调整时间可分离的无等待FlowShop调度问题

研究了3台机器调整时间可分离的无等待FlowShop调度问题,目标函数为极小化加权完工时间和·基于对问题的分析,给出了目标函数的一般表示·对某些特殊情况,给出了问题存在多项式最优算法的充分条件·在此条件下,将单机调度问题的WSPT规则应用到无等待FlowShop调度问题,得到了求解无等待FlowShop问题最优调度的分派规则·通过反例指出了文献中的某些错误·     

一类调整时间可分离的FlowShop排序问题F3|s|C_(max)的最优算法

讨论调整时间可分离的FlowShop排序问题F3 |s|Cmax.对其一类特殊情况给出了最优算法     

Flow Shop排序问题F3|s|C_(max)的最优算法

讨论调整时间可分离的Ｆｌｏｗ Ｓｈｏｐ 排序问题Ｆ３｜ｓ｜Ｃｍａｘ ．对其一类特殊情况给出了最优算法．     

一类调整时间可分离的Flow Shop排序问题F3|s|Cmax的最优算法

讨论调整时间可分离的Flow Shop排序问题F3|s|C     

一类调整时间可分离的Flow Shop 排序问题F3│S│Cmax的最优算法

讨论调整时间可分离的Flow Shop排序问题F3│S│Cmax，对其一类特殊情况给出了最优算法。     

FlowShop排序问题F3／s／Cmax的最优算法

讨论调整时间可分离的ＦｌｏｗＳｈｏｐ排序问题Ｆ３／ｓ／Ｃｍａｘ,对其一类特殊民政部给了优算法。     

FlOW Shop排序问题F3|s|Cmax的最优算法

讨论调整时间可分离的FlowShop排序问题F3|s|Cmax．对其一类特殊情况给出了最优算法．     

有分离调整和移走时间的两机器no-wait流水作业最大延误问题

以最大延误为目标函数，讨论了两机器no—wait流水作业问题解中的工件排列应满足的条件，并根据这些条件给出了几个近似算法．     

单机排序问题1|r_j|L_(max)的分枝定界算法

给出了单机排序问题 1 |rj|Lmax的分枝定界算法     

有分离调整和移走时间的两机器流水作业最大延误问题

在工件的调整时间和移走时间独立于加工时间的两机器流水作业问题中，同一工件的“调整”步及“移走”步在两台机器上可重叠进行，但“加工”步不能重叠，本以最大延误为目标函数讨论问题的解中工件排列应满足的条件，根据这些条件我们构作了两个近似算法。     

用AGLA算法求解一类以TFT为目标的模糊Flow Shop调度问题

针对一类加工时间不确定的以总流经时间(TFT)为目标的置换Flow Shop调度问题,应用模糊数学的方法表示加工时间的不确定性,提出了一种改进的智能算法——异步遗传局部搜索算法(AGLA)。该算法初始种群的一个解由构造型启发式算法产生,其他解随机产生;通过引入一个加强的变邻域搜索机制和一个简单的交叉算子,对种群执行异步进化操作(AE);算法最后加入重启机制防止陷入局部极小。仿真实验结果验证了AGLA解决模糊Flow Shop问题的有效性。     

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.     

用混合算法求解Flow shop调度问题

研究了流程工业中的Flow shop调度问题,针对免疫算法的随机性和不确定性,结合分枝定界方法的特点,提出了一种基于免疫算法和分枝定界方法的混合调度算法,仿真结果表明该算法不仅能有效解决调度问题,而且提高了搜索效率。     

基于改进分布估计算法的带并行机模糊混合Flow Shop调度

针对处理时间不确定情况下带并行机的混合Flow Shop调度问题,基于模糊规划理论,采用一种模糊数排序的方法建立了调度模型;以最小化加权模糊最大完工时间的平均值和不确定度作为调度目标,提出一种改进分布估计算法(IEDA)求解上述问题。IEDA算法采用基于NEH(Nawaz-Enscore-Ham)和破坏重建策略的初始化方法,对较优个体进行变邻域局部搜索以提高算法的局部搜索能力,同时采用破坏重建策略增加种群多样性,在最优解连续若干代没有改进时对其进行基于破坏重建策略的变邻域局部搜索,增强算法跳出局部最优的能力,并用正交设计的方法调节算法参数。仿真实验结果验证了本文算法的优越性。     

A Novel Particle Swarm Optimization for Flow Shop Scheduling with Fuzzy Processing Time

Since in most practical cases the processing time of scheduling is not deterministic, flow shop scheduling model with fuzzy processing time is established. It is assumed that the processing times of jobs on the machines are described by triangular fuzzy sets. In order to find a sequence that minimizes the mean makespan and the spread of the makespan, Lee and Li fuzzy ranking method is adopted and modified to solve the problem. Particle swarm optimization （PSO） is a population-based stochastic approximation algorithm that has been applied to a wide range of problems, but there is little reported in respect of application to scheduling problems because of its unsuitability for them. In the paper, PSO is redefined and modified by introducing genetic operations such as crossover and mutation to update the particles, which is called GPSO and successfully employed to solve the formulated problem. A series of benchmarks with fuzzy processing time are used to verify GPSO. Extensive experiments show the feasibility and effectiveness of the proposed method.     

基于改进遗传算法的Flow Shop调度算法研究

给出了Flow Shop调度问题的数学模型,介绍了三种用于求解该问题的启发式算法,根据普通遗传算法与启发式算法的互补特性,提出了结合两者各自优势的改进遗传算法．通过两个不同规模的经典算例对算法的优化性能进行了对比分析,结果表明,采用了保优策略的改进遗传算法的搜索能力优于启发式算法及普通遗传算法,并具有较强的鲁棒性．     

求解Job Shop调度问题的自适应遗传算法设计

针对标准遗传算法中交叉概率Pc和变异概率Pm固定不变带来的局限性,以及M.Sr-invivas自适应遗传算法的缺点,提出了根据适应值集中程度,自适应地变化整个种群的Pc和Pm的一种改进的自适应遗传算法,文中系统地介绍了算法的改进及算法的流程,并将算法应用于求解JSP问题,最后用一个典型的测试例子,对本文设计的算法的求解效果进行了测试,并对测试结果进行了分析.     

柔性流水作业排序问题的贪心算法求解

柔性流水作业排序问题是一类复杂的车间作业调度问题。针对通常情况下调度问题求解困难的问题,给出了求解柔性流水作业排序问题近似解的贪心算法,并对其性能进行了分析测试。结果表明,虽然该贪心算法求出的近似解与最优解相比有一定误差,但由于其时间复杂度较小,因此对求解车间作业调度问题仍有一定的现实意义。