遗传算法在生产作业调度中的应用

归纳总结了生产作业调度问题的数学模型,详细分析了模型中的目标函数。并在此基础上讨论应用遗传算法解决生产作业优化调度问题的过程及算法中相关参数的选取原则,最后通过算法模拟验证了遗传算法在解决生产作业调度问题上的全局近优性和高效性。     

调整时间可分离的FlowShop调度问题F3|s|C_(max)

研究了三台机器调整时间可分离的FlowShop调度问题,目标函数为极小化最大完工时间·证明了最优调度可能不是排列调度,但是工件在前两台机器上具有相同加工顺序的调度中至少存在最优调度·在排列调度范围内,对于工件在第二台机器上的调整时间与加工时间之和的最大值不超过工件在第一台或第三台机器上的调整时间与加工时间之和的最小值的情况,给出了求解最优调度分派规则,并以分派规则为基础给出了多项式最优算法     

求解Job Shop调度问题的改进遗传算法

文章在对JSP问题进行描述的基础上,提出了一种新的改进遗传算法。该算法针对遗传算法的弱点进行了一系列的改进：设计一个新的选择策略来避免早熟,引入了一个动态的交叉和变异概率以及兄弟竞争的策略来加快收敛速度和全局搜索能力。仿真计算表明了该算法的良好收敛性和有效性。     

求解Flow Shop调度问题的混合禁忌搜索算法

针对目标为总完工时间的FlowShop调度问题,提出了一个启发式算法与禁忌搜索算法相结合的混合禁忌搜索算法HTA(Hybrid Tabu Algorithm):将RZ算法的结果作为初始解,然后采用禁忌搜索算法对其进行改进.实验结果表明:在最好调度的获取能力、所得调度的平均质量及算法的稳定性方面,HTA算法均是最优的.     

基于改进分布估计算法的带并行机模糊混合Flow Shop调度

针对处理时间不确定情况下带并行机的混合Flow Shop调度问题,基于模糊规划理论,采用一种模糊数排序的方法建立了调度模型;以最小化加权模糊最大完工时间的平均值和不确定度作为调度目标,提出一种改进分布估计算法(IEDA)求解上述问题。IEDA算法采用基于NEH(Nawaz-Enscore-Ham)和破坏重建策略的初始化方法,对较优个体进行变邻域局部搜索以提高算法的局部搜索能力,同时采用破坏重建策略增加种群多样性,在最优解连续若干代没有改进时对其进行基于破坏重建策略的变邻域局部搜索,增强算法跳出局部最优的能力,并用正交设计的方法调节算法参数。仿真实验结果验证了本文算法的优越性。     

基于析取图考虑物料搬运的Job Shop调度算法

为有效解决考虑物料搬运设备的Job Shop调度问题,建立了非线性规划模型及改进析取图模型.在此基础上,以最小化最大完工时间makespan为调度目标,构造了两阶段结构式启发式调度算法.第一阶段,将析取图分解为机床调度析取子图和搬运设备调度析取子图,提出一个双层递进启发式算法.上层利用分支思想求解机床调度析取子图,根据上层结果,求解搬运设备调度析取子图.在第一阶段解的基础上,第二阶段构造了基于块理论的调度优化启发式算法.最后对算法进行了仿真分析,结果表明所提出的算法是有效、可行的.     

改进协同粒子群优化算法及其在Flow Shop调度中的应用

针对协同粒子群优化算法存在的停滞现象,提出了一种改进的协同粒子群优化算法。采用优化法的子群协作方式,既保证了收敛速率,又可以防止陷入局部最优。同时引入综合学习策略,增加种群的多样性,防止种群出现停滞现象。在此基础上,又加入了扰动机制,进一步避免算法陷入局部最优。采用该算法对3个经典函数进行测试,并将其应用于Flow Shop调度问题,仿真实验结果表明:新算法有效克服了停滞现象,增强了全局搜索能力,比基本协同粒子群优化算法的优化性能更好。     

加工时间为连续随机变量的Job Shop调度问题

针对实际调度问题中存在的不确定现象,提出了加工时间服从正态分布、最大完成时间的期望值作为目标函数的随机Job Shop问题;然后提出了解决该问题的智能优化算法:采用随机模拟的方式产生输入输出数据,利用遗传算法训练神经网络,将训练过的神经网络嵌入到另一遗传算法中,用该遗传算法来优化Job Shop调度问题;最后给出了仿真实验,通过仿真实验证明,该算法对于解决加工时间为随机变量的Job Shop调度问题是行之有效的。     

粒子群算法在柔性工作车间调度中的应用

粒子群算法是一种新出现的群智能优化算法。本文针对柔性工作车间调度问题的特点构造了此问题的粒子表达方法，给出了具体的算法应用过程，并与遗传算法做了对比实验。实验结果表明粒子群算法在柔性工作车间调度问题的应用上是十分有效的。     

求解Job Shop调度问题的自适应遗传算法设计

针对标准遗传算法中交叉概率Pc和变异概率Pm固定不变带来的局限性,以及M.Sr-invivas自适应遗传算法的缺点,提出了根据适应值集中程度,自适应地变化整个种群的Pc和Pm的一种改进的自适应遗传算法,文中系统地介绍了算法的改进及算法的流程,并将算法应用于求解JSP问题,最后用一个典型的测试例子,对本文设计的算法的求解效果进行了测试,并对测试结果进行了分析.