带公共交货期窗口的提前/拖期非等同多机调度问题

提出了公共交货期窗口下提前 /拖期惩罚的多台不同设备情形的零件排序模型 .在分析相应单机问题最优排序和最优交货期性质的基础上 ,证明该多机零件问题实际上蕴含着使系统 makespan达最小的多机零件排序问题 .由于使系统 makespan达最小的并行多机零件排序问题已被证明是 NP完全问题 ,因此提出了求解该零件排序问题的一个启发式算法 ,该算法计算复杂性低且对并行多机零件排序问题同样适用 .最后给出了两个数值例子 .     

并行多机加权成套订单数极大化的混合遗传算法

从实际应用出发,提出了在相同的并行机上加权成套订单数极大化的排序问题,建立了该问题的整数规划模型,并设计了一种有效的混合遗传算法.还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,计算结果表明了该算法的有效性.     

模糊作业时间的并行多机调度问题与算法研究

结合抚顺钢厂实际,利用模糊数学理论,对生产实际中的模糊作业时间进行处理,通过定理将模糊作业时间问题转换为非模糊的精确问题,利用禁忌搜索智能优化方法,对问题进行了求解,使调度计划具有一定的柔性,让管理者能够掌握调度时间范围,从而使计划调度更接近现实,大大缩短总完工时间,对于钢厂一体化管理,使连铸生产的高温铸坯,能够在允许时间范围到达热轧厂,降低了能源消耗,缩短生产周期。     

求解作业排序问题的通用混合遗传算法研究

车间作业排序理论是生产管理与组合优化领域的重要研究方向 ,由于其固有的计算复杂性( NP-Hard) ,一般无法利用经典方法求出最优解。本文针对一般作业排序问题 ,将遗传算法与启发式方法相结合 ,建立了一种混合算法框架 ,利用遗传算法改进启发式方法的求解性能 ,同时利用启发式方法引导遗传搜索过程 ,以提高其搜索效率。通过对完工时间与平均延误时间等不同优化目标的计算分析与比较表明 ,该方法对不同类型的排序问题均具有相当满意的求解效果.     

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。     

基于规则导向的柔性作业车间多目标动态调度算法

设计了一种具有柔性资源约束的多目标集成优化方法,建立了包括最小完工时间、最小生产成本、最大设备利用率、最大交货满意度和最优人工分配在内的多目标组合优化模型;为降低模型的复杂度,抑制组合优化模型的状态爆炸效应,采用规则导向的资源调度思想,通过调整规则概率使概率大的规则被优先选中,从而"推动"搜索过程向预期目标方向移动;采用改进的非支配排序遗传算法—NSGA-Ⅱ获得不同规则概率值的Pareto解集,并结合动态规划法求解最优人员分配方案;仿真对比与算例验证,本文算法可以有效解决柔性作业车间多目标调度优化问题.     

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.     

基于启发式混合遗传算法的相控阵雷达最优化调度

针对相控阵雷达最优化调度,提出了结合启发式规则的混合遗传算法实现。设计了基于遗传算法的相控阵雷达调度的编码规则、初始种群产生、交叉和变异遗传算子等,定量描述了波束合并和交错跟踪的条件,并提出了五项启发式规则。最后开发了结合启发式规则的混合遗传算法相控阵雷达调度软件系统,并利用仿真结果验证了算法的可行性和有效性。     

一种用于多目标优化的混合遗传算法

将遗传算法与局部优化方法相结合,提出了一种用于多目标优化的混合Pareto遗传算法(HPGA)。针对遗传算法局部优化性能较差的缺点,引入直接搜索策略以增强算法的局部搜索能力。HPGA首先运行Pareto遗传算法,以得到近似的Pareto最优解;然后启动直接搜索对其进行进一步优化。仿真结果表明HPGA兼具有良好的全局优化性能和较强的局部搜索能力。与Pareto遗传算法相比,HPGA不仅提高了优化搜索的效率,而且能够保证收敛到多目标优化问题的Pareto最优前沿面。     

