多订单项目生产任务并行调度的遗传算法研究

在MTO(Make to Order)生产模式的制造企业中,经常存在多订单项目并行的情况。以满足资源约束为前提,优化多订单项目生产任务并行调度过程,成为该类企业关心的焦点问题。针对这一问题,根据任务并行调度的特点,建立了任务调度的目标函数,并采用一种改进了的遗传算法求解目标函数。该遗传算法用矩阵式染色体表示资源与生产任务之间的调度关系,采用突变机制来解决进化过程停滞问题,提高算法的搜索能力,并保留父代种群的优秀染色体,防止遗传过程中祖代优秀染色体丢失。     

改进遗传算法及其在矿山生产调度中的应用

基于多目标生产调度的特点和不足,从采掘运输成本和矿石品位两个角度出发,考虑矿石种类、铲位出矿量及卡车调度等因素,构建了多目标矿山生产调度模型.结合遗传算法解决多目标优化问题的优势,提出了基于改进遗传算法的矿山生产调度策略以及实现过程,并将改进前后遗传算法对模型的求解进行对比.模拟实验结果表明,运用改进遗传算法对矿山资源...     

基于量子和克隆策略的负载均衡算法

针对网格计算中多个独立任务在多个异构的资源上处理时,资源的负载均衡为最小非抢先调度的问题,建立了一类资源负载均衡问题的优化调度模型.该模型将量子算法、克隆算法和遗传算法结合起来,提出一种新的混合量子克隆遗传调度算法.仿真实验表明在网格环境下,该算法全局寻优能力强,能有效地实现资源的负载均衡,并具有合理性和高效性.     

云计算下安全可控的移动弹性资源动态调度算法

当前云计算下移动弹性资源动态调度算法CPU利用率较低,且运行不稳定。为此,提出一种新的云计算下安全可控的移动弹性资源动态调度算法,把云计算下移动弹性资源的CPU平均利用率、内存负载、带宽负载以及可靠性看作移动弹性资源调度目标的约束,给出移动弹性资源的状态模型。依据遗传算法的优点,设计了一种基于蚁群算法的、安全可控的移动弹性资源动态调度算法。依据云计算下移动弹性资源动态调度特点和约束条件,利用适应度指标,对种群中个体的优良度进行描述,给出适应度函数。通过一维字符串完成对解的编码,利用轮盘赌法设置合理的阈值,获取所有染色体中选择性能较好的染色体。通过选择的实数编码完成对字符串的逆向解码,得到云计算下移动弹性资源调度的最优方案。实验结果表明,所提算法稳定性、效率和资源利用率高,迁移率低,负载均衡性好。     

云计算环境中优化遗传算法的资源调度策略

资源调度是云计算的核心问题,传统遗传算法(GA)、Sufferage算法等都可以用于云计算环境中的资源调度,但传统遗传算法存在收敛慢、易早熟等缺点,Sufferage算法则不适用于多聚类环境的密集型任务调度.本文在充分考虑云计算环境的动态异构性和大规模任务处理特性的基础上,提出了一种基于染色体编码方式和适应度函数的改进遗传算法(IGA),并在云仿真器CloudSim上对3种算法进行了仿真.仿真结果表明,该算法在性能和服务质量QoS(Qualityof Service)方面都优于传统遗传算法和Sufferage,能更好地适用于大规模任务下的云计算环境资源调度.     

基于改进遗传算法的多级关联资源协调调度技术

在实际生产调度中,存在一类人员、设备、夹具、刀具等多级资源共同参与调度的情况.与传统的机加调度不同,此类调度问题增加了人员、卡具、刀具的约束.文中提出了基于改进遗传算法的多级关联资源协调调度技术以解决此类问题.本技术主要包含应用遗传算法在满足匹配关系的多级资源之间进行动态组合,通过适应度计算保留质量好的多级资源组合及面向资源协调的多级资源工序调度时间处理,根据选定工序所需资源占用情况,寻找最早的工序插入的时间区域,并结合工程实例分析验证了该技术的有效性.      

混杂系统生产调度与多种群交叉遗传算法

研究了连续离散混合生产过程的调度问题,采用递阶分层、分时调度方案,给出了系统的数学模型,并尝试建立了一种基于多种群交叉因子的遗传算法,就生产过程的实时性要求设计了适合连续离散规划问题求解的交叉遗传算子．通过对上海载重轮胎厂生产混杂系统调度的仿真,表明分层分时调度效果较好,多种群交叉算法比一般遗传算法收敛速度有较大提高,能够较好地解决混杂生产过程的调度问题．     

多种群蚁群遗传算法在车间调度中的研究应用

蚁群算法和遗传算法都属于仿生型优化算法,是解决调度问题的强有力的工具。本文针对多目标车间调度问题提出了一种多种群蚁群算法和遗传算法想结合的算法,算法的第一部分用多种群蚁群算法求得各个目标函数的最优解,第二部分把求得的解作为遗传算法的初始种群求得多目标问题的Pareto最优解。仿真结果,该算法有较好的有效性、稳定性和订单适应能力。     

基于改进遗传算法的网格资源调度研究

网格资源调度问题是一个NP问题,遗传算法可以有效地解决这类问题。针对基本遗传算法收敛速度慢的不足,提出了一种改进的遗传算法。该算法采用资源与任务一一对应实数编码方法,更好地适应了任务调度问题的特点。实验数据证明,改进后的遗传算法即具有全局搜索能力,又具有较快的收敛速度及较好的性能。该实验达到了以实现网格任务调度的最优跨度为目标的实验目的。     

基于正逆序策略求解Job Shop的遗传调度算法

针对标准遗传算法在求解车间作业调度问题中易陷入局部极值点的缺点,提出了一种基于领域知识的动态双种群遗传算法. 由于最优调度必定是活动调度,算法利用活动调度技术来进行空间缩减;两个子种群分别采用正、逆序调度策略来提高种群的多样性. 算法采用一种新的染色体编码来表示活动调度方案,并给出了相应子种群的初始化策略、遗传操作,以及子种群之间的交叉方式. Benchmark算例的仿真实验与分析表明,该算法在计算时间和求解质量上均具有较好的效果.     

