综合作业调度问题基于可行域的遗传算法

综合作业调度问题(CJSSP)同时考虑了加工约束与装配约束,成为约束严调度问题,而现有求解JSSP的遗传算法不能保证约束严问题染色体的可行性.描述了基本CJSSP,在定义的装配体分类和可操作基因串两个关键概念的基础上,设计出了基于可行域的交叉和变异方法.采用改编自JSSP的基准问题和实际调度问题进行了算法测试,并与规则...     

含装配约束的作业调度问题及遗传解码算法

传统上加工与装配是分开研究的,而且很少涉及作业装配问题.为此,描述了一种包含加工与装配的作业调度问题.利用FT10基准调度问题的工序数据构造了调度问题及其产品结构.初步进行了以经典作业调度问题(JSSP)为对照的研究.采用基于字符串直接解码的遗传算法,解决了染色体对应不可行调度解的问题.仿真实验验证了遗传解码算法的可行性和有效性,而且进一步表明装配约束改变了JSSP;近优值2 046也优于关键路径规则算法的结果.     

并行多机成组工件调度的启发式算法

N个成组工件将在M台并行一致的机器上加工,当一个工件接在不同组的工件之后时需要装设,而接在同组工件之后时不需要重新装设,目标函数是使总的通过时间最小·利用最优解的必要条件,将单个工件组成基本运行,在研究基本运行组合规则的基础上,提出了一个基于基本运行的并行多机成组工件调度的启发式算法·在中、小规模水平问题上,将启发式算法的结果与最优解的结果进行了比较·效果令人满意·实验证明该启发式算法能够有效地解决成组工件调度的实际问题,具有解决中大规模实际问题的潜力·     

求解作业车间调度问题的改进飞蛾扑火优化算法

针对作业车间调度问题,为了克服早熟收敛和容易陷入局部最优等不足,提出一种基于Lévy飞行的改进飞蛾扑火优化模型(LMFO)。首先,采用MFO算法求解作业车间调度问题,并与粒子群算法(PSO)、遗传算法(GA)进行对比研究,证明了MFO算法求解此类问题的有效性;然后,采用改进的随机键编码,引入Lévy飞行对MFO算法进行改进;最后,仿真实验表明,LMFO算法在求解作业车间调度问题时优于MFO、PSO和GA算法,能够跳出局部最优找到更好的解,且具有一定的鲁棒性。     

基于多目标粒子群优化的服务选择算法

基于多目标粒子群优化算法提出一种高效的服务选择算法(MOPSOSS).首先将服务选择问题建模为带QoS约束的多目标组合优化问题;其次,根据支配的概念构造远小于原子服务集的新子服务集;最后基于多目标粒子群优化算法求解由新子服务集构成的服务选择问题,从而获得一组满足约束的pareto最优解.理论分析表明,MOPSOSS能正确、高效地求出原问题的全局最优解.与遗传算法(GA)的对比结果表明当问题规模大于150时,MOPSOSS的平均运行时间仅为GA的7%,求出的解的个数是GA的1.15倍,75%的解能支配GA求出的解,分布广度是GA的1.5倍.随着约束强度的增加,MOPSOSS的平均运行时间减少,而解的质量并无显著下降.与GA相比,MOPSOSS能用更短的时间求出更多高质量的解.     

基于遗传算法的Job Shop静态调度算法

研究了具有柔性加工路径的Ｊｏｂ Ｓｈｏｐ静态调度问题，并考虑了与操作序列有关的工件安装时间和工件到期时间的约束。提出了一种将遗传算法和分派规则相结合的调度算法，用遗传算法决定各工件的每个操作应分配到哪台机器上加工，而对每台机器则运用分派规则来决定相应工件在此机器上加工的次序和开始加工时间，遗传算法中的进化机理使得该算法有可能得到最优调度结果。最后给出了此调度算法的仿真结果。     

大规模物流配送车辆调度问题研究

研究大规模物流配送车辆调度问题,提出其整数规划数学模型,把大规模配送车辆调度问题(VRP)转化为配送区域划分问题和单车线路优化问题2个子问题,用改进的基地启发式分区算法(ILBH)解决配送区域划分问题,运用混合遗传算法(GA NS)解决分区域后区域内的配送车辆的单车线路优化问题.此改进的2阶段算法有效地解决了大规模配送条件下,在可行时间内得到近似解或满意解的问题,该方法已在某物流企业中成功应用并取得了显著的经济效益,其成果在城市配送系统中具有普遍的适用性和应用推广前景.     

