基于多目标离散正弦优化算法的混合零空闲置换流水车间调度

针对以最小化最大完工时间（makespan）和最小化最大拖期（maximum tardiness）为目标的多目标混合零空闲置换流水车间调度问题（Mixed No-idle Permutation Flow Shop Scheduling Problem,MNPFSP）,提出了一种多目标离散正弦优化算法（Multi-objective Discrete Sine Optimization Algorithm, MDSOA）。首先,建立外部档案集（AS）存储Pareto解,并在每次迭代后对AS进行更新;其次,在正弦优化算法（Sine Optimization Algorithm,SOA）的基础上,引入迭代贪婪（IG）算法的破坏重构机制,重新定义了一种适用于离散调度问题的位置更新策略;最后,引入快速非支配排序和拥挤距离对种群进行筛选,在保留精英解的同时保证了解的多样性和分布性。选取Taillard Benchmark中11个不同规模的算例进行仿真实验,并将仿真结果与NSGA-Ⅱ和NSGA-Ⅲ算法进行比较,验证了MDSOA求解MNPFSP的有效性。     

基于协作蛙跳算法的可重入混合流水车间调度

针对可重入混合流水车间调度问题(RHFSP),提出一种协作蛙跳算法(CSFLA),以同时最小化最大完成时间和总延迟时间．给出了模因组的解质量和进化质量评价方法,根据进化质量确定最多两对模因组,在每对的两个模因组之间执行交换搜索次数和搜索能力的动态协作,并运用动态多邻域搜索(DMNS)和自学习过程改善算法性能．运用大量实例进行仿真实验,实验结果表明：CSFLA的新策略有效,且在多目标RHFSP优化方面具有较强的优势．     

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.     

Blocking流水车间调度问题的MBT算法研究

针对目标函数为Makespan的Blocking流水车间调度问题,设计了一种构造启发式算法．初始排序的产生从减少下游工件的滞留时间入手,结合有向图中对关键路径的分析,采用插入规则进行搜索的方法得到工件序列的近优排序．通过大量典型算例的计算,实验结果证明了设计的算法具有优越的性能．     

面向节能的阻塞混合流水车间调度问题建模

针对能耗目标的阻塞混合流水车间调度问题(HFSP-B),分别构建了考虑调整时间及不考虑调整时间的阻塞混合流水车间调度问题(MILP)模型.为了减少机床待机能耗,在MILP模型中考虑关机/重启节能策略.针对MILP模型,从目标函数、目标函数的线性化过程、决策变量和约束方程进行介绍.最后,通过对具体实例的求解,验证了所提M...     

分布式两阶段混合流水车间调度

针对分布式两阶段混合流水车间调度问题(DTHFSP),提出一种教学优化算法(TLBO)求解工厂分配问题并设计一种启发式算法解决机器分配问题,以最小化最大完工时间.首先,采用均衡工厂负载的方法生成初始班级;然后,引入淘汰机制以加强对优势解的局部搜索效率,并在自学阶段增加反思过程强化教学结果;最后,通过大量实例实验验证了教学优化算法在求解分布式两阶段混合流水车间调度问题时的搜索优势.结果分析表明教学优化算法在求解分布式两阶段混合流水车间调度方面具有更好的稳定性和求解质量.     

g支配策略的MOEA/D算法求解多目标流水车间调度问题

采用基于二范数的方法生成权重向量并引入g支配策略对MOEA/D算法进行改进,提出g支配策略的MOEA/D算法（g-MOEA/D）. 将g支配思想与MOEA/D算法有效结合,生成适应决策者DM偏好的有效解的集合,来代替整个Pareto解集或单个有效解,加速种群的收敛性,提高种群的均匀性. 通过仿真实验对比分析g-MOEA/D算法与MOEA/D算法的性能,结果表明,g支配策略的MOEA/D算法所得解集整体性能更优.     

No-Wait流水车间调度问题的MDIS算法研究

No-Wait流水车间调度问题的特性是工件加工一旦开始,必须连续进行,不允许工件完成某一加工工序后在机器上滞留等待.本文针对目标函数为Makespan的No-Wait流水车间调度问题,从对目标函数结构的分析入手,提出了一种基于最小化工件间距离的初始排序策略和插入方法的启发式算法.通过对大量典型算例的实验后验证了提出的算法的有效性.     

