基于粒子群优化的多目标作业车间调度

为了利用粒子群优化算法解决作业车间调度问题,提出了将调度问题转化为连续优化问题的有效策略;设计了Pareto档案粒子群算法(PAPSO),该算法将档案维护和全局最好位置选取结合在一起,在档案维护过程中为每个粒子选取全局最好位置;给出了变异与PAPSO的结合新策略.将PAPSO和带变异的PAPSO应用于15个调度实例,以最小化总拖后时间和最大完成时间,与强度Pareto进化算法2等进行比较,结果验证了PAPSO在作业车间调度方面的良好性能.     

多目标模糊柔性作业车间调度问题优化

为降低柔性作业车间调度中的能耗,针对实际制造车间中工序加工时间和交货期的不确定性,将加工时间和交货期采用模糊数表示,建立以完工时间、平均满意度和最小满意度为柔性作业车间调度问题的多目标函数。同时设计了邻域遗传算法(GANS)求解该问题,算法采用机器选择的方法产生初始种群,并采用工序插入式方法对染色体进行解码;采用动态交叉概率及改进精英保留策略来保证种群的多样性和加快算法的收敛速度;并提出一种基于移动模糊关键工序的邻域结构来加强算法的局部搜索能力。最后通过数值实验验证了模型和算法的有效性和可行性,并对4个基准问题进行测试。结果表明:该算法在求解的精度、鲁棒性和解集的分布性方面与传统算法相比具有一定的优势,是一种有效的求解模糊柔性作业车间调度问题的新方法。     

基于目标级联法的作业车间调度

为求解大规模的车间调度问题,基于层次性优化的目标级联法,建立一种带层次性的车间调度模型,并以由两个零件族制造单元组成的车间调度为例,验证所建立的车间调度模型的有效性.实验结果表明,该车间调度模型不仅能解决大规模车间的分层调度问题,而且能根据加工时间和工件数量动态、合理地分配各制造单元的机器数量和工件的加工路径.     

基于混合遗传禁忌的多目标柔性作业车间调度

针对多目标柔性作业车间调度问题(Flexible job-shop scheduling problem,FJSP),提出了一种结合遗传算法和禁忌算法求解FJSP的调度算法。首先,定义了FJSP问题模型,然后提出采用改进的遗传算法对其进行求解,采用双链进行染色体编码和NEH方法获得初始解,并提出了自适应的选择策略、混合交叉策略和复合变异策略以实现个体保优和更新,当遗传算法陷入局部最优解时,采用禁忌算法跳出局部最优,以实现全局最优解的获取。仿真实验证明文中的方法能有效地解决FJSP问题,获得全局最优解,且与其他方法相比,文中方法具有收敛速度快和求解效率高的优势。     

基于改进遗传算法的作业车间调度问题研究

为了解决遗传算法的早熟收敛问题,提出一种改进遗传算法.通过设定种群过早收敛指标,在种群出现过早收敛时,及时的对其进行优化.仿真示例说明了该遗传算法在求解Job-Shop生产调度方面的可行性和有效性.     

基于多Agent的柔性作业车间调度研究

针对多目标柔性作业车间调度问题,构造了基于多Agent的车间调度模型,研究了多Agent之间的交换协调机制．提出一种改进遗传算法并封装在策略Agent中,通过对编码规则、解码算法与交叉、变异算子进行改进,提高了调度优化算法的实用性和优化效果,实现了多目标动态调度,提高了系统的适应性和健壮性．某企业车间应用实例证明其可以满足车间调度高效、稳定的要求．     

基于目标级联法的作业车间调度的研究

作业车间调度是一种典型的组合优化问题，大规模的调度优化是该类问题的难点。本文针对求解大规模的车间调度问题的需要，基于层次性优化的目标级联法，建立一种带层次性的车间调度模型，并以由两个零件族制造单元组成的车间调度为例，验证所建立的车间调度模型。研究表明，基于目标级联法的车间调度模型为大规模车间分层调度问题解决提供一种有效方法，而且能根据加工时间和工件数量动态合理地分配各制造单元的机器数量和工件的加工路径。     

基于多规则资源分配的柔性作业车间调度问题多目标集成优化方法

针对柔性作业车间调度问题中多种资源分配的复杂特性,建立了以最小完工时间、最优人工分配方案、设备最大负荷以及最小生产成本为目标的集成优化模型,并设计了一种具有多重资源约束的多目标集成优化方法;针对组合模型的爆炸性特征,为降低模型的复杂度,采用多规则资源分配的集成调度思想,通过调整规则概率使概率大的规则被优先选中,使用多规则导向机制"推动"搜索过程向指定目标方向移动,并结合动态规划法求解最优人员分配方案;采用改进的非支配排序遗传算法——NSGAⅡ可以获得不同规则概率值的Pareto解集;最后,通过仿真对比与应用验证了所提方法的有效性.     

基于粒子群优化的多目标作业车间调度

为了利用粒子群优化算法解决作业车间调度问题，提出了将调度问题转化为连续优化问题的有效策略；设计了Pareto档案粒子群算法（PAPSO），该算法将档案维护和全局最好位置选取结合在一起，在档案维护过程中为每个粒子选取全局最好位置；给出了变异与PAPSO的结合新策略；最后将PAPSO和带变异的PAPSO应用于15个调度实例，以最小化总拖后时间和最大完成时间，与强度Pareto进化算法2等算法进行比较，结果验证了PAP—SO在作业车间调度方面的良好性能．     

基于遗传算法的多目标生产车间调度研究

针对生产调度多目标动态复杂性,提出了一种基于AOE图寻找关键路径的改进遗传算法。采用基于工件和机器相结合的编码方法,根据多目标要求,设计了相应的交叉遗传算子。实验结果表明,改进的遗传算法符合车间实际应用情况,对解决多目标动态车间调度问题有实际的应用意义。     