以JIT为目标的柔性调度作业完工期求解算法

由于高度的计算复杂性,柔性调度是NP-hard问题,采用数学规划方法很难求得最优解.智能优化算法(如遗传算法)求解此类问题的近优解的有效性和实用性已被证实.在用GA算法求解此类调度问题时,如何确定一个染色体里所包含的每一个作业的完工期是一个非常关键的问题.该文深入分析了影响作业开工、完工时间的制约因素及其之间的关系,在此基础上,提出一个以JIT为目标的柔性调度作业完工期求解算法;在Matlab平台上进行了仿真.实验结果表明,本算法在求解各作业完工期时是有效和实用的.     

链式约束下的一种半连续型批处理机调度问题

半连续型批处理机调度问题是一种新型的批调度问题,它是从钢铁工业加热炉对管坯的加热过程中提炼出来的,与传统批处理机调度问题的批进批出方式不同,其主要特征为批中工件的进入、加工和离开都连续进行,同一批工件中工件的加工时间均等于这批工件中加工时间的最大者,批的大小为这批工件的个数,批的加工时间是从该批中的第一个工件进入机器,到最后一个工件离开机器所用的时间,因此批的加工时间取决于该批的大小、批中工件的最大加工时间及机器的容量。研究了这种新模型具有优先约束的情况,对链式约束下的极小化最大完工时间问题进行了讨论,证明了最优解的性质,从而给出了一个复杂性为O(n2)的动态规划算法,能够获得对应问题的最优解。     

一种求解炼油厂连续时间调度模型的Lagrange分解算法

在炼油厂连续时间调度模型中,随着调度问题规模的增大,求解耗时会显著增长。该文提出了一种基于Lagrange分解的求解算法。根据炼油厂生产流程特点,将调度模型分解成9个子问题,并在子问题中加入辅助约束加快Lagrange乘子收敛。针对问题特点设计了乘子初始化方案、乘子迭代方案和对偶解可行化方法。案例仿真选用了3个具有不同调度周期和订单数量的案例进行仿真,结果表明:采用该文提出的算法能够显著提高模型的求解效率,算法求解时间与直接求解和普通Lagrange分解算法相比都要少,且随着问题规模的增大优势会更明显。从求解结果上看,算法能够得到原问题的最优解或者近似最优解。     

网络化集成制造模式下调度问题的混合遗传算法

研究了网络化集成制造模式下的JOB-SHOP调度问题，即各任务有具体交货期约束的提前／拖期不同惩罚系数的复杂调度问题；提出了一种新的编码方案和相应的交叉算子，进而提出混合遗传算法；成功解决了上述问题，即找到一个最优调度，使在交货期窗口外完工的任务所受到的提前／拖期惩罚的总和最小．该算法解码复杂度低、通用性强、罗拔性强，最后用算例说明了算法的有效性并指出了工件车间调度问题中尚待解决的问题．     

Modified Shifting Bottleneck Heuristic for Scheduling Problems of Large-Scale Job Shops

A modified shifting bottleneck algorithm was proposed to solve scheduling problems of a large-scale job shop.Firstly,a new structured algorithm was employed for sub-problems so as to reduce the computational burden and suit for large-scale instances more effectively.The modified cycle avoidance method,incorporating with the disjunctive graph model and topological sort algorithm,was applied to guaranteeing the feasibility of solutions with considering delayed precedence constraints.Finally,simulation experiments were carried out to verify the feasibility and effectiveness of the modified method.The results demonstrate that the proposed algorithm can solve the large-scale job shop scheduling problems(JSSPs) within a reasonable period of time and obtaining satisfactory solutions simultaneously.     

