具有准备时间的流水作业时间表问题启发式算法与最坏性能比分析

本文研究具有准备时间的流水作业时间表问题，给了一个简单的启发式算法，证明了一个简单的启发式算法的最坏性能比是m 1/2(其中m是机器的台数)，且关于上界是紧的，特别当m=2时，该启发式算法的最坏性能比是3／2，此结果要好于Potts在1985年所给出的算法。     

一类装配式流水作业排序问题的启发式算法及其性能比研究

根据Ｆ′２｜ｍ１≥２，ｍ２＝１｜Ｃｍａｘ排序问题是ＮＰ完全问题的论断，提出了ＡＦＳ问题的两个启发式算法，分别给出了应用启发式算法的实例，并证明了该启发式算法在最坏情况下的品性是２的结论     

流水作业调度问题的快速进入启发式算法改进

文章提出了解决流水作业调度问题的改进快速进入启发式算法。这种改进算法遵循原算法中构造双机子问题的基本思想,将原线性权重改进为指数权重并用Johnson双机算法进行求解。改进算法的性能使用了来自文献的实例测试,并与原算法进行比较。比较结果表明,在大规模工件的调度问题中改进算法优于原算法。     

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。     

m台机器上流水作业时间表问题的复杂性及一种新的启发式算法

研究流水作业时间表问题，在具有延迟时间的条件下证明该问题是强NP-困难的．给出一种新的启发式算法，并证明该算法的最坏性能比是(m 1)/2，且上界是紧的．     

基于插入-分段的无等待流水作业调度复合启发式算法

为求解NP-难的总完工时间最小化的无等待流水作业调度问题,提出一种有效复合启发式算法.通过分析基本操作的目标增量性质,构造基于插入-分段(I-S)的邻域结构和操作,提出了基于I-S的复合启发式算法(ISCH).ISCH算法与基于比较的启发式算法(BE)、基于置换的复合启发式算法(PH1(p))、Framinan等提出的复合启发式算法(FNM)和基于可变邻域搜索的混合遗传算法(GA-VNS)的比较结果表明,ISCH算法性能最佳,其平均相对偏差的均值较BE算法降低2.04%,平均运行时间为FNM算法的18.43%.当存在时间约束时,ISCH算法的平均相对偏差较GA-VNS算法降低0.99%.该算法中,目标增量方法的选用降低了运行时间,基于I-S邻域结构的方法则提高了算法性能.     

带单服务器的流水作业时间表问题

研究带单服务器的流水作业时间表问题,目标是使加工时间达到最小,该问题是强NP-困难的．证明即使对于所有安装时间等于1或者所有加工时间等于1的情况下,该问题仍然是强NP-困难的,所以不存在多项式时间的最优解．在只有两台机器的情况下,引入了一人新的启发式算法,并证明该算法的紧界为3／2．     

关于旅行商问题的若干启发式算法的性能比分析

旅行商问题的增量最小插入法、最近插入法、最近加入法的性能比已经被证明有一个上界2,本文在欧几里德平面上给出了这些方法性能比接近于2的例子。另外,我们证明了凸包选边插入法的性能比有一个关于点数的对数函数上界。     

工件具有指数学习效应的流水作业排序问题

讨论了工件具有学习效应的流水作业排序问题.目标函数为极小化最大完工时间和极小化总完工时间和.利用Gonzalez和Sahni提出的STPT算法规则估计了此两目标函数的最坏情况界,同时举例说明了对于两台机器流水作业的Johnson规则对于本研究问题并不适用.另外,对所讨论的问题的一些特殊情况分别给出了多项式时间算法.     

最小化总完工时间的流水作业调度混合算法

针对有效求解NP难的总完工时间最小流水作业调度问题,提出了一个有效的混合启发式算法产生初始解,并使用禁忌搜索算法对初始解邻域进行搜索的算法框架.基于不同的启发式算法,获得了3个混合禁忌搜索算法HA1,HA2和HA3.使用Taillards基准程序随机产生的大量实例,进行模拟实验,结果表明,所提出的3个算法通过扩大搜索范围提高了解的质量,在性能上均优于目前最有效的启发式算法.与目前最有效的算法相比,产生最好解的平均百分比偏差均下降至少30%,最优解所占比例皆有显著提高.     

旅行商问题的一种启发式算法

用一个有向图表示旅行商避开某一城市到1个顶点的所有最短路径,并在每条弧上定义一个线性表,用以记录所有包含该弧的图,从而将判断某条弧和某个顶点是否应该存在于某个子图中的最短路径上的问题转化为线性表的相关操作,进而讨论了图上的弧都在某一最短路径上的充要条件,以及如何顺序产生第1列到第n列的顶点上的图,如何从这些图上搜索出近似最优解的方法.     

随机装卸工问题的Lagrange松弛启发式算法

提出了随机装卸工问题及其求解策略.根据问题模型的特点设计了简捷高效的Lagrange松弛启发式算法,通过数值算例验证了算法的求解效果.     

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．     

混合中国邮递员问题的扰动恢复讨论及其一种启发式算法

提出一种决策支持系统下的混合中国邮递员问题扰动恢复问题，在分析给定实例的基础上以及给定的假设下。对各种扰动进行数学描述，给出了问题的数学模型，讨论并构造了问题受扰动后的解。     

一种求车流组织优化方案的启发式算法

车流组织问题不仅是经营性运输公司和大型企业运输部门的一项日常性的基础工作,而且公共服务领域的许多问题也与此有关。由于此类组合优化问题是"NP-hard"的,并且在制定行车方案时需要考虑的变量很多,因此只能采用启发式方法求解。本文运用集分割模型,在车辆装载量既定的情况下,首先将问题简化为多TSP问题,再运用分枝定界法求出各TSP问题的巡回路线。     

基于A*算法的启发式算法求解多序列比对问题

通过分析动态规划算法及A^*算法的特点，针对多序列比对问题提出一种基于A^*算法的启发式算法。该算法采用了多个优化搜索机制。通过对此算法的理论分析，证明了它能够在有效地减小搜索的空间、节约搜索的时间的同时，保证得到比较好的比对结果。此算法不仅能够在多序列比对问题中得到应用，还能够用于其他有向无环图的最短路径问题的求解。     

单机总误工问题的分解启发式算法

为了解决单机总误工问题,提出了一种分解启发式算法。该算法是将解决这一问题最好的优化方法(Lawler分解算法)和非常有效的启发式算法(MDD)有机结合,在每一次迭代过程中均利用MDD算法估计Lawler分解算法中不同分解位置对应的误工,确定具有最大加工时间的工件在获得最小总误工的分解位置处加工。从理论上证明了该算法得到的排序结果优于MDD排序,仿真实验也表明该算法得到的结果99%以上为最优排序,而且可以求解多达1000个工件的问题。该算法以较短的时间获得了接近最优排序的结果,算法性能优良。     

具有准备时间和延迟时间的自由作业问题的复杂性

讨论具有准备时间和延迟时间的自由作业问题，利用三划分问题证明具有准备时间和延迟时间的自由作业问题是强NP－困难的。