基于混合离散人工蜂群算法的置换流水车间调度

针对以最小化最大完成时间为调度目标的置换流水车间调度问题,提出了混合离散人工蜂群算法.初始化种群采用NEH和随机方法.在算法的雇佣蜂阶段和侦查蜂阶段分别采用离散差分进化策略和变邻域搜索的变体产生邻域个体,为了兼顾算法的全局搜索和局部搜索能力,雇佣蜂阶段接受新个体采用模拟退火的概率突跳机制,而选择利用锦标赛方法,并对跟随的个体按一定概率进行局部搜索.此外,在侦查蜂阶段对锦标赛选择的个体执行破坏重建操作,用新产生的个体代替较差的个体.利用正交实验法调节算法参数,通过与其他算法的仿真实验结果比较,验证了算法的有效性.     

Job-shop调度问题的离散布谷鸟搜索算法求解

在布谷鸟搜索算法的基础上,提出了一种基于升序排列的离散布谷鸟搜索算法(DCS),使用该算法求解Job-shop的经典LA问题.仿真数据显示,该算法在收敛速度、精度和稳定性方面都明显优于粒子群优化算法和萤火虫优化算法,显示出DCS算法的可行性和有效性.     

面向节能的阻塞混合流水车间调度问题建模

针对能耗目标的阻塞混合流水车间调度问题(HFSP-B),分别构建了考虑调整时间及不考虑调整时间的阻塞混合流水车间调度问题(MILP)模型.为了减少机床待机能耗,在MILP模型中考虑关机/重启节能策略.针对MILP模型,从目标函数、目标函数的线性化过程、决策变量和约束方程进行介绍.最后,通过对具体实例的求解,验证了所提M...     

求解置换流水车间调度问题的布谷鸟算法

分析了布谷鸟算法的优化机理和特点,针对最小化最大完工时间的置换流水车间调度问题,采用基于最小位置值规则的随机键编码方式,应用布谷鸟算法进行求解.通过选取的标准算例对算法进行了仿真测试,并与萤火虫算法和粒子群算法进行对比,测试结果表明了该算法求解置换流水车间调度问题的有效性和优越性.该方法可作为解决流水线生产调度问题的一种有效方法.     

基于滤波波束搜索算法的置换流水车间调度问题

【目的】研究解决置换流水车间中作业完成时间与常见到期日之间的绝对偏差最小化和中间库存最小化问题。【方法】首先,构建基于最小化绝对偏差和中间库存的混合整数线性规划模型,采用两阶段法对模型进行求解;其次,提出基于精英选择策略的滤波波束搜索算法(Filtered beam search algorithm,FBSA),将精英选择策略与FBSA融合,通过对有“希望”的迭代节点进行局部搜索和全局搜索,用以确定筛选出的最优解。【结果】通过实例仿真对基于精英选择策略的FBSA与其他智能优化算法在最优解偏差百分比、平均错误率、改进百分比等3个指标进行对比,结果显示该算法在求解所提问题时具有高效性和稳定性。【结论】基于精英搜索策略的FBSA对处理置换流水车间调度问题有着良好的效果与优势。     

一种求解带有阻塞限制的混合流水车间的禁忌搜索算法

针对带有阻塞限制的混合流水车间调度问题,提出一种禁忌搜索算法和优先级规则相结合的方法.开发了启发式调度算法求出问题初始解,应用禁忌搜索算法对工件在第一级的排序进行优化,采用优先级规则进行其他级工件的排序.实验结果表明,该方法大大缩减了搜索空间,能够较好地解决此类调度问题.     

