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。     

平顺移动下等量分批FJSP多目标优化研究

为解决平顺移动下等量分批柔性作业车间调度问题多目标优化的困难,对平顺移动下等量分批柔性作业车间调度多目标优化方法进行了深入研究。首先,针对平顺移动方式下等量分批柔性作业车间调度的特点,建立了一类以完工时间最短和制造成本最低为优化目标的等量分批柔性作业车间调度多目标优化模型。其次,提出并设计了一种改进的NSGA II算法对模型进行求解。算法中引入面向对象技术处理复杂的实体逻辑关系,使用一种基于工序及设备编码的分段编码技术进行编码,采用分段交叉和变异的特殊遗传算子实现遗传进化,应用4种精细化调度技术于解码过程以提高设备利用率。最后,通过案例分析验证了方法的有效性。     

近似支配的NSGA-Ⅲ算法求解柔性作业车间调度问题

针对NSGA-Ⅲ算法求解多目标柔性作业车间调度问题时存在的收敛性、局部搜索和精英存储上的不足,依次设计了近似支配原则、变邻域局部搜索和精英存储策略,进而提出了一种近似支配的NSGA-Ⅲ-AD算法.结合柔性作业车间调度问题的特点,建立了多目标优化模型,设计了种群个体的初始化方法、近似支配的选择操作和变邻域的遗传操作.在仿...     

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.     

基于遗传算法的模糊柔性工作车间调度优化

首先给出了模糊生产环境下柔性工作车间调度模型,然后以最小化最大完工时间为目标函数,提出了一种基于遗传算法的通用模糊调度算法。此算法针对解决柔性工作车间调度问题采用工序顺序偏码的局限性,设计了基于顺序和基于机器分配的编码方法并据此给出了相应的交叉变异操作。仿真结果表明了算法的可行性和有效性。     

面向应急成像观测任务的多星协同调度方法

针对应急条件下的成像观测任务,设计了多星协同调度框架,将多星协同调度问题分解为任务排序主问题和资源匹配子问题。分析了多星协同调度中的主要约束条件,以任务收益为优化目标构建问题的约束满足模型,并应用改进粒子群优化算法进行求解。详细介绍了算法中的编码、解码、移动、变异等操作,给出算法时间复杂度的计算公式。通过仿真实验,对算法的有效性进行了验证。     

动态柔性作业车间优化调度与决策方法

针对多目标动态柔性作业车间调度问题,提出一种改进的多目标差分进化算法进行求解。在差分进化算法中引入自适应交叉变异算子,提高算法的全局搜索能力;在选择排序时引入基于免疫学原理的快速非支配排序法,提高解集的质量。提出改进的TOPSIS(Technique for Order Preference by Similarity to an Ideal Solution)—G1—熵权综合决策方法。通过Nash均衡理论计算得出G1—熵权法的综合权重;将综合权重与TOPSIS评价体系组合对各调度方案进行评价。通过实验仿真验证了优化调度算法在寻优能力上的优越性以及综合决策方法的有效性。     

舰载机多机一体化机务保障调度方法

为了有效提升舰载机多机机务保障的效率和保障人员的利用率,根据单机机务保障流程约束特性,建立了基于多计划评审技术网络的多目标多机一体化机务保障调度模型。针对问题的求解,提出了一种自适应混合差分进化算法。首先根据调度的网络化排队过程,设计了基于事件调度策略的解码方法。其次为了协调算法“探索”与“开发”的能力,引入了自适应的变异操作和交叉、变异参数控制。再次,针对工序块的平行组合排列特征,提出了4种邻域结构,进而在算法框架中嵌入了一种自适应多邻域局部搜索策略。最后通过仿真实验验证了模型和算法的可行性和有效性。     

两级排序遗传算法在柔性工作车间调度中的应用

由于在遗传算法的搜索寻优过程中种群有收敛于单一个体的趋势,为了减轻这种趋势,在Pareto多目标遗传算法的基础上做了一些改进,即用Pareto最优概念对种群进行第一级排序,然后计算种群中每个个体与同Pareto级别所有个体之间的全局拥挤距离作为该个体的次要属性进行第二级排序,根据这两级排序的结果进行联赛制选择操作和交叉变异操作。为了验证算法的性能,以多目标柔性工作车间调度问题作为实例并针对柔性工作车间调度问题的特点设计了相应的交叉变异方法。仿真结果表明该算法可以产生更多的分布在非劣解前沿上的解。     

考虑区间工时的多目标柔性作业车间节能调度

在综合考虑经济指标和环境因素基础上,研究了工件加工时间不确定的多目标柔性作业车间节能调度问题。将工件不确定加工时间描述为区间数,并以最小化最大区间完工时间、区间总能耗为目标构建区间柔性作业车间调度节能问题优化模型。同时,依据区间可能度的支配关系,设计了一种有效求解该问题的区间多目标进化算法。通过15组测试问题,分别对区间多目标进化算法、SPEA-II及NSGA-II进行仿真实验,并采用反转世代距离(inverse generation distance, IGD)和覆盖集测度(C测度)两种性能指标验证了所提算法的可行性和有效性。     

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.     

