用QPSO算法求解模糊交货期Flow-shop调度问题

针对模糊交货期Flow-shop调度问题的特点,运用一种收敛速度快、全局性能好、不易陷入局部最优的智能迭代算法-量子粒子群算法,对其进行求解。通过仿真实例对该算法进行了验证,结果表明,在求解模糊交货期的Flow-shop问题时,量子粒子群算法要优于遗传算法和基本粒子群算法。

基于遗传算法的大型Flow-shop生产调度

Flow-shop调度问题具有建模复杂性、计算复杂性、动态多约束、多目标性等特点。近几年,各种演化计算方法逐渐被引入到生产调度中,特别是遗传算法的应用。为此,应用Matlab开发生产调度程序,并利用实际生产数据进行了仿真;通过相关仿真实验,验证了不同交叉算子和变异算子组合获得的最优解存在差异,获得并验证了一种较好的交叉算子和变异算子组合,其仿真调度数据验证了遗传算法用于求解大型流水车间调度的可行性和有效性。

混合Flow Shop调度问题的遗传算法求解

该文构造了一种新的遗传启发搜索算法,用于求解混Flow—Shop调度问题,通过分析和实例计算表明,该算法能够有效地适用于大规模加工过程中调度问题的优化计算,在运行时间、适应性和最优率等方面都具有很好的搜索优势。

基于广义粗糙集的不确定条件下的Flow Shop调度

在实际生产调度过程中,加工时间的不确定性是普遍存在的,因此引用广义粗糙变量来表示不确定的工件处理时间,定义粗糙加法运算,precision以及ratio,建立了处理时间不确定性的FlowShop调度问题的粗糙规划模型,提出了粗糙遗传调度算法将其应用于调度模型的求解,仿真实验证明了算法的有效性。

调整时间可分离的无等待Flow Shop调度问题

研究了 3台机器调整时间可分离的无等待FlowShop调度问题 ,目标函数为极小化加权完工时间和·基于对问题的分析 ,给出了目标函数的一般表示·对某些特殊情况 ,给出了问题存在多项式最优算法的充分条件·在此条件下 ,将单机调度问题的WSPT规则应用到无等待FlowShop调度问题 ,得到了求解无等待FlowShop问题最优调度的分派规则·通过反例指出了文献中的某些错误·

加工时间依赖开工时间的Flow Shop调度问题

讨论了加工时间依赖开工时间的Flow shop 调度问题。在这类问题中,工件的加工时间是开工时间的简单线性函数,机器间满足某种优势关系。对于这类问题,当目标函数是极小化最大完工时间时,尽管比相应的经典问题复杂,但仍存在多项式算法。如果目标函数是极小化加权完工时间和或极小化最大延误,则经典问题中的结论未必成立。

一类Flow Shop调度问题最优调度区间摄动鲁棒性

调度的鲁棒性是调度应用中的一个重要问题.本文从最优调度不变的角度研究了调度的鲁棒性问题.首先定义了最优调度的区间摄动鲁棒性,即当问题中某些参数在各自的区间上变化时最优调度保持不变的性质.然后对比例FlowShop调度问题(任给一个工件它在各台机器上的加工时间都相同)进行了研究.通过一个引理我们证明了本文的结果,该引理指出了r个参数的大小次序与它们的变化区间的相交关系之间的联系.本文的结果是目标函数为完成时间总和时在加工时间扰动下最优调度具有区间摄动鲁棒性的三个充分必要条件,目标函数为最大拖期时间时及目标函数为拖后工件个数时在加工时间和/或交付期扰动下最优调度具有区间摄动鲁棒性的若干充分条件.这些结果与调度在一个由变化参数构成的超矩形的一些顶点上的最优性有关.文中给出了使用这些结果的例子.

用混合算法求解Flow shop调度问题

研究了流程工业中的Flowshop调度问题,针对免疫算法的随机性和不确定性,结合分枝定界方法的特点,提出了一种基于免疫算法和分枝定界方法的混合调度算法,仿真结果表明该算法不仅能有效解决调度问题,而且提高了搜索效率。

利用博弈演化算法求解置换Flow shop调度问题

在研究了流程工业中的Flowshop问题的基础上,建立了相应的数学模型,利用基于经济学博弈论的演化博弈算法对经典问题进行了求解,仿真结果证明了算法的有效性。

不确定条件下不同交货期窗口的Flow Shop调度

研究了具有不同交货期窗口的Flow Shop的提前/拖期调度问题,并考虑了处理时间的不确定性。采用三角模糊数表示不确定性信息,引入两种模糊运算,建立了问题的模糊规划模型,并采用“中间值最大隶属度”的算法将模糊规划模型转化为清晰的非线性规划模型。针对清晰的数学模型提出了基于遗传算法的优化方法,最小化对所有工件提前/拖期惩罚。最后,大量仿真实验验证了算法的有效性。

模糊交货期Flow Shop调度文化进化算法研究

基于文化算法及文化进化思想设计了的文化进化算法,通过上层文化空间的经验知识指导下层个体进化搜索的方向及步长,通过模拟人类社会文化进化的机制实现文化空间的进化与更新,最后将算法应用到模糊Flow Shop问题的求解,用Matlab编程仿真测试.结果表明,此算法解决生产调度优化问题是可行的,而且其搜索性能优于简单遗传算法及模拟退火算法.

