基于混合蜂群算法的柔性作业车间调度优化

针对柔性作业车间调度求解问题,提出一种新型混合蜂群智能优化算法.该算法采用独特的编码方式和位置更新策略来避免不合法解的产生,在蜂群算法的基础上增加了有利于局部搜索的混沌算子提高了算法搜索精度,实现了全局搜索与局部搜索能力的有效平衡.最后将此算法在不同规模的实例上进行了仿真测试,并与最近提出的其他几种具有代表性的算法进行了比较,验证了该算法的有效性和优越性.     

基于改进粒子群的柔性作业车间调度问题优化研究

主要针对柔性作业车间调度问题进行求解,利用改进粒子群算法作为求解方法,以最小化最大完工时间(C_max)作为该问题的求解目标.在算例的选取上,选用作业车间调度问题的8*8经典算例和柔性作业车间调度问题的Brandimarte算例对提出的算法进行验证.改进粒子群算法由遗传算法和粒子群算法构成,遗传算法具有较好的全局搜索能力,但搜索过程中收敛的精度不高,粒子群算法由于其寻优特性,在搜索过程中速度较快,但容易陷入局部最优,综合考虑两者的优缺点,将遗传算子引入粒子群算法中,采用交叉搜索的方式,调整惯性权重以及变异的方式使粒子进化,当粒子群进化到一定程度后,对部分粒子进行变异处理从而避免算法陷入局部最优解,同时可以提高粒子群算法的收敛精度.依据柔性作业车间调度问题的特点,在经过多次变换种群规模以及迭代次数后,求解出最适合柔性作业车间调度问题的最优解.     

求解柔性车间作业调度的改进人工免疫算法简

柔性作业车间调度问题(FJSP)一直是生产调度领域和组合优化领域的研究重点,为获得更加理想的FJSP解,解决标准人工免疫算法易陷入局部极值等不足,本文提出一种求解FJSP的改进人工免疫算法(AIA),该算法引入模拟退算法的Metropolis准则,接受新抗体,保证种群的多样性,加快搜索效率,并采用标准算例对其性能进行对比分析.仿真结果表明,改进人工免疫算法提高了FJSP的求解效率和解的质量,具有较高的实际应用价值.     

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。     

基于局部搜索策略的车间作业调度问题的算法研究

为车间作业调度问题提供了一个快速、易于实现的近似算法．该算法基于局部搜索策略,采用特殊的邻域构造方法,即邻域的构造仅与关键路径上的工序相关．该算法找到了所测试的14个标准算例中12算例的最优解,而且在PⅡ233的计算机上每个算例的计算时间不超过1s。     

求解柔性作业车间调度问题算法综述

柔性作业车间调度问题(Flexible Job-shop Scheduling Problem,FJSP)是一类典型的组合优化问题,也是几个经典的NP-hard问题之一.由于其应用的广泛性和求解的复杂性,这一问题受到了众多学者的关注.基于此,针对现有的关于FJSP的相关研究进行归类总结,将已有的求解方法分为精确算法、启...     

混合候鸟迁徙优化算法求解柔性作业车间调度问题

将基本候鸟迁徙优化(Migrating birds optimization, MBO)算法与变邻域搜索策略相结合,提出了一种混合候鸟迁徙优化(Hybrid migrating birds optimization, HMBO)算法求解以最小化最大完工时间为目标的柔性作业车间调度问题(Flexible job shop scheduling problem, FJSP).首先,给出了两段式编码/解码方式.为了保证初始解的质量和多样性,设计了一种两阶段种群初始化方法;其次,引入了一种个体重置机制,以避免算法陷入局部最优解.根据FJSP问题的特点,采用3种邻域结构用于构造个体邻域解,并以此为基础设计了一种变邻域搜索算法,增强算法的局部搜索能力.最后,通过基准算例测试了算法的性能,实验数据验证了本文算法在求解FJSP问题方面的有效性.     

改进遗传蜂群算法求解分布式柔性作业车间调度问题

针对分布式柔性作业车间调度问题,提出一种改进遗传蜂群算法求解方案。算法采用基于机器编码的编码方案,根据编码特点和分布式柔性作业车间的特点,设计了一种基于编码相似度的交叉操作,可以避免在交叉过程中产生非法解,提高算法的运行效率,并通过在不同的交叉操作后,以不同概率进行两种变异操作的方式改进了雇佣蜂时期的搜索操作,改善了算法的迭代速度;采用排序选择策略替代原来跟随蜂时期的选择策略;改进侦查蜂的蜜源抛弃机制,通过对比已获得的全局最优解,对达到搜索上限的蜜源进行部分抛弃,防止破坏优质解再次陷入随机搜索。最后,通过对比不同算法对实例求解,验证本文算法的有效性。     

基于遗传算法的路径柔性作业车间调度优化

针对柔性作业车间调度问题中加工路径的多样性,以最长完工时间最短化为优化目标建立调度模型,采用遗传算法进行模型求解。提出一种基于工序与机器编码相融合的二维矩阵编码方法。在遗传进化过程中,通过附加方法产生新个体以扩展搜索范围,对交叉和变异算子进行了分析。通过算例验证了该算法的可行性和有效性。     

基于改进遗传算法的柔性作业车间调度优化

在实际生产中,加工成本愈发成为企业关注的重要因素。对以最小化加工成本与完工时间为目标的柔性车间调度问题进行了研究。首先,根据实际约束构建调度模型,提出改进遗传算法对模型进行求解,引入质量基因段来增强对染色体适应度值的评价,加速淘汰质量差的个体。其次,为了优化求解质量,提出了基于整体负荷最小与局部负荷最小的种群初始化方法,并设计了精确变异机制来维持种群多样性。最后,用标准算例进行测试,相比于其他改进遗传算法,求解速度得到提高,求解质量也得到了提升,验证了此改进遗传算法的有效性。     