有时间窗约束单车场单车型非满载车辆调度问题的遗传算法

有时间窗的车辆调度问题是一个典型的NP难题,一直成为运筹学与组合优化领域的前沿与研究热点问题,但传统的方法往往不能令人满意,利用遗传算法解决单车场单车型有时间窗约束的非满载车辆调度问题,构造了有创新性的染色体结构,并在遗传算法的迭代过程中与启发式算法交叉应用,现实应用中获得了很好的效果.     

考虑工人疲劳和学习效应的装备制造车间动态调度

针对大型装备制造车间人机双资源调度中工人疲劳和学习效应集成优化难的问题,基于指数型疲劳表征和DeJong学习曲线,构建混合整数规划模型。根据双资源调度问题的编码特征,结合排序规则生成初始调度方案,结合移除和插入操作设计自适应大邻域搜索算法,以求解人机双资源分配、工件排序、动态调度等子问题。同时,围绕紧急插单、机器故障、工人离岗等扰动设计重调度策略,基于原有算法实现动态调度,并进行算法测试。结果表明,与求解器、规则、遗传算法等相比,所提算法找到了完工时间更短的调度方案,且在紧急插单、机器故障、工人离岗等动态调度场景下,也能够给出更好的结果。所研究的装备制造车间调度问题同时考虑了工人疲劳与学习效应,对应算法可为大型装备制造排产系统开发提供参考。     

基于GATS混合算法的最优作业切换不相关并行机成组调度研究

不相关并行机调度问题是车间调度中的典型问题,而单件小批量生产模式导致频繁的作业切换和大量的作业切换时间,降低了设备利用率和生产效率。文中提出了基于成组技术的排序依赖作业切换时间的不相关并行机调度问题研究。根据工件加工所需资源的相似性进行工件聚类成组,满足机器约束条件确定所有工件组在各机器上的分配,以及确定同一台机器上的各工件组以及组内的排列顺序。以最小化总拖延时间为优化目标构建了数学模型,应用了遗传禁忌搜索(GATS)算法进行求解,针对不同规模的问题分别对比人工蜂群(ABC)算法和遗传模拟退火(GASA)算法进行案例研究。对比结果显示文中提出的算法具有较好的寻优能力。     

一种基于遗传算法的网格任务调度算法

任务调度问题是一类NP问题,经典调度理论一般仅能获得问题的近似最优解.尽管已有用于任务调度的遗传算法的求解质量优于传统方法,但多数是考虑单任务或独立多任务调度的遗传算法.采用理论分析与仿真实验相结合的方法,提出了一种改进的遗传算法解决网格的任务调度问题.这种遗传算法所处理的任务不仅可以包含多个有前后约束关系的子任务,并且每个子任务可以需要多种资源.通过对比实验可以看到本文所提出的算法在网格任务调度方面要优于传统的HEFT和DLS算法.     

Schedule for Garment Assembly Line Based on Genetic Algorithm

A new way to solve the scheduling problem of garment assembly line based on genetic algorithm was proposed. The chromosome was decoded using task precedence relation and after the operation of reproduction, crossover and mutation, the global optimal result can be obtained. Fitness function was represented by smoothness Index ( SI). The simulation shows that the method proposed in this paper is better than the conventional way and the optimized solution can be got in this way.     

多级多受灾点连续消耗应急物资调度优化策略

灾后应急救助十分关键,特别是多地同时受灾情况下.为此,考虑将灾民安置与物资运输一体化规划,建立连续消耗多级应急物资调配数学模型.在此基础上,以应急系统施救成本和施救不及时损失为目标函数构建优化模型,并应用遗传算法(GA)和序列线性规划(SLP)算法相结合策略对物资调配进行优化.构造四级救灾物资调配算例模拟救灾过程.数值结果表明,使用GA全局寻优结合SLP局部寻优策略相较单一优化算法能有效找到更优解.所提出的优化策略可为灾后多级多受灾点连续消耗应急物资调度提供可行方案.     

双资源作业车间智能优化调度

用遗传算法研究了双资源作业车间的调度优化问题,提出了一种将归约法与遗传算法和分派规则相结合的调度算法,该算法将机床和工人合理地分配给加工任务(工序),使评价指标获得最优.通过与国外学者的算法进行比较,本算法在相同生产周期的情况下,能够获得平均流动时间较少的调度结果.本算法采用的遗传编码不含工人和机床设备的信息,使得染色体的交叉和变异容易操作,节省了计算时间.最后还就工人/机床设备的比率对作业车间加工性能的影响进行了分析并给出分析结果.     

基于熵的混合粒子群算法在柔性调度中的应用

为了更好地求解大规模柔性车间调度问题,提高柔性车间调度算法的寻优性能,提出一种基于熵的混合粒子群算法.该算法把粒子群算法、遗传算法和模拟退火算法相结合,同时用种群熵自适应调节惯性系数和变异概率,以增强算法的寻优能力和克服算法的过早收敛.典型实例仿真结果表明,该算法能更好地求解柔性车间调度问题,与传统的优化算法相比,在优化精度上具有明显的优越性.