一种基于GA-SA-TS算法的车间调度方法的研究

运用现代优化算法来解决车间调度这类NP完全问题是现在普遍使用的方法。本文将模拟退火算法和禁忌搜索算法的思想与遗传算法相结合,改善了传统遗传算法中单一的交叉和变异机制,提出了模拟退火-交叉机制和禁忌搜索-变异机制,最终形成了一种适用于解决车间调度方面问题的GA-SA-TS混合遗传算法。三种算法取长补短,避免了遗传算法局部搜索能力差和易早熟的缺点。同时运用GA-SA-TS算法,针对实际车间调度问题进行了仿真。通过该仿真结果可以看出,GA-SA-TS混合遗传算法对于解决车间调度问题是可行的,且在解的质量方面有所提高。     

运用希尔伯特黄变换的桥梁颤振导数识别

提出了一种基于希尔伯特黄变换(Hilbert-Huang Transform,简称HHT)识别桥梁颤振导数的方法.根据HHT理论,首先利用经验模态分解(Emprical Mode Decomposition,简称EMD)将桥梁节段模型风洞试验中实测得到的自由振动加速度响应信号分解成一系列本征模函数(Intrinsic Mode Function,简称IMF)分量,对幅值最大的IMF分量作希尔伯特变换,得到其瞬时振幅和瞬时频率.通过信号处理,识别出结构的固有频率和模态阻尼比.其次,对自由振动时程进行时域拟合,获得结构的复振型.最后通过状态方程确定系统的8个颤振导数.数值仿真算例表明,该方法具有较好的抗噪性和可靠性,风洞试验也验证了该方法的可行性和有效性.     

一种基于混合遗传算法的车间生产调度的研究

车间生产调度问题(Job-shop scheduling problem,JSSP)属于NP完全问题,现在多使用现代优化算法来解决此类问题.本文将模拟退火算法、禁忌搜索算法的思想融入到遗传算法中,提出了模拟退火-交叉机制和禁忌搜索-变异机制,形成了一种适用于解决车间调度方面问题的新的混合遗传算法.三种算法取长补短,使得遗传算法局部搜索能力差和易早熟的缺点得以改善.同时运用这种混合遗传算法对经典车间调度问题进行了仿真.     

基于混合遗传算法的车间调度问题研究

利用遗传算法(GA)和模拟退火算法(SA)求解该问题近优解的有效性和实用性,提出一种实现车间调度的混合遗传算法(GASA),给出了一个新的编码方法,并建立了相应编码的解码规则.对初始温度的确定方法和获得适应度函数的方法进行了探讨.基于LA16调度问题,分别利用该方法和单纯遗传算法及模拟退火算法进行了模拟仿真计算,计算结果表明该混合算法克服了单纯遗传算法和模拟退火算法在车间调度优化方面的不足,具有较高的鲁棒性.     

基于混合退火遗传算法的圆柱蜗杆传动模糊优化设计

针对基本遗传算法在优化设计中遇到的局部搜索能力不强、早熟收敛等问题,提出一种将模拟退火、Powell搜索方法与遗传算法相结合的混合遗传算法.在此基础上对普通圆柱蜗杆传动模糊优化设计进行了研究;数值计算表明,该混合退火遗传算法可以有效地克服基本遗传算法的上述缺陷,可以加速算法的收敛,具有良好的优化性能.并用该算法较好地解决了普通圆柱蜗杆传动的模糊优化设计.     

基于混合遗传算法的车间调度研究

针对用遗传算法求解车间调度问题(job shop problem)容易早熟的缺点,对遗传算法的收敛性、搜索效率和最优解等方面进行了研究,改进了遗传算法,引入了模拟退火算法,提出了新的混合遗传算法。重新设计了基于工件编号的交叉算子和变异算子;采用自适应交叉概率和变异概率;在每一代遗传进化中引入了Metropolis接受准则。通过结合遗传算法、自适应概率和模拟退火算法的各自优点,提高了算法搜索能力。用遗传算法、模拟退火算法和混合遗传算法对Job Shop Problem中FT06问题进行了仿真。仿真结果表明,混合遗传算法提高了搜索效率,能够找到最佳的调度方案。     

