考虑恶化和学习效应的单机成组排序问题

讨论了工件加工时间同时具有恶化和学习效应的单机成组排序问题。在这类问题中,同一组中的工件不允许分开加工,各组之间有安装时间,其中安装时间是工件组开始加工时间的简单线性函数,各组内工件的实际加工时间是关于恶化和学习效应的函数。对目标函数为最大完工时间和总完工时间两类问题分别给出了多项式时间最优算法。     

带有滞留时间的流水作业计划排序方法研究

本文对带有滞留时间的流水作业车间以零件加工全长最小为目标的排序问题进行了分析和研究。分析证明了对于两台机床带有滞留时间的问题存在有效的多项式算法。本文还给出了三台以上机床带有滞留时间排序问题的启发式算法。     

具有学习效应的总完工时间流水作业问题

研究工件具有学习效应的2台机器流水作业排序问题.工件的学习效应指工件的加工时间为所排位置的指数函数.目标函数为极小化总完工时间.给出该问题的数学规划模型.同时对大规模问题给出3个启发式算法,计算结果表明,用这3个算法解决所研究问题比较有效.     

带有学习效应和恶化工件的双代理调度问题

研究带有时同相关的学习效应和恶化工件的双代理单机调度问题,目的是找到一个调度使得满足第二个代理的最大完工时间不超过一个给定的上界的约束下,第一个代理的总完工时间最小.对于该调度问题,给出了一些最优性质,并提出了多项式时间最优算法.     

加工时间带恶化和指数学习效应的成组排序

本文研究了成组技术下带依靠时间的线性恶化效应和依靠位置的指数学习效应的排序问题.模型中,组安装时间是开始安装时间的线性函数,工件的加工时间带线性恶化和指数学习效应,对最小化时间表长问题和最小化总完工时间问题分别给出了多项式算法.     

基于蚂蚁算法的工件排序优化

工件排序是NP-hard问题，以丰田公司的汽车组装工件排序函数为目标函数，将蚂蚁算法应用于该问题求解。得到了蚂蚁算法的最优参数并获得满意可行解。算例证明，此算法优于目标追随法、遗传算法、模拟退火算法等算法。     

基于订单完成的柔性流水作业排序

按订单进行生产安排符合大多数实际应用,研究基于订单完成的柔性流水作业排序问题,考虑工件的订单属性,以最小化订单的加权误工成本为目标来进行柔性流水作业的排序,给出了具体的排序算法。     

基于蚁群系统的工件排序问题的一种新算法

工件排序问题中如何使加工效率最高，一直是一个非常重要而且又非常困难的问题，特别是问题的规模很大时，目前各种算法计算就非常困难，有的甚至无法得到合理的方案，蚁群系统是近年来发展起来的解决组合优化问题的一种有效方法，根据工件排序问题的特点，建立了在不同种类的并行机上加工一批不同种类工件的优化数学模型，在蚁群算法的基础上对其进行改进，成功地把改进的蚁群算法用于工件排序问题的优化中，通过与其他算法的仿真比较，表明基于蚁群系统的算法是有效的，特别是问题规模很大时更显示其快较的收敛速度和较高的精度。     

关于一类两台机器自由作业的排序问题

以工件完工时间的总和为优化目标的两台机器自由作业问题是NP-hard问题.本文针对加工时间仅依赖于机器并且机器连续加工的问题,给出了机器排序是可行排序的充分必要条件,引入可行排列的极小子排列的概念,运用组合优化方法,研究了最优排序中极小子排列的性质,并由此得到了该问题的最优时间表的一般构造方法.     

相同并行机上工件排序问题的一种新算法

根据工件排序问题的特点,建立了在相同种类的并行机上加工一批相同种类工件的优化数学模型。在蚂蚁系统的基础上对其进行了改进,并把改进的蚂蚁系统用于工件排序问题的优化中。通过与其他算法的仿真比较表明,该基于蚂蚁系统的算法是有效的,特别是问题规模很大时更显示其较快的收敛速度和较高的精度。     

一种新的求解Flow Shop问题的启发式算法

同顺序 Flow Shop问题是一个著名的 NP难题 ,至今尚未找到有效算法 .总体来讲 ,求解该问题的启发式算法主要可分为规则式算法和迭代式算法两种 .对该问题有很多求解目标 ,如最小加工周期 ( min makespan) ,工件的最小平均在系统的停留时间 ( min mean flow tim e)等 .本文以求解最小加工周期为目标 ,基于目前已知的性能最好的算法 NEH算法的基本思想 ,提出了一种新的启发式算法 -组合指标算法 .大量的数据实验表明 ,新的算法具有很好的计算结果 ,而且这种算法可以说是给出了求解 Flow shop问题的一种新的思路和方向.     