基于改进DE算法的敏捷成像卫星前摄式调度

针对卫星资源失效或应急任务加入对敏捷成像卫星前摄式调度的影响,构建了鲁棒模型,提出了一种改进差分进化(differential evolution,DE)算法。首先,考虑卫星资源失效概率、任务执行主从窗口构建了期望收益和松弛时间指标,将这两个指标作为优化目标构建了前摄式调度鲁棒模型;然后,针对该模型的多目标优化特性,在传统DE算法的基础上,重新设计了变异、交叉和选择算子,增加了外部存档更新策略,优化了Pareto解集评价指标,提出一种多目标离散差分进化(multi-objective discrete differential evolution,MDDE)算法,并给出了算法的实现步骤;最后,仿真结果表明,与NSGA-Ⅱ算法相比,MDDE在Pareto解集评价指标上提高了10.42%左右,在求解时间上降低了9.72%左右,为敏捷成像卫星前摄式调度提供了一定的方法支撑。     

柔性作业车间动态调度问题研究

为了有效求解柔性作业车间动态调度问题,提出了一个基于多目标免疫遗传算法(MOIGA)的动态调度优化算法。首先定义了柔性作业车间动态调度问题,然后采用事件驱动和周期驱动相结合的调度策略,提出了基于MOIGA的动态调度优化模型,接着设计了面向交货期性能最优的柔性作业车间调度算法,并讨论了影响算法复杂度的因素,最后通过一个实例仿真,表明了算法的可行性和优越性。     

基于免疫算法的多目标柔性job-shop调度研究

建立了多目标柔性job-shop调度模型;然后提出了带有保优机制免疫算法,利用免疫记忆、接种疫苗等机制,在算法中保留并充分利用每代最优抗体和局部最优基因,使算法加快收敛;针对这类调度的柔性,提出基于工序设备双层抗体编码方案和基于设备能力空间的解码方案;采用多目标分级评价方法同时对时间、设备和成本等多目标进行评价和优化.最后,用Benchm ark标准问题的仿真和西安航空发动机(集团)有限公司的调度实例验证了算法、策略和调度模型的有效性和优越性.     

考虑合成机制的多星应急任务调度

以应急任务优先调度为原则,保证观测总收益的基础上最小化对原调度序列的扰动是多星应急任务调度领域急需解决的问题。首先,分析应急任务完成时间和观测收益关系,建立考虑时间依赖性收益的数学规划模型。其次,基于遗传算法,提出考虑合成机制的多星应急任务调度算法。设计任务合成、插入和替换算子完成应急任务插入,考虑任务观测收益、序列扰动和最短观测时间设计适应度函数,设计交叉、变异、全局修复算子迭代优化调度序列。最后,通过数值实验表明设计的算法能够显著提高调度质量,适用于多星应急任务调度问题。     

面向多目标的自适应动态概率粒子群优化算法

将基于动态概率搜索的粒子群优化(Particle swarm optimization,PSO)算法应用于多目标作业车间调度问题(Flexibleiob shop scheduling problem,FJSP),提出一种新算法.算法在搜索初期利用粒子近邻的平均最优代替传统的单个最优引导搜索,后期用Gaussian动态概率搜索来提高算法的局部开挖能力.然后,引入Pareto优的概念,采用精英集来存放非劣解,提出一种新的适应度值分配方法.此外,在算法中还引入了一种自适应的变异算子来增强解的多样性.最后,用新算法对多组FJSP实例进行测试,并与其他几种方法进行比较,结果表明提出的算法具有较好的搜索性能,是求解多目标FJSP的一种可行方法.     

资源约束条件下任务调度算法研究

如何解决资源约束条件下的任务调度问题，保证在资源使用存在冲突情况下, 多个任务高效执行, 其中合理的任务调度和资源冲突消解是影响任务执行效果的关键因素。基于工作流图模型提出了一套资源约束条件下任务调度的框架, 并针对调度过程中产生的资源冲突, 提出了两种任务调度算法: 一种算法通过任务关键度确定优先级, 并基于贪心策略和调整工作流图拓扑结构的方法, 在任务开始前确定任务调度方案; 另一种算法采取弹性资源调度的方式, 使产生冲突的任务优先在资源不足的条件下开始执行, 任务调度和执行交替进行。最后, 通过地震救援案例验证了相关算法可行性, 与求解资源约束条件下任务调度问题的两类典型方法中具有代表性的算法进行对比实验, 分析了所提两种算法的优势与意义。仿真结果表明，所提算法具有适用地震救援资源紧缺特点的优势。