基于斜度指标的混合流水车间调度方法

针对混合流水车间（Hybrid Folwshop,HFS)最小化工件全部完成作业时间（Makespan)调度问题，提出混合整数规划模型，基于斜度指标的方法来对工件进行排序，采用最先空闲设备（FAM）算法来分配设备，并给出其最优值的下界以检验该算法。仿真结果表明，该方法能够较好地解决混合HFS的调度问题。     

分布式装配阻塞流水车间调度算法研究

针对以装配完成时间为优化目标的分布式装配阻塞流水车间调度问题(DABFSP),提出一种协同帝王蝶优化(CMBO)算法．在算法的初始化阶段,CMBO有效利用分布式装配阻塞流水车间调度问题的特征,采用构造式的方法产生可行调度序列,并作为算法的初始解;在迭代过程中,CMBO利用两种协同的离散化算子更新种群;在局部搜索阶段,CMBO利用最优解的邻域信息进一步提升解的精度与质量．在以不同工件数、机器数、工厂数和产品数为组合的900个问题实例中,测试和比较了CMBO算法及其他先进对比算法的性能．实验结果及统计学分析表明：CMBO算法在求解分布式装配阻塞流水车间调度问题时优于其他两种对比算法．     

混合规划处理流水车间调度问题

针对不确定条件下流水车间调度问题(F low shop schedu ling),研究了含有随机参数和灰色参数的混合机会约束规划模型的建立及求解方法。提出了灰色模拟的概念和方法,为含有灰色参数的机会约束规划提供了求解途径。通过理论推导及仿真实例,结合遗传算法,验证了基于随机模拟和灰色模拟的混合机会约束规划的调度模型及求解方法的有效性。     

分布式两阶段混合流水车间调度

针对分布式两阶段混合流水车间调度问题(DTHFSP),提出一种教学优化算法(TLBO)求解工厂分配问题并设计一种启发式算法解决机器分配问题,以最小化最大完工时间.首先,采用均衡工厂负载的方法生成初始班级;然后,引入淘汰机制以加强对优势解的局部搜索效率,并在自学阶段增加反思过程强化教学结果;最后,通过大量实例实验验证了教学优化算法在求解分布式两阶段混合流水车间调度问题时的搜索优势.结果分析表明教学优化算法在求解分布式两阶段混合流水车间调度方面具有更好的稳定性和求解质量.     

混合流水车间调度模型及其遗传算法

针对流程工业生产过程连续性的特点,从一种新的角度建立了工件等待时间受限的混合流水车间调度模型.以总完工时间最小化和工件在各机器最早开工时间最小化为目标函数,利用改进的遗传算法生成最优排序计划,并用模拟的实际生产数据对模型和算法进行验证和分析.     

一种求解阻塞流水车间多目标调度的离散差分进化算法

针对流水车间中产品不存在缓冲区的多目标优化问题,研究了阻塞流水车间的最大完工时间和总流程时间的最小化问题,提出了一种多目标离散差分进化(Multi-objective Discrete Differential Evolution,MDDE)算法搜索Pareto最优调度解。MDDE的变异个体通过非支配解或当前解的邻域随机产生,实验个体通过交叉操作产生,而选择过程则设计为一种多目标选择策略。此外,算法还混合了一种基于插入的Pareto局部搜索方法。基于标准测试算例的数值仿真实验表明,MDDE算法获得的非支配解集在Inverted Generational Distance、Set Coverage和Hypervolume性能指标上均有较好的表现。     

基于多目标离散正弦优化算法的混合零空闲置换流水车间调度

针对以最小化最大完工时间（makespan）和最小化最大拖期（maximum tardiness）为目标的多目标混合零空闲置换流水车间调度问题（Mixed No-idle Permutation Flow Shop Scheduling Problem,MNPFSP）,提出了一种多目标离散正弦优化算法（Multi-objective Discrete Sine Optimization Algorithm, MDSOA）。首先,建立外部档案集（AS）存储Pareto解,并在每次迭代后对AS进行更新;其次,在正弦优化算法（Sine Optimization Algorithm,SOA）的基础上,引入迭代贪婪（IG）算法的破坏重构机制,重新定义了一种适用于离散调度问题的位置更新策略;最后,引入快速非支配排序和拥挤距离对种群进行筛选,在保留精英解的同时保证了解的多样性和分布性。选取Taillard Benchmark中11个不同规模的算例进行仿真实验,并将仿真结果与NSGA-Ⅱ和NSGA-Ⅲ算法进行比较,验证了MDSOA求解MNPFSP的有效性。     