工件加工时间是开工时间的简单线性函数的Flow Shop调度问题研究

研究工件加工时间是开工时间的简单线性函数的FlowShop调度问题。在这类问题中机器间满足某种优势关系。当目标函数是极小化加权完工时间和时,尽管比相应的经典问题复杂,但仍存在多项式时间算法。同时对工件的各工序无等待问题和机器无空闲问题也给出多项式时间算法。

具有零等待的flow shop问题的免疫调度算法

针对间歇过程中存在的具有零等待的flowshop调度问题,建立了相应的数学模型,并结合免疫算法的特点,提出一种新的解决此类问题的免疫调度算法。通过仿真试验,证明了算法的有效性。

不确定条件下的零等待Flow shop生产调度问题

研究了处理时间不确定条件下,含零等待模块的模糊Flowshop生产调度问题;采用三角模糊数描述处理时间的不确定性,用零等待策略对加工过程进行约束,建立了基于模糊规划理论的零等待Flowshop调度模型,通过中间值最大隶属度的方法,将原有的模糊调度模型转化为清晰的调度模型;最后应用改进的模拟退火算法对模型进行仿真优化,制定了适用于实际排产过程中的GANTT图,仿真结果说明了调度模型的正确性和改进算法的有效性。

混合FlowShop的调度仿真系统及其算法分析

研究了混合FlowShop的调度问题,调度目标为最小化工件的最大完成时间。文中给出了调度仿真系统的设计,系统由数据库、算法和控制中心用户接口三个模块组成;在算法模块中,排序算法包括了由FlowShop扩展到混合FlowShop的多数算法,设备分配采用最先可用机器优先规则。另外,基于CDS虚拟机和Palmer斜度指标的启发式算法,提出了一种改进的CDS算法用于工件排序。在正在开发的混合FlowShop调度仿真系统中实现了上述所有算法,仿真分析表明改进的CDS算法优于其他启发式算法。

基于遗传算法的混合Flow-shop调度方法

混合Flow-shop调度问题 (Hybrid flow-shop scheduling problem, HFSP),是一般Flow-shop调度问题的推广,由于在某些工序上存在并行机器,所以比一般的Flow-shop调度问题更复杂。本文提出了遗传算法求解混合Flow-shop调度问题的方法,给出了一种新的编码方法,设计了相应的交叉和变异操作算子,能够保证个体的合法性,同时又具有遗传算法本身所要求的随机性。最后给出了某汽车发动机厂金加工车间的生产调度实例,表明了此算法的有效性。

一种求解置换Flow Shop调度问题的DRPFSP算法

针对置换Flow Shop调度问题,在对经典启发式算法进行研究的基础上,提出了一种用于求解此类问题的DRPFSP算法。算法首先对加工时间矩阵A进行数据标准化处理;然后通过引入一个概率矩阵P2×m和相应的降维函数fp(A)=PA,将含有m台机器的原问题转化为含2台机器的新问题;再运用Johnson算法对新问题进行求解得到一个调度序列π0;最后结合插入邻域快速评价法对π0进行处理以获得原问题的一个调度方案π。实验结果表明,相对于经典的启发式算法,DRPFSP算法能更有效地对置换Flow Shop调度问题进行求解。

两机flow-shop类型模具热处理车间批调度算法

总结模具热处理车间生产调度的特点,在工件动态到达的情况下,研究了两阶段均为批处理机、各批次加工时间为定值的流水车间批调度问题。以最小化最大完成时间为目标建立混合整数规划数学模型,证明问题是NP难并给出最优目标函数值的下界,构建并证明一种求解大规模问题最优解的算法。算法首先求解分批数量上下界,然后构造数学模型并求解在给定分批数量下对应的最优解,最后通过对比各给定分批数量下得到的解并得到全局最优解。对于小规模问题,通过与传统分枝定界法得到的最优解相比较,说明所提算法能得到问题的最优解且计算时间更短;对于大规模问题,在不同生产状况下随机产生多组数据、对所提算法进行验证,结果显示该算法是有效的。

求解无等待Flow shop调度问题的改进蛙跳算法

无等待Flow shop调度一直是研究的热点问题,为减少无等待流水车间调度总完工时间,文章提出了一种结合高斯变异和扰动因子的蛙跳算法。在蛙群更新策略中引入扰动因子,平衡了蛙跳算法搜索的深度,利用高斯变异产生子代新蛙代替随机产生子代新蛙,增强了蛙跳算法的寻优速度;同时引入交叉操作,增加蛙群的多样性,提高蛙群中所有青蛙的局部搜索能力以及全局搜索能力。研究了无等待Flow shop调度算例,将蛙跳算法与遗传算法的求解结果进行了对比,结果验证了该文改进蛙跳算法在解决无等待流水车间调度问题的有效性和可行性。

随机柔性Flow shop加权完成时间调度问题的启发式策略性能分析

因实际生产中调度问题的规模很大,分析其近似算法的绝对性能比很难,有时甚至不可能,所以研究近似算法的渐近性能比就很有必要．本文针对随机柔性Flow shop加权完成时间调度问题,使用单机松弛和概率分析方法,证明了基于加权最短期望处理时间需求的启发式策略是渐近最优的．