Blocking流水车间调度问题的MBT算法研究

针对目标函数为Makespan的Blocking流水车间调度问题,设计了一种构造启发式算法．初始排序的产生从减少下游工件的滞留时间入手,结合有向图中对关键路径的分析,采用插入规则进行搜索的方法得到工件序列的近优排序．通过大量典型算例的计算,实验结果证明了设计的算法具有优越的性能．     

No-Wait流水车间调度问题的MDIS算法研究

No-Wait流水车间调度问题的特性是工件加工一旦开始,必须连续进行,不允许工件完成某一加工工序后在机器上滞留等待.本文针对目标函数为Makespan的No-Wait流水车间调度问题,从对目标函数结构的分析入手,提出了一种基于最小化工件间距离的初始排序策略和插入方法的启发式算法.通过对大量典型算例的实验后验证了提出的算法的有效性.     

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．     

一种解决有限缓冲区流水车间调度问题的复合启发式算法

针对以最大完工时间为目标的有限缓冲区流水车间调度问题,提出了一种新的复合启发式算法.算法设计中首先使用PF-NEH算法进行解空间的搜索,并采用基于插入邻域和交换邻域的可变邻域搜索算法来增强局部搜索.仿真实验表明,该算法具有高效性和优越性.     

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...     

车间作业计划的全局动态调度算法

分析了ＪｏｂＳｈｏｐ作业计划中两个比较困难的约束条件，即缓冲区容量与刀具容量的限制，得出了通用型的刀具容量计算公式和调度系统的目标函数。     

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。     

并行流水车间调度问题模型与算法研究

将大型钢管企业的管加工调度问题抽象提炼为一类具有普遍意义的并行流水车间调度问题,建立了数学规划模型,并对其求解算法进行了探讨。     

Johnson 算法的极大极小代数证明

通过极大极小代数的方法对串行生产线进行建模，并给出了Ｊｏｈｎｓｏｎ算法的严格证明     

无等待流水调度问题迭代启发式算法

针对以总完工时间最小化为目标的无等待流水调度问题(缩写为NWFSP),提出了两个迭代启发式算法(缩写为IHA1、IHA2).一个是以FL(described by Framinan and Leisten,OMEGA,2003)启发式算法产生的解作为初始解,另一个是以WY(described by Hoon-shik Woo and Dong-soon Yim,Computers & Ops Res,1998)启发式算法产生的解作为初始解,然后两者均应用RZ(developed by Rajendran and Ziegler,European Journal of Operational Research,1997)和FL插入以及成对交换技术进行多次迭代来改善解的质量.为了评估,我们使用了Taillard's基准程序随机产生了大量实例,实验结果显示,IHA1和IHA2在解的性能上优于经典的RC1、RC2、PH1(p)算法,随着问题规模的增大,对解的质量改善得更好.     

基于改进遗传算法的Flow Shop调度算法研究

给出了Flow Shop调度问题的数学模型,介绍了三种用于求解该问题的启发式算法,根据普通遗传算法与启发式算法的互补特性,提出了结合两者各自优势的改进遗传算法．通过两个不同规模的经典算例对算法的优化性能进行了对比分析,结果表明,采用了保优策略的改进遗传算法的搜索能力优于启发式算法及普通遗传算法,并具有较强的鲁棒性．     

一种基于任务划分的启发式网格调度策略

网格环境下的任务调度是一个非常复杂且具有挑战性的问题,目前存在的调度策略大多数忽略了任务执行调度算法的顺序这个重要因素.针对这一问题,本文提出任务划分(task-partition)的概念,结合任务存取数据的位置信息,给出了一种以任务级别的忍耐度(task-sufferage)作为启发规则的网格调度策略.实验结果表明,该策略消除了任务的重新调度,降低了任务总的完成时间,能够有效地保证负载均衡,具有较好的综合性能.     