一种求解两机成组作业流水车间优化调度问题的遗传算法

当优化目标是总的流时间时,两机成组作业流水车间调度问题是NP难解的.本文提出了一种两机成组作业流水车间优化调度的遗传算法.该遗传算法分两层一层优化组内作业排序,一层优化组排序.仿真结果表明该方法的有效性.     

加工时间依赖开工时间的FlOW ShoP调度问题

讨论了加工时间依赖开工时间的Flow shop 调度问题。在这类问题中,工件的加工时间是开工时间的简单线性函数,机器间满足某种优势关系。对于这类问题,当目标函数是极小化最大完工时间时,尽管比相应的经典问题复杂,但仍存在多项式算法。如果目标函数是极小化加权完工时间和或极小化最大延误,则经典问题中的结论未必成立。     

基于模糊规则的GA求解成组调度

研究并行多机成组工件flow-time问题,利用模糊规则量化,使用遗传算法内嵌入模糊控制规划的智能化算法求解这类复杂的组合优化问题,最后给出计算实例及仿真结果,证明了该算法具有解决大规模实际问题的能力。     

基于混合电磁算法求解置换流水车间调度问题

为了求解置换流水车间调度问题,提出了一种基于混合电磁算法的调度算法。首先,采用最小位置值法将算法中连续向量转换为工件排列顺序。其次,对随机生成的一部分初始解用基于启发式信息的贪婪随机自适应算法得到的结果加以改造,使其质量得到提高。最后,加入局部搜索增强算法性能。通过对Car系列和Rec系列基准测试结果表明,提出的算法性能优良。另外,还讨论了一些参数对算法优化性能的影响。     

On-Line Scheduling of Unit Time Jobs with Rejection on Uniform Machines

The authors consider the problem of on-line scheduling of unit execution time jobs on uniform machines with rejection penalty. The jobs arrive one by one and can be either accepted and scheduled, or be rejected. The objective is to minimize the total completion time of the accepted jobs and the total penalty of the rejection jobs. The authors propose an on-line algorithm and prove that the competitive ratio is 1/2 （2 W √3） ≈ 1.86602.     

解决中间存储时间受限的间歇式调度问题的算法

生产调度问题是企业生产过程中的重要组成部分,合理、有效的调度方案尤其对提高间歇过程的生产效率和经济效益具有重要的意义.针对中间存储时间受限的间歇式调度问题,考虑了它本身具有的特殊性,提出了不同的约束条件,建立了相应的数学模型,并且结合基于生物免疫体系理论的智能方法———免疫算法的特点,提出了解决此类问题的免疫调度算法.通过仿真试验,表明了模型的有效性和算法的可行性.     

一类流水车间批量流与混排序的集成优化

讨论了一类多产品多机流水车间等规模子批量流与混排序的集成优化问题,以最小完工时间为目标函数建立了非线性混合整数规划模型,利用遗传算法 仿真的策略求解。算法采用上下两层遗传算法共同进化,上层遗传算法优化每种产品子批量的数量,同时确定各子批量的规模,下层遗传算法优化不同产品子批量的混排序,仿真程序采用多代理技术模拟生产过程得到完工时间。数值仿真实验的优化结果证明了算法有效性,同时分析了缓冲区空间和机器准备时间对模型的影响。     

NWHFS多扰动调度问题的干扰管理方法

针对多扰动并发工况下无等待混合流水线(NWHFS)生产调度问题,构建了多重约束下兼顾初始调度目标(最小化工件完工时间加权和)和扰动修复目标(最小化工件完工滞后时间加权和)的干扰管理调度模型,设计了搜索方向动态可变的多目标随机加权处理策略。并将基于高斯变异的全局寻优改进策略与基于随机邻域结构的局部精细搜索策略相结合,提出了一种混合微粒群优化求解算法。数值算例仿真结果表明,包含高斯变异算子和随机邻域结构的混合微粒群优化算法求解本文干扰管理调度模型是有效的。     

基于提前/滞后Flow Shop调度问题的混合微粒群算法

提出了一种混合微粒群算法,通过引入禁忌搜索算法和动态设置惯性权重等方法,提高了算法搜索全局最优解的能力并且能够有效避免早熟收敛问题。并将这种算法应用于求解实际的提前/滞后F lowShop调度问题,仿真实验结果表明了混合微粒群算法的可靠性与实用性。