面向大规模定制的混流装配线平衡研究

为解决面向大规模定制的混流装配线的平衡问题,分析了这一类装配线的特点,并综合考虑工作站的数量、工作站的负荷及装配线效率三个因素,提出了面向大规模定制的混流装配线的平衡模型和优化装配线平衡的混合遗传算法.该算法将模拟退火算法和遗传算法相结合,采用了交叉概率和变异概率的自适应重构策略,有效避免了算法的早熟,增强了算法全局寻优能力.实例仿真计算表明,该算法比标准的遗传算法和模拟退火算法具有更高的求解质量和求解效率.     

混合遗传算法在汽车混流装配线平衡中的应用研究

为实现汽车流水装配线各工位任务均衡,分析了汽车总装工艺流程和作业特点。根据装配线平衡问题的不同求解参数和约束条件,建立了3类装配线平衡问题数学模型。以遗传算法为基础,融入模拟退火算法来提高局部搜索效率,提出了混合遗传模拟退火算法。按作业元素分配到工位的先后顺序,用序列编码方案将混合遗传模拟退火算法应用到混流装配线平衡实例中。计算结果表明,该算法求解装配线平衡问题优于传统启发式算法。     

基于混合遗传算法的Job Shop问题研究与实现

遗传算法具有良好的全局搜索能力,在调度问题中得到了广泛的应用。通过对遗传算法进行改进,可以有效避免在求解过程中容易陷入局部最优域的问题。通过采用混合遗传算法,即将模拟退火算法与遗传算法结合,在种群更迭过程中引入了模拟退火操作来求解Job Shop问题。通过实验验证了混合遗传算法的特性,最终算法显示出了遗传算法较好的搜索能力和模拟退火避免过收敛的特性,改进了收敛性能。系统的运行结果满足调度要求,实现了良好的有效性和实用性。     

液压集成块智能优化算法概述

液压集成块的优化问题是当今学术界的研究热点。智能优化算法是解决液压集成块优化问题的一种有效方法。该文主要对液压集成块智能优化中最常用的优化算法——遗传算法、模拟退火算法以及混合遗传模拟退火算法和小生境遗传退火算法进行了介绍、分析和比较,并对该问题的研究方向进行了探讨。     

一种混合遗传算法在车间作业调度中的应用研究

结合遗传算法和局域搜索的优点,提出一种混合遗传算法(HGA)以解决Job-shop调度问题。HGA采用基于工序的编码方案;然后在探讨影响HGA性能的交叉和变异算子的基础上,引入顺序保留交叉算子(PPX),并采用具有邻域搜索能力的变异算子;最后应用局部搜索对得到的GA解进行微调以改善解的质量。仿真结果表明了本文方法的有效性。     

基于混合遗传算法的工艺路线优化配置

针对 FMS工艺路线优化配置问题提出一种混合遗传算法。该算法在遗传算法中引入了具有启发式规则的余量随机分配算子 ,可以将超过约束条件的余量随机分配到个体中去 ,通过按照一定规则的调整而将不可行个体引入可行域。一方面实现了利用遗传算法求解工艺路线的约束优化问题 ,保持了遗传算法的全局寻优特点 ,另一方面加强了遗传算法的局部搜索能力 ,提高了运行效率。算例证明该算法的求解效果好于目前该领域常用的启发式算法。     

一种基于改进遗传算法的车间调度问题研究

作业车间调度是一类求解较困难的组合优化问题,在考虑遗传算法早熟收敛问题结合模拟退火算法局部最优时能概率性跳出的特性,该特性最终使算法能够趋于全局最优。在此基础上,将遗传算法和模拟退火算法相结合,提出了一种基于遗传和模拟退火的混合算法,该算法将模拟退火算法赋予搜索过程一种时变性融入其中,具有明显的概率跳跃性。同时。通过选取Brandimarte基准问题和经典的Benchmarks基准问题进行分析,并应用实例对该算法进行了仿真研究。该结果表明,通过模拟退火算法与遗产算法相集合,可以使计算的收敛精度明显提高,是行之有效的,与传统的算法相比较,有较明显的优越性。     

