柔性机器加工排序问题中的遗传算法

现代制造系统中，计算机辅助加工计划(CAPP)起着非常重要的作用，它是从计算机辅助设计(CAD)到计算机辅助制造(CAM)不可缺少的中间环节。在允许作业柔性加工的基础上，本文提出一种新的两目标机器加工排序问题。由于该加工排序是一个NP-完全问题，进而构造了一个新的遗传算法求解该问题的非劣解解集。数值计算表明，该方法对两目标的柔性加工排序问题是有效的。     

求解多目标作业排序问题的遗传算法

利用联合进化遗传算法 ( CEGA)建立了求解多目标排序问题的一般框架 ,采用目标权衡分析诱导出决策人的偏好关系 ,并将其引入求解过程 ,以确定满意排序 ,在搜索寻优过程中 ,将启发式与遗传算法相结合 ,以提高搜索效率 .最后 ,利用该算法框架求解了一个含调整时间的一般 Job Shop排序问题 ,以表明算法的有效性.     

求解含调整时间并行机排序问题的遗传算法

车间作业排序问题是生产管理和组合优化领域研究的重要课题,由于其内在的复杂性(NP-Hard),很难用经典方法求出其最优解.本文针对含非常数调整时间的并行机的作业排序问题(n|m|P,Sij|C max),设计了一种遗传算法的实现形式.算例计算分析表明,该算法具有良好的收敛特性和运算效率.     

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.     

基于混合遗传算法的物流配送车辆调度优化问题求解方法

物流配遥车辆调度优化问题是一个NP-hard问题,随着问题规模的扩大,若单纯地应用精确算法将很难获得最优解.首先对物流配送车辆调度问题进行了深入分析并建立了优化数学模型;然后,根据模型把问题的解决合理地划分为两个阶段,将遗传算法的全局搜索能力和C-W节约启发式算法的局部搜索能力有机结合,由此构造出一种混合遗传算法;最后,通过一个应用实例的分析验证了此算法寻优的有效性.     

求解一类非线性优化问题的新算法

给出了无约束问题的一种新方法——平面上的黄金分割法,这是一种直接解法,该方法是一维搜索中的0.618法在平面上的推广,无需计算函数的导数,仅需计算函数值既可.此外,本法克服了以往直接解法所共有的要求大量计算机内存的缺点,所采用的迭代方法每次只需要处理一个矩形的数字信息,因而仅需占用极少的计算机内存,并且并不因此而降低计算效率,其计算速度可与需要计算导数的共轭梯度法相比.     

航班离场排序问题的遗传算法设计

针对航班的离场排序问题,给出了问题的具体描述,建立了相应的离场排序优化模型,在此基础上设计了求解模型的双码自适应遗传算法,给出了相应的实现技术描述和具体的算法步骤,最后对算法进行了仿真验证.结果表明,算法设计合理,可有效缩减总的离场耗时,能得到调度问题的解,并可保证解的全局最优性.     

求解双层CARP优化问题的知识型遗传算法

双层CARP优化问题首先考虑物流系统的宏观配置问题,然后考虑相关服务的完成问题. 提出了一种求解双层CARP优化问题的知识型遗传算法：采用两种扩展启发式方法来辅助生成初始种群;基于算子绩效知识为每次选择、交叉和变异操作选择合适的操作算子;基于弧段顺序知识为每次交叉和变异操作选择合适的断点位置;采用局部替换程序不断向当前种群中注入新个体. 实验结果表明,知识型遗传算法在优化性能方面优于其他几种方法.     

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。     

用单亲遗传算法解具有窗口式交货期的多机加工排序问题

具有窗口式交货期的加工排序问题是一个强NP困难问题,传统方法的计算效果往往不能令人满意.采用基于整数编码的单亲遗传算法较成功地解决了这类窗口式交货期的单机和多机加工排序问题,并讨论了该算法的计算复杂性是属可计算的.文中的算例表明,该算法是实际有效的.     