基于准时制的时间成本双目标作业调度优化

提出了一种基于混合遗传算法的以生产周期和生产成本为优化目标的作业调度方法，该方法采用Giffler-Thompson启发式调度算法产生活动的调度，基于工序编码的染色体决定了工序调度的优先级，在启发式调度算法产生的冲突集合中，根据工序的优先级选择下一步安排加工的工序，混合遗传运算在全全局范围内搜索具有最优调度工序优先级的染色体，同时，在GifflerThompson的启发式算法中，采用了反向调度的策略，即从工件的交货期开始，先安排最后一道生产工序，然后依次安排前一道生产工序，直到工件的第一道工序调度完毕，形成一个完整的调度方案，在算法中，不仅考虑了工件的生产周期和多个工艺计划，而且考虑了库存费用和加工费用，设计了基于生产周期和生产成本的双目标适应度函数，算例结果表明该方法是可行的。     

基于NDP的遗传算法及其在JSP中的应用

遗传算法被广泛应用于求解车间作业调度问题(JSP),但遗传算法具有最优参数难以确定的问题。对此,该文提出了一种基于神经元动态规划(NDP)的遗传算法NDP-GA。该文将遗传算法用M arkov决策过程模型描述,建立了M arkov决策过程最优策略与遗传算法最优参数之间的联系。在此基础上,用神经元动态规划逼近M arkov决策过程的最优策略,并用学习到的策略指导遗传算法最优参数的选择。数值计算结果表明,该文提出的算法能自动收敛到最优遗传参数,并在求解JSP问题时能稳定地得到满意解。     

基于多工艺方案的车间作业计划方法研究

对工艺设计与生产调度集成的必要性和可行性进行了分析，讨论了工艺设计与车间作业计划之间的关系．针对多品种小批量的单件生产车间提出启发式的车间作业计划方法，其决策基于多工艺方案、可替代机床和调度规则，生成车间作业计划，并能及时对车间作业计划进行评价和调整．在此基础上，建立了基于多工艺方案的车间生产作业计划决策系统     

Job Shop类型柔性制造系统调度问题的研究

研究了 Job Shop类型柔性制造系统的调度问题 ,其中每个工件都有多个可替代的工艺计划 ,并且每个操作均可在多个机器上选择加工 .建立了多目标混合整数规划模型 ,并设计了一种启发式算法进行求解 .实践表明 ,该算法具有较好的实用性和可行性     

柔性作业车间多目标调度优化研究

研究了多目标柔性作业车间调度问题(FJSP),提出了一种基于Pareto的混合遗传算法,并建立了包括生产周期、总拖期时间和机床负载在内的多目标优化模型.该算法采用基于工序的编码方式和活动化解码方法,将Pareto排序策略与Pareto竞争方法结合起来.为了保证解的多样性,采用小生境技术并同时使用多种交叉方法,用Pareto解集过滤器保存进化过程中的最优个体,防止最优解的遗失.算法最后给出问题的Pareto最优解集.仿真试验证明,提出的混合遗传算法可以有效解决多目标FJSP.     

炼钢车间多天车动态调度仿真方案

针对炼钢车间多天车动态调度问题，提出了一种滚动调度策略下的仿真调度方案.模型目标函数考虑了最小化天车调度与工序调度在时间节奏上的偏离度，同时考虑了最小化天车工作量及其差异；约束条件在遵守天车避碰约束的同时，考虑了工位容量约束和重调度各种初始条件对天车调度的约束.模型以基于仿真的启发式方法求解.以某炼钢车间双天车调度为实例进行了仿真实验.实验结果表明，该天车调度方案能够维护工序调度稳定，减少和均匀天车工作量.滚动调度策略下，提出的启发式方法所得解的优化性能最高能达到最优解的96.3%.提出的滚动调度策略下的启发式方法相比于现场采用的实时规则调度方法，调度优化性能提高26.4%.     

A Dynamic Job Shop Scheduling Method Based on Lagrangian Relaxation

ＩｎｔｒｏｄｕｃｔｉｏｎＳｃｈｅｄｕｌｉｎｇｉｓｏｎｅｏｆｔｈｅｍｏｓｔｉｍｐｏｒｔａｎｔｉｓｕｅｓｉｎｔｈｅｐｌａｎｎｉｎｇａｎｄｏｐｅｒａｔｉｏｎｏｆｍａｎｕｆａｃｔｕｒｉｎｇｓｙｓｔｅｍｓ．Ｓｉｎｃｅｍｏｓｔｓｃｈｅｄｕｌｉｎｇｐｒｏｂｌｅｍｓ...     

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 ,提出了基于遗传算法的优化方法并以仿真实验验证了算法的有效性