求解随机Job Shop调度问题的混合分布估计算法

提出一种混合分布估计算法用于求解具有随机工时的Job shop调度问题。建立随机Job shop调度问题(Stochastic Job shop scheduling problem,SJSSP)数学模型并给出随机期望值模型的评价方法。为提高种群多样性,将(μ+λ)-进化策略(Evolutionary strategy,ES)的重组、变异过程引入分布估计算法(Estimation of distribution algorithm,EDA),构造一种混合分布估计算法,ES-EDA。根据所采用的基于工序的编码方式,对父代工序继承率的概念进行了定义,并为重组过程设计基于父代工序继承率的个体重组方法,该方法不仅能使子代有效继承父代的优良特征,同时可避免非法解的产生。在标准算例FT06、FT10、FT20的基础上构造加工时间随机的3组算例,并选择文献中的5种算法作为混合分布估计算法的对比算法,仿真试验结果表明混合分布估计算法在优化性能方面具有明显优势。

解决Job Shop调度问题的遗传算法的实现

针对作业车间调度问题的具体特点,给出了利用遗传算法求解Job Shop调度问题的主要构造过程和步骤,并对编码、解码、适应度计算、选择、交叉、变异等遗传操作进行了详细设计.最后用一个6×6的测试例子,对本研究设计的GA算法的求解效果进行了测试,并对测试结果进行了分析.

Job-Shop型车间计划与调度优化

针对以多品种、小批量生产为特点的车间 ,提出在保证产品交付期的前提下 ,把提高设备利用率和工种均衡生产作为计划和调度的优化目标。采用排队论的优化方法 ,降低诸多随机因素的干扰 ,将静态计划和动态调度相结合 ,充分发挥车间生产能力 ,提高生产效率。

Scheduling a Bounded Parallel-Batching Machine with Incompatible Job Families and Rejection

We study a scheduling problem with incompatible job families and rejection on a parallel-batching machine,where the objective is to minimize the makespan of all accepted jobs plus the total penalty of all rejected jobs.We provide a polynomial-time algorithm for the case where all jobs have identical release dates and a pseudo-polynomial-time algorithm for the case where the number of distinct release dates is fixed.We also present a 2-approximation algorithm and a polynomial-time approximation scheme for the general problem.

网格计算中一种在线分布式容错作业调度算法

针对网格计算环境中可能出现各种故障的问题,提出了一种在线分布式容错作业调度算法,算法由2个主要算法模块构成,即作业调度和副本放置算法模块以及副本管理算法模块。一方面,前者基于作业副本思想即每个副本在不同的站点被独立调度,因而可以把这些未被充分利用的闲置资源用来运行作业副本,以使至少有一个副本会成功完成;另一方面,后者使得运行一个作业副本的每个远程单独资源管理器(SRM)将在每个监控间隔把作业副本的状态通知给原始SRM(PSRM),PSRM定期检查应用状态表,然后查询全部远程SRM来获得计算机器和网络状态,完成对站点内运行的任何作业副本的健康情况的监控,从而实现容错功能。实验结果表明,在线分布式容错作业调度算法相比于其他的网格容错调度算法和非容错调度算法,在各种情形的故障率下,都能取得较好的作业平均响应时间。

网格计算中一种改进的工作流调度算法

网格计算中如何有效地实现工作流的调度问题是目前的研究热点。文中综合考虑了资源节点的动态负载和服务能力,提出了一种改进的调度算法(AWSA)。该算法首先对任务的优先级进行降序排列,然后依次为它们选择具有最大截止时间约束的服务站点作为其候选资源,最后,依据资源站点的任务分配情况和负载变化趋势,自适应地实现从任务资源请求到站点的映射。仿真实验结果表明,文中方法是有效的,在作业拒绝率和作业调度长度方面,AWSA的性能要优于已有的方法。

带有恶化和拒绝的工期指派的单机排序问题

讨论带有恶化和拒绝工件的工期指派的单机排序问题。工件的实际加工时间是其开始加工时间的线性增函数。如果工件被拒绝,则有一个惩罚费用,否则工件被加工。每个工件都要确定一个工期,文章讨论的工期指派分为CON(共同工期指派)和SLK(相同松弛工期指派)两种情况。对于CON工期指派问题,其目的是确定最优公共工期及工件的加工顺序,使工期、提前、延误和拒绝的总费用最小。将该问题归结为一系列指派问题,从而得到了一个复杂性为O(n4)的算法来求解此问题。对于SLK工期指派问题,目的是确定最优的松弛量及工件的加工顺序,使松弛、提前、延误和拒绝的总费用最小。将其归结为一系列指派问题,给出了求解此问题的多项式时间的最优算法。