求解AFS问题的两种启发式算法在最坏情况下性能比上界的可达性研究

对文献[2]中提出的求AFS问题的次优解的两个简单易行的启发式算法及其品性进行了进一步的研究。由于已证明了其在最坏情况下性能比Cmax（H）／Cmax的上界不去超过2,本文用两个典型的例子证明：对这两种算法,这一上界是可达的。     

基于启发式变异的改进演化规划算法

常用的演化规划算法(EP)的变异是基于固定的概率分布,鲁棒性较差.文中分析了变异算子对演化规划算法计算效率的影响,指出了Gauss变异、Cauchy变异和Lévy变异算子缺少启发式信息的不足,并据此设计了一种根据种群个体差异信息的启发式变异算子,用算子抽取的个体差异来更新变异步长,允许个体有机会在某些维数保持原状,只是进行部分维数上的变异.启发式变异算子能使演化规划算法更好地适应不同特点的连续优化问题,从总体上增强算法的鲁棒性.在求解多个Benchmark测试问题的数值实验中,基于启发式变异的改进演化规划算法比当前6种等概率分布演化规划算法有更快的收敛速度和更优的平均性能.     

基于启发式规则的新型进化算法在流水车间调度中的应用

针对流水车间调度这一典型的NP难问题,采用了一种新型进化算法——DNA进化算法进行求解,并对算法做了改进。改进的DNA进化算法中引入了交换操作以更好地搜索解空间,并采用黄金分割率控制变异个体的数目。同时为了进一步提高搜索性能,采用一种新颖的启发式规则产生初始种群。以50个T aillard基准问题进行仿真,并与遗传算法进行了详细比较,仿真结果表明:改进的DNA进化算法具有更好的求解性能以及更高的运算效率。     

柔性Flow Shop加权完成时间调度问题的启发式分析

针对柔性flow shop加权完成时间调度问题,通过对机器环境进行分组,证明了一个基于有效作业最短加权平均处理时间的启发式算法是渐近最优的.     

基于时态通讯图的启发式任务调度

在基于消息传递系统的显式并行程序设计环境下,用通常的前趋任务图有时很难精确表示任务间的偏序关系．本文首先提出了时态通讯图这一基本概念,然后说明了用ＴＣＧ表示并行程序任务间相互作用关系的一般方法以及ＴＣＧ的一些基本性质,并给出了基于ＴＣＧ的启发式任务调度方法．     

出厂物流调度问题及其启发式算法

针对出厂物流调度问题,建立了一类出厂物流问题的调度理论模型,证明了该问题的强NP-hard特性.基于对问题的特征分析,提出求解问题的近似算法,证明了算法的最坏性能比为3且为紧界,并通过数值仿真验证了该算法的有效性.结果表明,所提出算法对两台流水作业机器的完工时间有一定的优化.     

一种基于蚁群算法动态均衡的网格任务调度

网格资源分配属于NP-难问题,为了更好地解决该问题,首先建立一种性能QoS优化的作业级网格任务调度模型和目标函数,并对资源和任务数进行了分析.提出了基于动态信誉度的改进蚁群算法RACO(reputation-based ACO)进行网格任务调度,RACO引入空间效率和时间效率的动态调节因子,同时采用局部和全局信息素更新策略.仿真实验表明,RACO在资源利用率、动态均衡方面优于Min-min,Max-min和ACO算法.     

基于Petri网和UML的流水作业调度模型设计及实现

为了对流水作业调度的行为提供支持,需要对其进行有效的建模和模型分析。Petri网具有坚实的理论基础和易于使用的图形表示,是一种理想的建模和分析工具。UML是一种易于编程实现的面向对象建模工具。针对UML和Petri网建模的特点,本文采用Petri网与UML相结合的建模分析方法,融合了Petri网精确、严格的形式化描述和UML友善的用户界面的优点。并提出了将Petri网转化为一种可以表示对象间的同步、并发的扩展状态图的方法。利用Petri网描述系统的动态特性,经过分析、验证或仿真后,通过提供的转化规则将Petri网模型转化成相应的UML动态图、扩展的状态图,对流水作业调度问题建模。利用动态规划算法解决满足Johnson法则的最优作业调度问题,并用Java实现。