基于灰数描述的不确定工时作业车间E/T调度优化

针对不确定加工时间的作业车间调度问题,考虑每个工件的交货期窗口,旨在最小化工件提前/拖期成本和机器空闲成本。分别采用基本遗传算法和混合遗传算法进行求解,并比较两种算法的求解质量。通过灰色理论和模糊数理论对不确定加工时间分别建立调度模型,分析两种模型的优化程度和稳定性。结果表明,与基本遗传算法相比,引入按指定邻域结构进行局部搜索的混合遗传算法具有更好收敛能力;与模糊数方式相比,采用灰色理论能够更好地描述不确定加工时间,且在求解过程中也具有更好的适应性和稳定性。

一种新调度类型及其在作业车间调度中的应用

研究改进遗传算法解决作业车间调度问题,问题染色体的编码采用基于工序的编码。针对传统的调度类型的局限性,提出全主动调度及其基于工序编码的产生机制。为了克服传统遗传算法求解调度问题易于早熟收敛的缺点,设计基于优先工序交叉(Precedence operation crossover,POX)和改进子代产生模式的遗传算法。用改进的遗传算法求解传统调度问题、交货期调度问题和提前/拖期(Earliness/Tardiness,E/T)调度问题,研究半主动、主动和全主动三种不同的调度解码机制对遗传算法提供解质量的影响。

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 .

不确定条件下基于遗传算法的作业车间调度问题

考虑到产品不同的交货期,研究了不确定条件下的作业车间调度问题,用三角模糊数表示产品处理时间,建立了调度问题的模型,并结合模糊理论设计了一种改进的遗传算法进行求解.该算法通过整数编码的方法产生初始种群,结合轮盘赌方法和精英保留策略进行选择操作,采用基于优先工序交叉(precedence operation crossover,POX)算子和互换变异方法进行交叉和变异操作,并通过动态调整交叉概率和变异概率的方法来提高算法的性能以及计算效率.最后,通过算例和企业实例验证了该模型和算法的有效性.

不确定性条件下存储时间有限型Flow Shop问题的提前/拖期调度研究

研究了具有不同交货期窗口的Flowshop提前/拖期调度问题,并考虑处理时间的不确定性以及存储时间的有限性,在模糊规划理论基础上,建立了带有提前/拖期的存储时间有限型Flowshop的调度模型,通过中间值最大隶属度算法,将原有的模糊调度模型转化为清晰的调度模型,并应用了遗传算法进行优化求解。仿真实验验证了算法的有效性。

一种新的遗传算法在并行机调度问题中的应用

针对相同交货期窗口非等同并行机提前/拖后调度问题,设计了一个基于向量组编码的遗传算法。此算法的编码方法简单,能有效地反映实际调度方案,收敛速度快。为适应调度实时性和解大型此类问题的需要,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遗传算法。仿真结果表明,此算法是有效的,优于普通的遗传算法,具有较高的并行性。

柔性自动化车间的随机生产计划与控制

研究了柔性自动化车间（ＦＡＷ）的随机生产计划与控制问题，提出了一种随机生产计划新方法．文中首先建立ＦＡＷ随机生产计划与控制的数学模型，然后推导求解该问题的算法，编制相应软件，进行算例研究．研究表明。

混合Flow Shop环境下的提前/滞后调度问题的遗传算法

讨论了混合Flow Shop环境下的提前/滞后调度问题,这是一个NP-难题。为此,首先给出了问题的数学模型,然后构造了一个有效的遗传算法。最后给出了实验结果和结论。

解并行机提前／拖后调度问题的一种新并行遗传算法

针对交货期窗口非等同并行机提前/拖后调度问题,设计了一个基于向量组编码的新的遗传算法.此算法特点是编码方法简单,能有效地反映实际调度方案,即清楚反映出每台机器加工工件的代号和顺序,并能保证交叉和变异后个体自动满足约束条件,收敛速度快.同时为了更好地适应调度实时性和解大型此类问题的需要,在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遗传算法.仿真结果表明,此算法是有效的,优于普通的遗传算法,具有较高的并行性,并能适用于解大型这类调度问题.