改进遗传算法求解柔性job-shop调度问题

本文提出了一种改进遗传算法用于求解柔性作业调度问题(FJSP).针对工序在不同的机器上加工的差异性,我们提出了用能力系数来表征机器的加工能力,不仅可以简化处理而且也较为符合实际情况.该改进算法通过轮换的方法,将加工任务分配到不同的并行机器上去执行,有利于机器的负载平衡.同时,在方法的实现过程中,利用面向对象的思想,将问题进行抽象,用不同的类封装车间,机器和工序信息,这不仅符合现代编程风格,简化编程,也有利于系统的扩展和重构.仿真结果表明,不仅整个加工过程的执行时间得到了优化,而且各类机器完成的操作数相同,使用的时间也较为平均,达到了设计目标.同时该方法的计算速度也较快,适用于较大规模作业车间调度问题的求解.     

求解柔性作业车间调度问题算法综述

柔性作业车间调度问题(Flexible Job-shop Scheduling Problem,FJSP)是一类典型的组合优化问题,也是几个经典的NP-hard问题之一.由于其应用的广泛性和求解的复杂性,这一问题受到了众多学者的关注.基于此,针对现有的关于FJSP的相关研究进行归类总结,将已有的求解方法分为精确算法、启...     

启发式GA调度算法的研究与应用

将遗传算法与现有的启发式调度算法相结合,运用合适的遗传算子和调度规则,对现有的调度算法进行了改进.调度规则的引入使该算法具有较高的搜索效率,遗传算法的引入保证了解的全局最优性.对照算例表明该算法是可行的和有效的.     

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.     

基于启发式规则的柔性制造单元合作协同调度算法研究

柔性制造单元模型为企业提供了一种高柔性和高效率的生产方式.针对该问题,设计了一种基于启发式规则的柔性制造单元合作协同调度算法.通过分解制造单元间的耦合,形成独立的制造单元,按照调度目标选择启发式规则并进行单元合作协同调度,最终形成整体调度方案.数值实验对调度规则进行了验证并表明了这一设计思路的有效性.     

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.     

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.     

调度问题Pm|pj=1,intree|∑Cj的两个启发式算法

介绍了调度问题中常用的level算法并分析其特点.在应用level算法求解调度问题Pm|pj=1,intree|∑Cj所得到的调度结果的基础上,构造出求解该问题的时间复杂度为O(nlogn)的标号level算法.给出了可得到更好的调度结果的时间复杂度为O(n2logn)的兄弟因子搜索算法.大量的实例分析表明,兄弟因子搜索算法在绝大部分情况下都可以得到很好的调度结果.     

基于启发式算法的全泊位岸桥调度研究

为了提高码头的作业效率,保证到港船只能在最短的时间内完成作业,建立了全泊位岸桥调度模型。在岸桥的可移动范围内,为了降低岸桥的闲置时间,提高利用率,一个贝位可由多台桥吊交替进行作业。根据宁波港码头实际的操作情况,设计了一种钻孔作业的启发式算法,将箱量较多的重点贝位的操作进行优先考虑。然后,岸桥再根据贝位的平均作业量进行分配作业,确保船只作业在最短的时间内完成。计算结果表明:船只能够在计划时间内完成作业,甚至能改善不准时到港船只造成的时间延迟所产生的不良后果。     

并行多机成组工件调度的启发式算法

N个成组工件将在M台并行一致的机器上加工,当一个工件接在不同组的工件之后时需要装设,而接在同组工件之后时不需要重新装设,目标函数是使总的通过时间最小·利用最优解的必要条件,将单个工件组成基本运行,在研究基本运行组合规则的基础上,提出了一个基于基本运行的并行多机成组工件调度的启发式算法·在中、小规模水平问题上,将启发式算法的结果与最优解的结果进行了比较·效果令人满意·实验证明该启发式算法能够有效地解决成组工件调度的实际问题,具有解决中大规模实际问题的潜力·     

布局调度问题的聚合算法

在分析布局调度问题的基础上，建立了布局调度问题的数学模型，利用重复匹配算法，聚合算法等启发式方法，提出了布局调度操作的启发式规则及相应的启发式算法，算例表明该算法能较好地解决布局调度问题，所得布局结果是令人满意的。     

