求解相同并行机混合流水线车间调度问题的分布估计算法

针对相同并行机混合流水车间调度问题,提出了一种有效的分布估计算法。针对基于排列的编码方式,设计了改进的启发式解码规则,进而提出了一种评价个体优劣的混合解码方式。建立了描述问题解空间分布的概率模型,通过对概率模型采样产生新个体,并基于优势种群更新概率模型的参数。通过基于标准测试集的数值仿真以及与已有算法的比较,验证了所提算法的有效性。

基于遗传算法的混合流水车间构建方法

在混合流水车间的构建过程中,每个阶段配置几台平行机最为合理是一个有待确定的问题.以设备空闲时间和工件平均流程时间加权均值最小化为目标函数对该问题进行了研究,采用遗传算法求解该NP-hard问题,染色体编码采用一种新的整数与实数相结合的方法,可实现对问题空间的全局随机寻优.算例研究显示,对任一算例,10次随机计算的目标函数平均值与最优值的差别率均小于1.3%,计算重复性好;计算花费时间均在20～30s,计算效率较高.

基于蚁群算法的平行流水作业计划方法

在分析实际生产作业方式的基础上,提出了平行流水作业这一新概念,其实质为平行机作业方式和流水作业方式的综合,属于非多项式计算时间问题。采用网络理论构造了平行流水作业的非连接图模型,提出了采用蚁群算法求解平行流水作业计划问题,以及求解过程中可行路径表的建立方法。算例研究表明10次随机计算的平均结果与最优结果差异率小于2%,计算重复精度高;对于75×20等较大规模问题,10次随机计算的平均时间少于280s,计算效率较高,能满足生产实时调度的需要。

改进并行蚁群算法求解置换流水线调度问题

为了解决置换流水线的调度问题,提出了改进的并行蚁群算法。针对置换流水线问题本身的特性,在蚂蚁系统算法(ACS)的基础上,设计出了新的启发式信息算法。在计算大数据量的情况下,通过设计的新规律对数据进行分组,并对分组进行并行计算,然后合并各组最优解来问题的最优解。实验结果表明,该改进方法行之有效,新的启发式信息提高了解的质量,而按数据规律的分组并行不仅缩小查找最优值时间,相比于随机分组的并行算法,更加提高了解的质量。

基于遗传算法的平行流水作业计划方法

提出了平行机作业方式和流水作业方式的综合的作业方式,属于NP难问题。应用网络理论构造了平行流水作业的非连接图模型,可实现全局随机寻优的实基因编码遗传算法求解平行流水作业计划问题。选取各种规模的10余个标准算例,以加工流程时间为目标函数进行仿真。对每个算例进行10次随机计算,所得最优值与平均值差异率小于1.8%。对于reC39等大规模问题,10次随机计算的平均花费时间少于260s。