扩展Petri网在PPCES建模中的应用

利用生产计划与控制专家系统(PPCES)进行启发式搜索,根据Petri网建模原理及PPCES的推理需要,对生产系统建模,定义了一类扩展有色、时间Petri网,用来解决Job-shop型生产系统中NP难度的调度问题.实践证明,这种方法不仅可以在增强模型描述能力的同时有效地降低其复杂度,还可以应用专家系统领域的知识指导系统进行冲突消解,从而避免了常规分析方法所带来的组合爆炸问题.     

基于杂交模型及逻辑分解算法的JSSP研究

作业车间调度,是指为具体的任务(工序)安排生产资源(机器)并确定合理的加工顺序,是一个典型的NP-Hard问题,有着广泛的研究.首先介绍混合整数规划MIP和约束编程CP的互补优势.然后建立JobShop调度问题的MIP/CP杂交模型,并针对杂交模型的特点提出一种基于逻辑的分解算法.最后用几个实例证明了该模型及算法的求解速度.     

基于拟关键路径法和最佳适应调度法的调度算法

针对Job-shop调度问题当只存在具有唯一紧前，紧后相关工序和独立工序两类工序时，提出了一种对这两类工序分别采用拟关键路径法ACPM和最佳适应调度方法（BFSM）安排工序的算法。通过分析与实例验证，所提出的调度方法不仅算法简练而且效果较好。     

交货期窗口下的多目标作业车间调度问题

研究交货期窗口下的多目标作业车间调度问题.如果任务在交货期窗口内完工,则不受提前/拖期惩罚;如果在交货期窗口外完工,将导致提前/拖期惩罚.设计了基于协同多群体的多目标遗传算法（CMGA）,最后将此算法应用于作业车间调度的多目标优化问题,并和其他算法进行了比较.计算结果验证了CMGA在调度方面良好的搜索性能.     

应用改进微粒群算法求解Job-shop调度问题

针对微粒群算法在求解实际问题过程中会出现早熟的现象,提出一种改进的微粒群算法。该算法利用记忆库来动态调整惯性权重值,增快了算法的收敛速度。同时结合进化、灾变机制避免了算法陷入局部极值的问题。在列出改进算法的具体步骤基础上,通过实际的车间调度仿真实例证明了算法的有效性,可以得到比启发式、遗传算法更佳的调度效果。     

Job-shop的实时调度

利用神经网络和启发式分派规则设计了一种Job—shop的实时调度算法，该算法首先在离线时用遗传算法训练神经网络得到调度的启发规则，在加工开始时根据一些动态特性对要执行的工件操作进行模糊分类，然后再根据启发规则对分类后的操作进行在线调度．基于这种算法，用模糊神经网络设计了一个Job—shop实时调度器，最后结合实时调度和重调度问题进行了仿真．通过与FIFO与LR(Lagrangian Relax)的比较，证明提出的算法是高效和可行的．     

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.     

免疫遗传算法在柔性Job-shop调度问题中的应用

借鉴生物免疫机理提出了一种求解柔性Job-shop车间调度问题的免疫遗传算法．仿真结果表明,该算法有效地避免了传统遗传算法中因选择压力过大造成早熟现象的发生,显著地提高了遗传算法（GA）对全局最优解的搜索能力和收敛速度,这将使遗传算法在众多实际的优化问题上具有更广泛的应用前景．     

基于差分量子粒子群优化算法的作业车间调度

针对作业车间调度问题（Job-shop Scheduling Problem,JSP）中存在的求解复杂程度高、动态性强等难题,提出基于差分特性的量子粒子群优化算法。将差分进化算法中的变异操作引入量子粒子群算法,提高了群体突变的可能性,有效防止个体收敛到局部极值,并使用交叉方法提升对个体极值信息的利用水平;搜索过程采用多邻域搜索方法以提高算法的寻优速度。对FT、LA两类JSP算例进行求解,仿真结果表明所提算法能以较快的收敛速度得到最优解,相比于其他算法,寻优速度和精度都有了明显提升。     

求解作业车间调度问题的粒子群优化算法

讨论了作业车间调度问题的数学表达模型,考虑将粒子群优化算法与差异演化算法的优点结合起来,提出求解作业车间调度问题的新的混合粒子群优化算法,对7个标准算例的仿真结果表明了算法的有效性和优越性.