炼钢连铸系统的动态调度模型和启发式调度算法

针对炼钢连铸系统对单元设备建立了动态调度模型,并利用基于该模型的赋时同步有色Petri网对整个系统建立动态调度模型,针对该模型,提出了一种启发式调度算法解决动态调度问题,并基于此实现炼钢连铸的仿真调度系统,结果表明,该算法能够较好地实现多级多机FIFO（先入先出）系统的动态调度问题。     

基于双重资源的柔性生产系统调度算法

在柔性资源的生产环境下,如何进行人员与工作中心之间的优化配置对产品准时交货起着重要的作用。本文以提前/延期(E/T)惩罚最小为目标,进行了基于双重资源的柔性生产系统调度问题的研究。首先,对基于双重资源的柔性生产系统的E/T调度问题进行了描述,提出了求解调度问题的具体策略。在此基础上,建立了基于启发式的E/T调度算法。通过仿真实验,对算法性能进行了分析评价和比较,结果表明该算法用来求解基于双重资源的柔性生产系统的调度问题是有效和实用的。     

客车调度问题(BSP)的数学模型及一种新的启发式算法

本文讨论并建立了客车调度问题的数学模型,着重讨论其费用矩阵和目标函数。本文提出的一种新的启发式算法,能保证该问题获得满意的可行解和非可行解。这种新算法经实践证明是有效的。     

基于鲸鱼群算法的柔性作业车间调度方法

针对以最大完工时间为目标的柔性作业车间调度问题,在鲸鱼群算法(WSA,Whale swarm algorithm)基础上,提出一种改进的鲸鱼群算法。首先,设计了一种基于工序加工顺序的个体位置表达方式及相应距离计算方法,使鲸鱼群算法能够直接应用于求解离散型问题。其次,在寻找"较好及较近"鲸鱼过程中引入协同搜索机制,提高"较好及较近"鲸鱼的质量和数量,扩大鲸鱼个体的搜索范围。同时,引入基于关键路径的变邻域搜索算法,搜索当前最优鲸鱼个体的邻域解,提高种群局部搜索能力。最后采用BRdata基准算例进行测试,验证了算法的可行性和有效性。     

单件车间排序问题的一个启发式算法

本文提出了一个启发式算法,经计算表明,这个方法对于以加工周期为目标函数的单件车间排序问题,效果是比较好的。     

一种求解制造／再制造混合系统车间调度的启发式算法

针对传统方法在求解制造／再制造混合系统车间调度时存在的问题,根据制造／再制造混合系统车间调度的特点,提出了最早交货期一最长加工时间（earliest deliverydate-longest processing time fist,EDD-LPT）的启发式算法。首先,将全部工件按照交货期的时间非减排列,对于交货期相同的工件,则按照再制造修复时间非增排列。然后,依次将工件安排在修复费用最小的设备上。对于再制造修复费用和延迟交货费用之和大于新品制造费用的工件,则采用新品制造替换。最后,给出了EDD-LPT启发式算法的最坏误差界。实例研究表明,EDD-LPT启发式算法较传统方法在计算时长方面具有更好的性能。     

一种求解多处理机调度问题的自适应蚁群算法

将蚁群算法应用于求解多处理机调度问题,提出一种自适应蚁群算法．算法以最小化makespan为调度目标,根据蚂蚁留下的信息素指导蚁群在解空间展开全局搜寻,将任务分配在恰当的机器上,并通过自适应调整阈值实现全局探索与精细查找的平衡．实验结果表明算法具有较好的优化性能．     

改进遗传蜂群算法求解分布式柔性作业车间调度问题

针对分布式柔性作业车间调度问题,提出一种改进遗传蜂群算法求解方案。算法采用基于机器编码的编码方案,根据编码特点和分布式柔性作业车间的特点,设计了一种基于编码相似度的交叉操作,可以避免在交叉过程中产生非法解,提高算法的运行效率,并通过在不同的交叉操作后,以不同概率进行两种变异操作的方式改进了雇佣蜂时期的搜索操作,改善了算法的迭代速度;采用排序选择策略替代原来跟随蜂时期的选择策略;改进侦查蜂的蜜源抛弃机制,通过对比已获得的全局最优解,对达到搜索上限的蜜源进行部分抛弃,防止破坏优质解再次陷入随机搜索。最后,通过对比不同算法对实例求解,验证本文算法的有效性。