改进遗传算法求解柔性job-shop调度问题

本文提出了一种改进遗传算法用于求解柔性作业调度问题(FJSP).针对工序在不同的机器上加工的差异性,我们提出了用能力系数来表征机器的加工能力,不仅可以简化处理而且也较为符合实际情况.该改进算法通过轮换的方法,将加工任务分配到不同的并行机器上去执行,有利于机器的负载平衡.同时,在方法的实现过程中,利用面向对象的思想,将问题进行抽象,用不同的类封装车间,机器和工序信息,这不仅符合现代编程风格,简化编程,也有利于系统的扩展和重构.仿真结果表明,不仅整个加工过程的执行时间得到了优化,而且各类机器完成的操作数相同,使用的时间也较为平均,达到了设计目标.同时该方法的计算速度也较快,适用于较大规模作业车间调度问题的求解.     

应用需求时间窗的柔性作业车间调度优化模型

为解决拉动式生产模式下准时交货给生产调度带来的困难,提出了一种基于需求时间窗的柔性作业车间调度问题优化方法。首先,根据工件的需求时间窗口,构建了一种以工件完工时间平均隶属度最大为目标函数的柔性作业车间调度问题优化模型。然后,针对模型提出并设计了一种基于多阶段混合变异的禁忌搜索算法。为增强算法收敛性,利用逆序变异和基因段交换变异找到较好的初解,在此基础上利用基因交换变异继续搜索优解。最后,通过在某多品种小批量生产车间的应用验证了该方法有效性。     

免疫遗传算法在车间作业调度中的应用

为了求解车间作业调度(JSP)这一典型的NP难题,提出了基于免疫遗传算法(IGA)的JSP问题求解方法.在该求解方法中,结合免疫原理和遗传算法提出了应用于JSP问题的IGA算法流程;算法采用基于工序的编码方式、自适应交叉和变异;同时为了改善交叉算子的性能提出了一种改进的基于工序编码的交叉算子.另外,采用车间作业中“最短处理时间原则”作为IGA算法的免疫疫苗,同时给出了免疫算子的设计方法.最后,通过“Muth and Thompson”基准问题的仿真实验验证了IGA算法在JSP问题求解中的有效性.     

基于多Agent的柔性作业车间调度研究

针对多目标柔性作业车间调度问题,构造了基于多Agent的车间调度模型,研究了多Agent之间的交换协调机制．提出一种改进遗传算法并封装在策略Agent中,通过对编码规则、解码算法与交叉、变异算子进行改进,提高了调度优化算法的实用性和优化效果,实现了多目标动态调度,提高了系统的适应性和健壮性．某企业车间应用实例证明其可以满足车间调度高效、稳定的要求．     

柔性生产中基于人员任务匹配度的人员调度

文章针对单件小批量生产的柔性生产方式,考虑操作人员技能的多样性和对于不同任务技能水平的差异性等特点,根据操作人员对各任务的累计工作时间计算任务人员之间的匹配度,在此基础上建立柔性生产中资源受限下人员调度数学模型;通过启发式算法得到模型的初始解,并运用改进的遗传算法对模型进行求解,得到最优的人员调度方案以实现任务总完成时间最小的优化目标;最后结合具体实例验证了该求解模型的准确性与可行性。     

一种求解柔性作业车间调度问题的改进灰狼优化算法

针对柔性作业车间调度问题,以最大完工时间最小化为目标提出了一种改进灰狼优化算法(IGWO),采用两段式的编码方式来构造算法个体位置与调度方案之间的关系,使用基于启发式规则的初始化种群方法来提高初始解的质量.为了平衡算法的全局搜索与局部搜索,提出一种基于双曲正切函数的非线性收敛因子公式,并在算法的个体更新阶段提出了一种基于适应度值的加权方法,在算法决策层嵌入了变邻域搜索算法.通过仿真实验表明,算法在求解柔性作业车间调度问题上是有效的.     

多目标柔性作业车间调度的多交叉策略元胞进化算法*

针对经典Job-shop调度问题的局限性,构建了以加工成本、瓶颈机器负荷、机器总负荷及制造工期为目标函数的柔性作业车间调度多目标优化模型,提出了基于多交叉策略的元胞多目标遗传算法。在分析优化模型的基础上,使用双层编码方式,并采用多个交叉算子协同进化,提出一种多交叉策略的进化算子。针对元胞多目标遗传算法的特点,提出一种改进的精英策略,保证更多的精英个体参与进化,从而提升算法收敛速度。通过2个基准实例求解对比分析,表明所提方法的有效性。将新算法应用于实际生产企业的车间调度问题中,得到了一组Pareto解集,并采用层次分析法得到一种满意度最大的方案。数据结果表明,该算法在解决多目标FJSP的工程有效性。     

基于鲸鱼群算法的柔性作业车间调度方法

针对以最大完工时间为目标的柔性作业车间调度问题,在鲸鱼群算法(WSA,Whale swarm algorithm)基础上,提出一种改进的鲸鱼群算法。首先,设计了一种基于工序加工顺序的个体位置表达方式及相应距离计算方法,使鲸鱼群算法能够直接应用于求解离散型问题。其次,在寻找"较好及较近"鲸鱼过程中引入协同搜索机制,提高"较好及较近"鲸鱼的质量和数量,扩大鲸鱼个体的搜索范围。同时,引入基于关键路径的变邻域搜索算法,搜索当前最优鲸鱼个体的邻域解,提高种群局部搜索能力。最后采用BRdata基准算例进行测试,验证了算法的可行性和有效性。     

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。