带有不可用区间、工件可拒绝的单机调度问题

从企业生产经常发生的一些实际问题中提炼出一类带有不可用区间、工件可拒绝的单机调度问题.目标函数是最小化加工工件的总完工时间与拒绝工件的惩罚和.对于这个已证明为NP难的问题提出一个动态规划算法最优求解小规模问题,为求解大规模问题,改进了已有最坏性能为4的启发式算法,并进一步证明了该算法的最坏性能为2+4/5+2■2k+8(k为算法的迭代次数).

带有不可用区间、工件可拒绝的单机生产与运输协调调度问题

从生产实际提炼出一类单机生产与运输协调调度问题,即当工件在机器加工结束后由一辆容量受限的车运到配送中心.与经典调度问题不同的是,加工机器带有不可用区间,且可以拒绝加工某些工件,但拒绝产生惩罚.目标函数是最后一批完工工件到达配送中心的时间与拒绝工件的惩罚和.由于该问题是NP-难的,提出了一个多项式时间内可解的启发式算法,并证明该算法的最坏性能比为6.

基于自适应蚁群算法的JSP问题仿真研究

研究车间作业调度优化问题,以实现资源优化配置。针对提高生产效率,缩短周期,降低成本,传统蚁群算法应用于JSP(车间作业调度问题)易出现停滞和陷入局部最优,以致作业调度效率低。为改善传统蚁群算法在车间作业调度的状况,提高车间作业调度效率,提出一种基于自适应蚁群(AACA)优化的车间作业调度算法模型。算法在基本蚁群算法中引入一种新的自适应机制,用于车间作业调度中。AACA在迭代初期快速搜索,可对后期精细寻优,克服了传统调度算法搜索JSP最优解时出现的收敛速度慢、精度不高的缺陷,对照实例进行仿真。仿真结果表明,采用的AACA调度算法在迭代100次以内能找到最优解或满意解,收敛速度快,精度高,优于传统的调度方法 GA、SA和SB,提高了作业调度效率,验证了AA-CA在实际生产中的有效性和实用性。

延误工件个数与最大加工时间压缩比例之和的可控排序

研究工件加工时间可控的排序问题,讨论的目标函数是延误工件个数与最大加工时间压缩比例之和,证明这一问题是多项式时间可解的.

带有退化、拒绝和不可用区间的恒速机排序

考虑带有退化工件、拒绝和不可用区间的2台恒速机排序问题,其中一台机器上带有一段固定的不可用区间。该问题以实际生产环境为背景来研究机器的工件调度问题。在此模型中,每个工件的实际加工时间与它的基本加工时间、退化率和开始加工时间有关,工件的实际加工时间是其开始加工时间的线性递增函数,工件可以被拒绝,被拒绝的工件需要支付惩罚成本,在不可用区间内,机器无法加工工件。目标是极小化接受工件的最大完工时间与被拒绝工件的总拒绝惩罚之和。对于这个NP-难问题,在不可用区间前、后及另一台机器上,工件按{aj/bj}不减顺序排列可以得到最优解,通过过程划分的方法,提出了一个完全多项式时间近似策略(FPTAS),最后确定了其时间复杂性为O(n^(6)L^(4)/ε^(3))。

批处理机上有就绪和截止时间的等长度工件排序

一台批处理机一次可以同时加工多个工件(称为一批),每批工件有相同的开工和完工时间,加工时间等于其中最长工件的加工时间。本文研究单台批处理机上有就绪时间和截止时间约束的n个等长度工件的排序问题,目标是求一个可行时间表。就该问题,B aptiste已经提出了一个复杂性为O(n8)的算法,在此基础上,本文推广G arey等人关于对应的经典排序问题的算法,得到了一个复杂性为O(n2)的算法。算法分两个阶段执行:在阶级I,算法找出所谓的禁止开工区间,在这些区间中将不允许有工件开工;在阶段II,算法从时刻零开始,每当机器有空闲且不属于禁止开工区间的时候,就按照最早截止时间优先规则从已就绪的未加工工件中选择尽可能多的工件作为一批进行加工,若当前的机器空闲时刻属于某个禁止开工区间,则首先更新其到该禁止开工区间的右端点再进行决策。

