最好适应值规则相结合的启发式算法对其顺序进行了调整,加快了收敛速度。同时为了更好地适应调度实时性和解大规模此类问题的需要,基于遗传算法自然并行性特点的基础上,实现了主从式控制网络模式下并行混合遗传算法。计算结果表明,此算法是有效的,优于遗传算法,有着较高的并行性,并能适用于大规模不同交货期窗口下非等同并行多机提前/拖后调度问题。

用并行遗传算法解决带约束并行多机调度问题

遗传算法是一种全局优化的数值计算方法。它存在自然并行性。本文提出一种解带约束并行多机调度问题的主从式控制网络并行遗传算法 ,并在PVM环境下实现。计算结果表明 ,并行遗传算法是有效的 ,且能适用于大规模并行多机调度问题。

考虑能耗成本和拖期成本的非同等并行机调度

针对橡胶轮胎硫化车间能源消耗大,浪费严重的现象,提出一类考虑能耗成本与拖期成本的非等同并行机调度问题,建立基于硫化机正常运行、空闲、停机三种运行状态的能源消耗成本与拖期成本的调度模型。设计了基于优先调度规则的启发式算法、基于能耗优化的启发式算法、组合启发式算法用于模型求解,并通过仿真实验分析、比较了各种算法的有效性与适用环境。同时,仿真实验结果也表明本文提出的考虑能耗成本和拖期成本的非同等并行机调度问题具有一定的理论与实践意义。

模糊作业时间的并行多机调度问题与算法研究

结合抚顺钢厂实际 ,利用模糊数学理论 ,对生产实际中的模糊作业时间进行处理 ,通过定理将模糊作业时间问题转换为非模糊的精确问题 ,利用禁忌搜索智能优化方法 ,对问题进行了求解 ,使调度计划具有一定的柔性 ,让管理者能够掌握调度时间范围 ,从而使计划调度更接近现实 ,大大缩短总完工时间 ,对于钢厂一体化管理 ,使连铸生产的高温铸坯 ,能够在允许时间范围到达热轧厂 ,降低了能源消耗 ,缩短生产周期 .

基于递阶遗传算法的最小加权完工时间并行机调度

针对最小化加权完工时间的等同和非等同并行多机调度一类问题,提出了一种递阶遗传算法。该算法根据问题的特点,采用一种染色体递阶编码方案,此编码与调度方案一一对应。计算结果表明,递阶遗传算法是有效的,能适用于大规模等同和非等同并行多机调度问题,通过与Cheng所作编码的遗传算法比较,用递阶遗传算法优化并行机调度操作简单并且收敛速度快。

基于递阶遗传算法的并行多机调度优化

针对最小化完工时间的等同和非等同并行多机调度一类问题,提出了一种递阶遗传算法。该算法根据问题的特点,采用一种递阶编码方案,此编码与调度方案一一对应。用递阶遗传算法优化并行多机调度不需设计专门的遗传算子,操作简单。计算结果表明,递阶遗传算法是有效的,能适用于大规模等同和非等同并行多机调度问题。

并行多机成组工件调度的禁忌搜索方法

本文讨论的是并行多机成组工件的极小化最大通过时间调度问题。在没有 GT假设下 ,它是一个非常复杂的组合优化问题 ,是 NP难题。在本文中 ,为了解决此类问题 ,作者尝试采用了两种禁忌搜索的智能优化算法方法 :1 )利用单机条件下的最优解的性质 ,提出了禁忌搜索结合启发式的算法 ( TS- HEU) ;2 )禁忌搜索结合分支定界法的算法 ( TS- B&B)。作者作了大量的仿真实验 ,将两种方法进行了比较。实验结果证明 :虽然两种算法都可以求解本问题 ,但是 TS- HEU方法有更高的可靠性和快速的运算能力 ;它同时表明 ,虽然并行多机成组调度问题异常复杂 ,但禁忌搜索结合启发式的智能优化算法仍然有能力有效地解决大规模实际问题。