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。     

求解随机阻塞批量流水线调度问题的改进人工蜂群算法

针对含有随机加工时间的阻塞批量流水线调度问题,利用蒙特卡洛采样方法,将不确定加工时间的阻塞批量流水线调度问题转化为确定加工时间的阻塞批量调度问题。采用改进的人工蜂群算法,对上述转化后的调度问题进行求解。算法中加入了和声搜索和基于插入操作的局部搜索算子,以改进全局探索和局部开发能力,并将改进的算法应用到阻塞批量调度的24个算例中。仿真实验结果表明,改进的人工蜂群算法能够降低调度中的不确定因素带来的影响,产生高质量的解。     

求解车间作业调度问题的快速禁忌搜索算法

针对车间作业调度问题的难解性，提出了一种求解该问题的快速禁忌搜索算法．该算法是按照禁忌搜索算法的一般步骤来进行设计的，在设计过程中对于算法所涉及到的初始解问题、邻域构造问题以及禁忌表长度的选取等问题给出了旨在减少算法计算时间，提高算法优度的解决方案．该算法找到了所测试的21个标准算例中18个算例的精确最优解，而且在PⅡ233的计算机上每个算例的计算时间不超过2s。     

工件具有指数学习效应的流水作业排序问题

讨论了工件具有学习效应的流水作业排序问题.目标函数为极小化最大完工时间和极小化总完工时间和.利用Gonzalez和Sahni提出的STPT算法规则估计了此两目标函数的最坏情况界,同时举例说明了对于两台机器流水作业的Johnson规则对于本研究问题并不适用.另外,对所讨论的问题的一些特殊情况分别给出了多项式时间算法.     

供应链下Flow Shop调度问题的多目标混合算法研究

针对供应链环境下一类多目标Flow Shop调度问题,构建了相关模型并提出一种新的基于PSO、SOM和VNS的混合算法.该算法运用新的思想和多种优化策略,可在单个解的质量、解分布的均匀与分布的广度3个指标上同时达到远优于原算法的效果.仿真实验显示,该算法对求解该类调度问题十分有效.     

多目标模糊柔性作业车间调度问题优化

为降低柔性作业车间调度中的能耗,针对实际制造车间中工序加工时间和交货期的不确定性,将加工时间和交货期采用模糊数表示,建立以完工时间、平均满意度和最小满意度为柔性作业车间调度问题的多目标函数。同时设计了邻域遗传算法(GANS)求解该问题,算法采用机器选择的方法产生初始种群,并采用工序插入式方法对染色体进行解码;采用动态交叉概率及改进精英保留策略来保证种群的多样性和加快算法的收敛速度;并提出一种基于移动模糊关键工序的邻域结构来加强算法的局部搜索能力。最后通过数值实验验证了模型和算法的有效性和可行性,并对4个基准问题进行测试。结果表明:该算法在求解的精度、鲁棒性和解集的分布性方面与传统算法相比具有一定的优势,是一种有效的求解模糊柔性作业车间调度问题的新方法。     

基于Petri网和PSO算法的动态分类车间调度

以带有约束条件的Petri网为动态车间调度问题建模,同时提出一种针对动态车间调度问题的编码粒子群算法,对调度序列进行优化．对算法进行了仿真研究,研究结果表明该算法是可行、有效的．     

泊位调度问题的GATS混合优化策略

在集装箱港口的运作中，泊位调度系统是制约集装箱港口降低船舶在港时间和运营成本的主要瓶颈之一．泊位调度问题是NP难问题，本文分别应用遗传算法GA和混合优化策略GATS对泊位调度问题的非线性规划模型进行了求解，与遗传算法相比，混合优化策略GATS增加了种群多样性，加速了进化过程，避免陷入局部极小解。     

车间生产调度中动态小生境协同进化算法

车间生产调度是企业生产的重要环节。为避免遗传算法在求解多车间协同调度时早期成熟和陷入局部最优解,以及收敛速度慢的问题,特引入一种基于动态小生境集的多种群协同进化模型。在基于工序的染色体编码方法的基础上,利用交叉算子和变异算子调整加工顺序和多工艺路线选择。融合动态小生境集技术和多种群协同进化方法,实现多工艺路线下多车间协同生产调度的优化求解。实验表明,该方法具有良好的优越性。     

混合流水车间调度模型及其遗传算法

针对流程工业生产过程连续性的特点,从一种新的角度建立了工件等待时间受限的混合流水车间调度模型.以总完工时间最小化和工件在各机器最早开工时间最小化为目标函数,利用改进的遗传算法生成最优排序计划,并用模拟的实际生产数据对模型和算法进行验证和分析.