软计算求解并行多机成组工件调度问题

自从Zade将模糊理论引入求解组合优化问题以来，出现了很多基于模糊规则与智能优化算法相结合的软计算方法，文章尝试将这种方法用于解决并行多机成组工件flow-time问题，本问题中，设有n个工件计划在M台并行一致的机器上加工，这n个工作根据相似性分为b组，开始加工时，需要一个准备时间，当工件接续在同组工件之后加工时，不需要准备时间，反之，接续在不同组工件之后加工时，需要一个准备时间，本问题的目标是找到一个工件加工的调度顺序序列，使M台机器总的流水时间最小，在文章中，作者首次利用模糊规则量化结合遗传算法的软计算方法求解这类复杂的组合优化问题，最后给出计算实例及仿真结果。     

基于免疫遗传算法的多目标柔性作业车间调度研究

研究了多目标柔性作业车间调度问题,提出了一种改进的自适应免疫遗传算法。算法根据搜索的历史信息,自适应的调整遗传过程中的遗传参数以提高算法的稳定和效率。针对遗传算法的局部搜索能力差和全局搜索效率低的问题,结合免疫算法的免疫记忆和接种疫苗,对各近似最优解进行动态邻域搜索,提高算法的局部搜索能力和解的质量;免疫反馈和免疫选择能淘汰相似个体,维持种群的多样性,避免算法陷入早熟,改善算法的性能和稳定性。最后通过仿真实例验证了算法的有效性。     

基于均匀设计的多目标遗传算法在柔性工作车间调度中的应用

采用均匀设计技术合成多个适应度函数以提高搜索方向的空间均匀性,并针对多目标柔性工作车间调度问题的特点,设计了基于工序顺序和基于机器分配两种交叉变异的操作以及小生境技术、精英保留策略和遗传操作自适应调整策略来提高种群的多样性和搜索的效率。实验证明,本文提出的算法所得结果比较理想。     

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.     

A Heuristic for the Job Scheduling Problem with a Common Due Window on Parallel and Non-Identical Machines

1. INTroDUCTIONThe emergence of JIT (Just in Time) management tee~gy opens up a recency research field for the jobscheduling and production managemellt. As its farther develOPment, the earnness-tardiness job schedulingproblem becomes a hot research point over y6ars. conference [1] gives a review on job scheduling problem withearnness and tardiness penalties. Reference [2] p~s another scheduling problem for minimizing the rangeof lateness on a single machine, and reference [3] giVes a he…     

资源受限单机动态调度的并行GA算法研究

研究资源受限系统动态调度问题，针对时序约束问题提出一种并行遗传算法(PGA)。给出满足排序优先次序约束的一种基因编码方法；采用不破坏优先级可行性的交叉操作，并予以证明：建立一种并行处理机制，使搜索避免出现局优现象。在技术允许情况下，单机动态调度引入抢占式加工方式，会一定程度上提高系统的性能。通过仿真试验验证，并行OA算法可兼顾优化效果和计算效率，解决单机动态调度问题。     

基于遗传算法的混合Flow-shop调度方法

混合Flow-shop调度问题（Hybrid flow-shop scheduling problem,HFSP),是一般Flow-shop调度问题的推广，由于在某此工序上存在并行机器，所以比一般的Flow-shop调度问题更复杂。本文提出了遗传算法求解混合Flow-shop调度问题的方法，给出了一种新的编码方法，设计了相应的交叉和变异操作算法，能够保证个体的合法性，同时又具有遗传算法本身所要求的随机性。最后给出了某汽车发动机厂金加工车间的生产调度实例，表明了此算法的有效性。     

自适应多目标遗传算法在柔性工作车间调度中的应用

针对柔性工作车间调度问题的特点，提出了一种新的自适应多目标遗传算法，其特点包括：同时运用了基于工序顺序和基于机器分配两种交叉变异方法以弥补经典工作车问调度问题中交叉变异操作的局限性；根据遗传算法搜索的历史自适应的调整两种交叉变异方法的概率以提高算法的搜索效率和稳定性；引入多目标遗传算法中的小生境技术以保持种群的多样性；采用精英保留策略保护进化过程中的优秀个体。实验结果证明该算法在多目标柔性工作车间调度问题的应用上，可以产生分布性较好的高质量的解。