用遗传算法解决一类模糊流水车间调度问题

对同时考虑模糊加工时间和模糊交货期的模糊流水车间调度问题进行了研究 ,模糊加工时间用三角模糊数来表示 ,模糊交货期用梯形模糊数来表示。应用遗传算法搜索最优排序 ,在适应度函数处理中引入模糊数处理方法 ,以平均满意度最大作为优化目标。最后给出了实验结果和结论     

求解同顺序加工调度问题的一种改进遗传算法

同顺序加工调度问题是一类典型的 NP-hard问题 ,具有广泛的工程背景 ,该问题的研究具有重要的理论意义和工程价值 ,同时开发有效的优化算法一直是该领域的热门课题 .结合启发式和随机方法产生初始解 ,对种群进行分解并用多种交叉操作进行进化 ,在整体替换后用模拟退火的 Metropo-lis抽样过程代替变异操作 ,本文提出了一种改进的遗传算法 ,算法保证了初始种群一定的质量和多样性 ,多种交叉操作有利于丰富搜索行为 ,在温度控制下的抽样过程成为概率可控的变异操作且搜索行为一定程度上可控 .基于典型算例的仿真研究验证了改进遗传算法的有效性和较好的初值鲁棒性 ,其优化质量大大优于传统遗传算法和著名的 NEH启发式方法 .     

单机加权成套订单数遗传算法研究

从实际应用出发，提出了使成套订单数最大的单机排序新问题，建立了该问题的0-1整数规划模型，相应设计了求解的遗传算法，并通过一个算例对这类排序问题和所提出的算法进行了说明，计算结果表明了算法的有效性。     

求解带约束函数优化的两级自适应遗传算法

针对带约束的非线性函数优化问题 ,提出一个两级自适应遗传算法。根据待优化函数和约束构造拉格朗日对偶函数 ,在下级对给定的拉格朗日乘子 ,用遗传算法搜索变量的最优解 ;在上级针对拉格朗日对偶函数 ,用遗传算法搜索拉格朗日乘子的最优解。采用自适应的方法 ,根据个体的适配值和种群的适配值统计特性确定交叉概率和变异概率。计算结果表明 ,该算法是有效的。     

利用多群体DNA遗传算法求解线性规划问题

针对经典遗传算法存在的问题 ,提出了多群体DNA遗传算法。该方法在经典遗传算法的基础上 ,通过借鉴生物学及社会学 ,引入了多群体及DNA片断等概念 ,并提出迁移与自适应变异算法 ,可以提高遗传算法的有效性与收敛性。为了验证算法的有效性 ,将该算法应用于线性规划问题的求解。在求解过程中 ,首先利用熵障碍对偶方法对原问题进行转换 ,然后使用多群体DNA遗传算法对转换后的目标函数进行求解。仿真结果表明 ,该方法具有良好的全局搜索能力和较快的收敛速度。以上工作为解决大规模线性规划问题的求解提供了全新的思路和方法 ,对遗传算法应用的发展具有重要意义     

用遗传算法解决并行多机调度问题

对最小化完工时间的并行多机调度问题提出了一种遗传算法,并在问题形成、遗传算法编码、变异方法等方面作了研究,并用计算实例表明遗传算法能适用于大规模并行多机调度问题。     

一种求解多目标柔性JSP的正交遗传算法

针对柔性作业生产调度问题的特点,提出一种新的多目标正交遗传算法.算法主要特点包括:提出一种基于SPEA改进的个体适应值计算方法,该方法回避了小生境参数设置的难题,且具有更强的相似个体区分能力;设计一种新的基于正交设计的多个体交叉算子,该算子既能增强算法搜索在Pareto前沿均匀分布非劣解的能力,也可提高算法全局寻优的能力;给出一种基于历史搜索信息和变量区间划分的局部解空间跳出机制,以避免算法早熟和提高搜索效率.实验结果表明该算法应用于柔性多目标作业生产调度问题,具有较强的搜索效率和求解性能.     

一种求解资源受限项目调度问题的自适应遗传算法

遗传算法（GA）应用在经典资源受限项目调度问题中取得了显著的效果。本文提出了一种新的编码方法，亦即在任务链表后面加上两个基因，一个是表示解码规则的S／P基因，另一个是表示解码方向的F／B基因，由这两个基因同时控制任务链表的解码规则和解码方向。为了验证其有效性，选用标准数据库PSPLIB中的156个例子进行验证，鲒果表明：本算法优于采用编码为任务链表和带有S／P基因的任务链表的两个遗传算法。本算法的设计思想对于解决相关组合最优化f-＇l题具有一定的指导意义。     

Job-Shop调度问题的优化模型及算法

建立了关于 Job-Shop调度问题的一般优化模型 ,将问题归结为双层规划 ,以特例形式给出了最小完工时间与提前 /拖期 Job-Shop调度批量模型 ,构造了一个有效的求解算法 ,数值实验表明了模型及算法的正确性和有效性 .