基于改进布谷鸟搜索算法的云计算资源调度

针对当前云计算资源调度方法存在的耗时长、开销大等难题,提出了改进布谷鸟搜索算法的云计算任务调度方法。首先对当前云计算资源调度研究现状进行分析,根据安全强度和用户需求分别赋予虚拟机和安全需求不同等级,其次采用改进布谷鸟搜索算法对云计算资源调度问题进行求解,最后在Cloud Sim平台上进行了仿真实验。结果证明,该文方法获得了理想的云计算资源调度方案,调度性能要优于其他云计算资源调度方法,验证了该文方法有效性和优越性。     

基于极大代数的阻塞流水车间启发式动态规划调度算法

基于极大代数理论,引入任务排序函数与时间D子集,建立阻塞流水车间排序与调度代数模型,并提出启发式动态规划调度算法,实例计算表明算法十分有效.     

基于离散候鸟迁徙优化算法的置换流水车间调度问题

针对置换流水车间调度问题,以最小化最大完成时间为调度目标,提出了一种离散候鸟迁徙优化(Discrete Migrating Birds Optimization,DMBO)调度算法。采用NEH产生一个调度可行解,其余个体随机产生,保证了种群的质量和多样性,初始化鸟群按优化目标值升序排成倒V字形。领飞鸟通过优化插入加优化交换产生的邻域解进化,而通过混合策略获得跟飞鸟的邻域解。跟飞鸟通过其邻域解和前面个体未使用的、较好的邻域解进化,这种进化机制是独一无二的。最后,采用局部搜索算法进一步优化种群。仿真实验中使用正交设计方法调节算法参数,通过求解Car和Rec标准算例,验证了算法的有效性。     

基于协作蛙跳算法的可重入混合流水车间调度

针对可重入混合流水车间调度问题(RHFSP),提出一种协作蛙跳算法(CSFLA),以同时最小化最大完成时间和总延迟时间．给出了模因组的解质量和进化质量评价方法,根据进化质量确定最多两对模因组,在每对的两个模因组之间执行交换搜索次数和搜索能力的动态协作,并运用动态多邻域搜索(DMNS)和自学习过程改善算法性能．运用大量实例进行仿真实验,实验结果表明：CSFLA的新策略有效,且在多目标RHFSP优化方面具有较强的优势．     

基于VNS-EM混合算法的两阶段装配流水车间调度

针对以最小化工件提前期和拖期惩罚费用加权和为目标的两阶段装配流水车间调度问题,证明了工件之间的最优排序性质,并将其嵌入优化算法中.由于该问题的NP难性,提出了一种变邻域类电磁机制(VNS-EM)混合算法.该混合算法在类电磁机制(EM)算法的每一次迭代过程中嵌入改进的变邻域搜索(VNS)算法,利用其较好的局部搜索能力对每代最优个体的邻域进行精细搜索,从而提高解的质量.仿真结果表明了算法的有效性.与VNS算法和EM算法相比较,提出的VNS-EM混合算法能更好地兼顾算法的精度和求解速度.     

面向分段涂装作业的混合流水车间调度

基于船舶分段涂装作业,提炼出具有重入和等待时间约束的两阶段混合流水车间调度问题.其中第一阶段含多台批处理机,第二阶段含多台离散机且存在一次重入过程,两阶段间有等待时间约束.以最小化最大完工时间为优化目标建立数学模型,提出一种结合Metropolis抽样准则和变邻域搜索的混合量子粒子群优化算法,并利用多种启发式规则进行解码.实例验证和数值分析表明,所提算法是解决分段涂装调度问题的一种有效方法.