一种受限于给定最大延误上界的单目标启发式算法

基于有效求解在未超过给定的最大延误上界这一约束条件下最小化总完工时间的置换流水车间调度问题,提出一种新的迭代贪心启发式算法IG_CZ,通过结合全局和局部优化策略获得最优解或近似最优解.并在Taillard基准测试集上对不同规模的问题进行算法性能测试,实验结果表明,IG_CZ算法不仅简单、易于实现,而且求解能力及解的质量优于对比的其他算法。     

一种求解置换流水车间调度问题的多策略粒子群优化

为了提高粒子群优化方法解决组合优化问题的效率,该文基于多种组合优化策略,提出一种求解置换流水车间调度问题的多策略粒子群优化方法。该方法基于万有引力值划分的子区间,按信息熵方式度量粒子群体的多样性。同时在蚂蚁路径选择的基础上,综合考虑粒子间距离和惯性质量择优选出全局最优粒子。此外,一种新颖的集合变异方式被用于引导粒子群体跳出局部最优解区域,增强粒子群体的全局搜索能力。测试问题的仿真结果表明,所提出方法能加快最优解的收敛速度和搜索性能,可有效应用于置换流水车间调度问题的求解。     

最小化加权绝对偏差的并行多机调度问题

用禁忌搜索算法（ＴＳ）求解带有最小化绝对偏差的并行多机调度问题，首先证明了它是一个ＮＰ－难题，然后用一个启发式作初始解，给出一个禁忌搜索算法，实验表明，禁忌搜索方法求解最小化加权绝对偏差问题可以获得最优解或近似最优解。     

求解PFSP问题的多粒子群协同学习算法

针对以最小化最大完工时间为目标的置换流水车间调度问题,提出了一种多粒子群协同学习算法。该算法在协同粒子群算法的基础上,采用了精英库种群和普通种群共同进化框架,重新构造了学习交流方式。精英库种群采用改进的综合学习策略,普通种群中的每个子群采用经验指导的精英学习策略进行局部搜索。此外,还引入了精英迁移策略,促进整个种群的信息交流与协同进化。通过在不同规模问题的实例与另外两种优化算法进行比较,仿真结果表明了该算法在解决置换流水车间问题上的有效性。     

一种求解阻塞流水车间多目标调度的离散差分进化算法

针对流水车间中产品不存在缓冲区的多目标优化问题,研究了阻塞流水车间的最大完工时间和总流程时间的最小化问题,提出了一种多目标离散差分进化(Multi-objective Discrete Differential Evolution,MDDE)算法搜索Pareto最优调度解。MDDE的变异个体通过非支配解或当前解的邻域随机产生,实验个体通过交叉操作产生,而选择过程则设计为一种多目标选择策略。此外,算法还混合了一种基于插入的Pareto局部搜索方法。基于标准测试算例的数值仿真实验表明,MDDE算法获得的非支配解集在Inverted Generational Distance、Set Coverage和Hypervolume性能指标上均有较好的表现。     

改进混合蛙跳算法求解考虑运输时间的柔性作业车间调度问题

【目的】考虑到工件在机器间的转移，对具有运输时间的柔性作业车间调度问题进行研究。【方法】建立以最小化最大完工时间为目标的数学模型，并设计一种改进的混合蛙跳算法(Improved shuffled frog leaping algorithm，ISFLA)。在该算法中，从全局和局部的角度产生高质量的初始种群，考虑运输时间的贪婪插入解码能够合理地安排工件在机器上的加工顺序。批处理的模因组搜索方法能够充分利用模因组内其他个体信息，扰动策略可以防止算法陷入局部最优。此外，基于关键路径设计两种局部搜索策略以进一步提升解的质量。【结果】通过21组不同规模的算例进行测试，测试结果证明了ISFLA的有效性。【结论】ISFLA能够有效解决考虑运输时间的柔性作业车间调度问题。     

求解置换流水车间调度问题的Memetic算法

针对以最小化最大完工时间为目标的置换流水车间调度问题,建立了0-1型混合整数线性规划模型。在对模型进行Benders分解的基础上,提出了问题的求解策略,进而设计了一种Memetic调度算法,并探讨了基于组合规则的种群初始化方法和混合遗传操作。为了提高算法的搜索效率,采用了更加高效的适应度值计算方法以及两种邻域搜索方法。最后,基于Benchmark算例的仿真实验结果表明了该算法的有效性,可以找到26个算例中的17个最优解(65.38%),且其平均相对误差的均值仅为0.88%。     

基于DICA的存储受限流水车间调度

针对缓冲区空间和时间同时受限的流水车间调度问题,以最小化完工时间为优化目标建立了数学模型,并提出了求解方法。由于中间存储策略的限制,相对于普通流水车间调度问题,约束条件更加苛刻,且随着调度问题规模的增大,求解难度成倍增长,但却更加具有实用性和研究意义。帝国竞争算法具有求解精度高、收敛速度快的特点,在帝国竞争算法的基本框架上,提出了一种改进的离散帝国竞争算法。针对存储受限的流水车间调度问题,采用随机键编码的方式初始化种群;同化过程采取交叉替换的方式,并控制一定的同化概率,削弱帝国的势力,防止算法过早收敛;引入历史最优解机制,记录殖民的历史最优位置;革命过程中引入变异算子,以增强搜索能力;采用正交试验方法确定算法参数。在经典算例的基础上加入缓冲区约束并进行仿真实验,实验结果表明,离散帝国竞争算法求解质量高,收敛速度快。     

求解置换流水车间调度问题的布谷鸟算法

分析了布谷鸟算法的优化机理和特点,针对最小化最大完工时间的置换流水车间调度问题,采用基于最小位置值规则的随机键编码方式,应用布谷鸟算法进行求解.通过选取的标准算例对算法进行了仿真测试,并与萤火虫算法和粒子群算法进行对比,测试结果表明了该算法求解置换流水车间调度问题的有效性和优越性.该方法可作为解决流水线生产调度问题的一种有效方法.     

面向作业车间调度问题的遗传算法改进

为了获得遗传算法在作业车间调度问题上的最优化解,提高算法的迭代速度,研究了遗传算法的改进方法,以工件的加工时间最短为目标建立调度模型。在算法上提出了基于概率改进的具有自适应能力的交叉与变异算子,以求作业车间调度问题的最优解。在遗传算法上采用精英保留策略方法,并结合改进的自适应算子对问题进行求解。以基准案例LA01和FT06作为实验仿真对象,获得了相应的甘特图以及搜索过程曲线。仿真结果表明,与未改进的算法相比,该算法能够更加快速地获得最优解。改进后的算法在搜索上更加快速有效,在求解作业车间调度问题上具有一定的可行性,更加适合工业加工生产。