基于递阶遗传算法优化神经网络的研究

基于递阶结构的遗传算法可以同时对神经网络进行拓扑结构优化和权重的求解，具有较高的学习效率。针对HGA在优化神经网络过程中的一些参数，如适应度函数、交叉概率和变异概率等做了一些研究，并且比较HGA与一般遗传算法、BP算法的区别，把HGA和BP2种算法结合起来优化神经网络，最后给出仿真实例。     

离散变量桁架结构拓扑优化的混合遗传算法

为了避免结构拓扑优化过程中杆件和节点的增删带来的计算上的麻烦，在对桁架结构受力分析的基础上，提出一种启发式方法，以快速产生符合机动性要求的拓扑结构形式；然后在既定的拓扑结构形式下采用混合遗传算法——拟满应力遗传算法进行截面优化。该方法通过在遗传算法中嵌入拟满应力算子，同时对基本遗传算法采用最优个体保留、最差个体替换和控制种群个体差异等改进措施，有效提高遗传算法求解的效率和质量。算例结果表明，该方法用于离散变量桁架结构拓扑优化是有效的。     

An intelligent hybrid meta-heuristic for solving a case of no-wait two-stage flexible flow shop scheduling problem with unrelated parallel machines

This paper addresses the problem of no-wait two-stage flexible flow shop scheduling problem (NWTSFFSSP) considering unrelated parallel machines, sequence-dependent setup times, probable reworks and different ready times to actualize the problem. The performance measure used in this study is minimizing maximum completion time (makespan). Because of the complexity of addressed problem, we propose a novel intelligent hybrid algorithm [called hybrid algorithm (HA)] based on imperialist competitive algorithm (ICA) which are combined with simulated annealing (SA), variable neighborhood search (VNS) and genetic algorithm (GA) for solving the mentioned problem. The hybridization is carried out to overcome some existing drawbacks of each of these three algorithms and also for increasing the capability of ICA. To achieve reliable results, Taguchi approach is used to define robust parameters' values for our proposed algorithm. A simulation model is developed to study the performance of our proposed algorithm against ICA, SA, VNS, GA and ant colony optimization (ACO). The results of the study reveal the relative superiority of HA studied. In addition, potential areas for further researches are highlighted.     

求解车间调度问题的一种新遗传退火混合策略

综合了遗传算法和模拟退火算法的优点,提出了一种新的遗传退火混合优化策略。该算法引入模拟退火算法作为遗传算法种群的变异算子,增强和补充了遗传算法的进化能力,同时将机器学习原理引入混合算法中,增加了种群的平均适值,有效地避免了最优解的丢失,加快了进化速度,使系统能够在很短的时间内得到最优解。针对车间调度的典型问题进行了仿真,结果证明了新算法的有效性。     

Heuristic search algorithms for lot streaming in a two-machine flowshop

The objective of this paper is to propose and evaluate heuristic search algorithms for a two-machine flowshop problem with multiple jobs requiring lot streaming that minimizes makespan. A job here implies many identical items. Lot streaming creates sublots to move the completed portion of a production lot to second machine. The three heuristic search algorithms evaluated in this paper are Baker’s approach (Baker), genetic algorithm (GA) and simulated annealing (SA) algorithm. To create neighborhoods for SA, three perturbation schemes, viz., pair-wise exchange, insertion and random insertion are used, and the performance of these on the final schedule is also compared. A wide variety of data sets is randomly generated for comparative evaluation. The parameters for GA and SA are obtained after conducting sensitivity analysis. The genetic algorithm is found to perform well for lot streaming in the two-machine flowshop scheduling.     

自动化仓库旋转货架拣选优化

对自动化仓库旋转货架拣选优化问题进行了描述,提出了求解该问题的分层遗传算法（HGA）。根据具体问题对低层和高层采用了不同的进化策略,详细介绍了HGA算法的原理。通过实际算例运算及分析,表明HGA对解决自动化仓库旋转货架拣选优化问题的有效性。