面向Jobshop调度的时间映射算法

现实的Jobshop生产环境中的生产日历和班次等把设备资源的有效工作时间段分割成离散状态。为了降低调度在确定工序开始和结束时间时的计算复杂性,提出了一种时间映射算法。通过该算法实现了离散作业时间到整数连续区间和整数连续区间到离散作业时间的快速转换;并以遗传调度算法为例,研究了时间映射算法与调度算法的融合技术,实现了在连续整数区间上的调度。研究结果表明,相比未采用时间映射算法的调度算法,采用时间映射算法能大幅降低调度在确定工序开始和结束时间上的计算复杂性,计算时间降幅达到39.7%,从而提高了调度的计算效率。

基于遗传算法的Job Shop调度研究进展

Job Shop是典型的调度问题 ,遗传算法一直是计算智能的主要研究对象 ,因此基于遗传算法的Job Shop研究在学术界和工程界受到极大的关注。对近年来这方面的研究情况进行了较全面的综述 ,其中涉及编码、算法改进和比较、特征分析、混合算法、拓宽性、实际应用和调度器开发等 。

变邻域结构Tabu搜索算法及其在Job Shop调度问题上的应用

本文针对最小化完工时间的JobShop调度问题提出一种变邻域结构Tabu搜索算法 ,该算法使用的邻域结构随算法的进程而改变 ,不仅邻域规模小 ,而且仍保持了可达性这一重要的属性 .对不同规模的实例进行了数值计算 ,计算结果表明 ,该算法具有非常高的效率 ,且初始解对算法的影响很小 .

一种面向作业的快速调度算法

面向作业的调度(ｊｏｂｏｒｉｅｎｔｅｄｓｃｈｅｄｕｌｉｎｇ，简称ＪＯＳ）在实际作业车间（ｊｏｂｓｈｏｐ）调度中得到普遍的应用，它的基本思想是将作业一个个地安排到工作机器上．该文提出了一种基于计算机ＪＯＳ系统的快速调度算法，该算法指定作业操作的可行调度起始和结束时间以正排工序或逆排工序方式将它们安排到有限能力的工作机器上．通过记录和修改每一机器有效时间槽的办法来减少操作在每一机器上搜索可行时间槽的时间从而大大提高了计算效率．实际系统应用表明，此算法对于大规模调度具有很强的优越性．

柔性Job shop集成化计划调度模型及其求解算法

考虑不同加工工艺路径的成本因素 ,从集成化的角度研究了柔性 Job shop计划和调度问题。针对问题的结构特点 ,建立了两层混合整数规划模型。提出门槛接受、遗传算法与启发式规则相结合的混合求解算法 ,综合考虑各层次决策问题进行求解。实例计算表明 ,该算法可迅速求得问题的近优解 ,表现出良好的求解性能。

基于并行进化规划的Job Shop动态调度策略

针对具有路径柔性的 Job Shop动态调度问题 ,提出了基于并行进化规划、周期性和事件驱动的两种有 (无 )窗口的重调度策略 .仿真结果证实了算法的可行性和有效性 .

人机交互的Job Shop车间动态调度方法

指出对于离散事件的Jobshop调度,采用人机交互与仿真相结合的方法,简单易行。描述调度过程中人的行为模型,建立一种人机交互的生产调度系统框架结构。探讨适用于该框架结构的动态调度机制。

求解Job shop调度的协同优化算法

针对量子粒子群算法、遗传算法在求解车间调度存在的局部收敛的问题,提出用量子粒子群算法与遗传算法相结合的协同优化方法求解该问题。该算法采用量子粒子群算法与遗传算法的并行搜索结构,通过迁移算子把各个种群联系起来。仿真结果表明,该算法收敛速度快,且具有较高的求解质量。

用GA算法解不确定条件下Job Shop的提前/拖期调度问题

研究了具有公共交货期窗口的 Job 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 。

机器故障及产品废品条件下Job Shop的周期定额计划方法

本文分析了在机器故障及产品废品条件下 job shop生产的周期定额计划方法 ,给出了生产计划中不同作业的作业定额满足 job shop外部需求的必要条件 ,同时给出了 job shop在一个生产计划期内完成满足此条件的作业定额时 ,对各个工作中心的能力需求 .当 job shop中物料搬运系统的能力充裕 ,物料搬运对生产提前期的影响可以忽略的情形下 ,本文提出了估计 job shop的生产提前期的近似方法 .与仿真实验结果的对比表明 ,估计结果有较高精度 ,从而可作为 job shop的性能评价及其生产管理的依据 .

求解JSP问题的改进型混合遗传算法

在蜂群进化遗传算法框架的基础上,提出一种求解JobShop问题的新的混合遗传算法。本算法设计保证了算法的收敛性,改善了算法的局部搜索能力,延缓或避免了早熟收敛的发生。OR Library经典算例的仿真结果,证明了算法的有效性。

基于A-HGA的某钢材加工配送中心车间调度

针对某钢材加工配送中心生产现场存在的在制品仓过多,材料拉动的及时性差以及各机床的负荷分布不均匀等问题,通过解释结构模型找出其发生的真因并得出改善思路。为获得解决方案,将该钢卷生产调度问题抽象为一类JSS(job-shop scheduling作业车间调度)一般性模型,并设计出自适应递阶遗传算法(A-HGA)进行求解,Matlab运行结果表明,该算法的调度结果优于经验排配,提高了机床平均利用率,解决了WIP仓过多,材料拉动的及时性差等问题。同时由于该算法的编码简单、染色体信息量大、收敛性好,在解决一类复杂JSS和拓扑结构等多变量优化问题方面有明显优势。