带有不可用区间的二机流水作业生产与运输协调调度问题

将机器带有不可用区间的情况与车辆运输调度综合考虑,研究一类第一台机器带有不可用区间的二机流水作业生产与运输协调调度问题,当工件依次经过两台机器完成加工后,由一台车运输到指定位置,该车的容量受限.目标函数是最小化最大完工时间.由于该问题是强NP-难的,提出一个有效的启发式算法并证明该算法的最坏性能比为3,进一步通过计算实验给出了估测.结果表明,所提出的启发式算法可以产生高质量的解.

作业车间碳排放动态特性及二阶优化调度模型

为了降低加工作业运行时间的能耗、物耗和排放,以设备运行过程中的能耗为主要碳排放因素,基于碳流率的概念,用改进甘特图表征了工件全加工链的碳排放特性。将作业车间排产划分为设备选择和作业顺序规划两个阶段进行碳排放效率优化调度,建立了一种二阶低碳优化调度模型。该模型通过优化组合设备—工件功率匹配关系,提高设备能效,缩短非加工设备等待空载运行时间,提高车间综合能效。以某机加工作业车间为例,分析并验证了优化模型的可行性。

基于改进RM算法的云环境任务调度研究

云计算中存在大规模的用户群和海量数据处理,如何高效地进行作业调度是云计算下需要解决的重要问题;通过对云计算下的Map-Reduce编程模型进行研究,着重分析了Map-Reduce作业调度算法,改进了一种单调速率计算能力调度算法;该算法结合作业周期和重要程度两个参数Ii和Ti来计算作业的优先级,并按照优先级分类作业调度;实验结果表明,此算法提高了作业调度的效率,是云计算中一种有效的作业调度算法。

带有退化工件和拒绝的不同类型机排序问题

在工业生产过程中,由于一些特殊的原因,工件可以被拒绝加工但要付出相应的费用,即拒绝惩罚。为了节约处理成本,加工时间长的工件或者加工所需的费用高的工件,可以支付一定的费用来进行外加工或购买。将退化和拒绝结合起来考虑,讨论带有退化工件和拒绝的不同类型机排序问题。在这一模型中,工件的实际加工时间是其开始加工时间的线性递增函数,其中工件的退化率只与机器有关,与工件本身无关。目标函数是极小化接受工件的排序指标与拒绝工件总惩罚之和。排序指标分别为总时间表长和总完工时间。目的是找到拒绝工件集和接受工件集,并安排接受工件的加工顺序,使所求问题的目标函数值最小。通过将2个问题的目标函数转化为指派问题,证明了他们都是多项式可解的。

基于目标函数变化率的混合蚁群遗传算法

根据蚁群算法和遗传算法收敛性互补的特点,提出了一种基于目标函数变化率的混合蚁群遗传算法。该算法的基本思想是:用蚁群算法的解作为遗传算法的初始种群,根据目标函数的变化率交叉地调用蚁群算法和遗传算法。每当种群进化接近停滞时,调用蚁群算法。这种方法可动态地控制蚁群算法和遗传算法的调用时机,再配合相应的信息素更新方法,以提高算法的收敛性。将新算法用于车间调度基准测试问题,仿真结果表明,与常规混合蚁群遗传算法相比,新算法的全局收敛性和局部收敛性有了明显的提高。

带有退化工件和机器维修区间的单机排序问题

考虑的是机器需要维护,且需要对若干个退化工件进行加工的单机排序问题。所谓退化情况是指每个工件的加工时间是关于它本身的开始时间的一个线性单增函数。该问题中工件允许被拒绝,如果工件被拒绝,那么需要支付拒绝惩罚;如果被加工,那么工件被排在机器上(机器需要在某一个固定的时间段内进行维修以提高其加工速度,且在这段时间内机器不能加工任何工件)进行加工。目标是寻找一个最优排序使得被加工工件的总完工时间与被拒绝工件的总惩罚之和最小。对于单机情形,利用划分程序的方法给出了一个全多项式近似方案,并得出该近似方案的时间复杂性,说明该问题是一般意义下NP-难的。