带有交货期时间窗的生产与维护联合调度优化

为探讨拉式生产环境下设备故障对准时交货的影响,建立了单设备预防性维护和生产调度联合优化模型.提出一种提前/拖期惩罚成本隶属度函数,同时选用简单维修和更换2种不同的维护方式,以具有交货期时间窗的提前/拖期惩罚成本与维护成本之和为优化目标,决策工件加工顺序和维护周期.提出一种新的算法LSA(LongestShortest Processing Time Based Algorithm),与遗传算法(GA)结合,采用GA-LSA对模型优化求解,与枚举算法和改进GA比较,证明其有效性.通过不同问题规模下联合优化分别与独立优化和单一维护方式联合优化方法进行对比,结果表明,相对其他2种方法,所提出的方法更加有效.     

关于共同宽容的单机交错排序问题

研究关于共同宽容交货期的单机排序问题.当共同的宽容区间大小给定,位置不固定问题时,该问题证明是NP-hard的,并给出了求解上述问题的动态规划算法.     

货物装卸中带共同宽容期的排序问题

考虑货物装卸管理中船主和港口之间存在的如下相互制约关系：有n条货船于零时刻同时抵达码头,因而也希望在同一时段［d,D］内完成装卸货物.如某船的货物在D时刻后才装卸完,则船主会向港方索取赔偿;反之,如货物在d前完成装卸,则船主会向港方给付一定奖金.因此从港方来讲要适当考虑n条货船的装卸顺序,使得总费用最少.对于这一NP困难的排序问题,本文给出了两个动态规划解法及其多项式可解的特例,并给出了一个分枝定界算法.     

油料调度保障问题的多目标优化方法

【目的】研究油料保障活动中的调度保障问题。【方法】综合多方面因素，构建了以调度效率最大化、系统调度成本最小化以及系统调度时间最小化为目标函数的多目标优化模型。【结果】利用多目标优化的主要目标法等标量化方法将问题转化为单目标优化模型，分析该模型解的性质并提出相应的遗传算法进行求解。【结论】提出的多目标优化方法能够在保障调度效率的同时获得相应较低的系统成本和相应较短的系统调度时间，可为油料调度保障问题提供决策参考。     

一种改进的车间调度算法

为了解决考虑生产总成本的车间调度问题,对引入加工成本、库存管理成本和拖期惩罚成本的车间调度问题进行了研究,提出了一种改进的遗传算法求解该问题。论述了改进遗传算法的编码、初始化、选择、交叉和变异操作,通过与基本遗传算法的仿真比较,验证了该算法在收敛速度和最优解值上的优越性。     

基于遗传算法的柔性车间调度优化

针对传统作业车间调度问题有加工设备功能单一、加工工序对应设备固定的特点,提出了一种新型混合改进的遗传算法进行求解优化。首先,采用一种新的编码思想构建双层染色体编码结构,强化初始种群质量,提高种群的多样性;并给出了相应的选择操作设计,交叉操作采用单段交叉、两段交叉和三段交叉机制,改善算法全局搜索能力,变异操作引入了种群分割的思想,按照适应度将种群分割成两部分,并赋予不同的变异概率,实行两种变异机制,以提高算法的局部搜索能力;添加了新的检查操作以增强优化过程的可行性。最后采用MATLAB编程,通过一个6个工件,每工件6道工序的应用实例进行测试,验证了该方法切实可行,有效。     

宽容交货加权超前延误单机排序问题

该文研究下述宽容交货加权超前延误排序问题:n个工件具有一共同的宽容交货期,任一工件在宽容交货期内完工不受罚,超前或延误则受罚,惩罚系数依赖于工件.排序目标是找一个最优序和最优宽容交货区间位置使最小化加权超前延误惩罚之和.证明它是NP-Completeness的,并给出一伪多项式算法,从而获知所研究问题是一般意义下NP-Completeness的,也使该类问题的复杂性界限更清楚.     

混合遗传算法求解车间作业调度问题

分析了生产调度问题,提出一种更为有效的动态混合遗传算法,成功地解决了复杂的FT10×10问题.研究过程中引入自适应遗传算法思想,结合一种能够很好解决调度问题的编码规则和适应度值函数,对该算法进行了详细分析.为防止在遗传操作过程中非法染色体导致程序运行失败,给出了非法染色体合法化的规则.仿真结果表明,该算法和编码规则非常适合调度问题,且所提出的动态混合算法优于其它算法.     

柔性作业车间调度的动态禁忌粒子群优化算法

针对复杂的多目标柔性作业车间调度问题(FJSP),提出一种基于全知型粒子群优化(FIPS)和动态禁忌搜索(TS)的混合Pareto算法,它在利用FIPS的全局搜索能力确定搜索方向后,通过TS进行有效的局部搜索以提高算法的搜索性能.该算法采用基于强度的适应度函数来评价粒子,以使非劣解均匀分布于Pareto前沿;采用基于公共关键块的多种邻域结构,既保持了种群的多样性,避免算法陷入局部最优,又有效提高了算法的收敛速度.算法中还引入了基于变异的自适应扰动策略来进一步增加解的多样性.对不同规模实例的比较实验表明,文中所提出的算法具有较好的搜索性能,是一种求解大、小规模多目标FJSP的有效算法.     

基于进化算法的多目标生产排序研究进展

利用多目标进化算法求解复杂生产排序问题是近10 a来发展迅速的研究方向.首先调查了国内外采用进化算法求解多目标生产作业排序的研究现状,分别对3类不同策略的多目标进化算法设计思想进行分析,在总结各类方法优劣的基础上,给出了进一步研究的趋势展望.