基于改进遗传算法的柔性作业车间调度方法研究

针对柔性作业车间调度问题,提出了一种自适应的遗传机制,构造出自适应的适值函数定义方法,设计了相应的自适应选择、交叉和变异3种算子。为了解决同一工序的不同机器的负荷平衡,提出了表征机器加工能力的能力系数。通过轮换方法实现了相同工序不同机器之间的调度。仿真实验结果表明,该调度算法具有可行性。     

基于改进遗传算法的柔性作业车间调度

针对柔性作业车间调度问题(FJSP)的特点和发展现状,提出一种基于基本遗传算法的改进算法。构建了一种新的染色体表达方案,将染色体分为工序染色体部分和机床染色体部分。通过加权处理设计了适应度函数,将多目标优化问题转变为线性优化问题。针对改进的染色体表达方案,重新设计了种群初始化算法,采用复制、交叉,以及变异操作策略优化调度方案。通过实例验证了该算法对FJSP的优化过程,试验结果表明了该算法的可行性和有效性。     

基于遗传算法的混合流水车间构建方法

在混合流水车间的构建过程中，每个阶段配置几台平行机最为合理是一个有待确定的问题。以设备空闲时间和工件平均流程时间加权均值最小化为目标函数对该问题进行了研究，采用遗传算法求解该NP-hard问题，染色体编码采用一种新的整数与实数相结合的方法，可实现对问题空间的全局随机寻优。算例研究显示，对任一算例，10次随机计算的目标函数平均值与最优值的差别率均小于1．3％，计算重复性好；计算花费时间均在20～30s，计算效率较高。     

改进遗传算法求解柔性作业车间调度问题的研究

在考虑最大完工时间、总拖延时间、各个机器负荷平衡、所有机器上的总负荷等性能指标更加合理的情况下,设计一种新的选择算子,确保算法能快速收敛到全局最优解;利用提出的选择算子设计一种改进的遗传算法,提高求解效率.用基准实例测试改进的遗传算法,试验结果显示该算法能更有效地解决调度问题.     

基于改进遗传算法的柔性作业车间调度研究

针对柔性作业车间的多目标调度问题,文章建立以最大完工时间、能耗为目标的数学模型,提出一种多目标的改进遗传算法的求解方法。首先,在交叉算子中使用均匀交叉法,采用了基于邻域的变异算子。其次,针对交叉变异算子进行了非均匀改进,旨在增加算法搜索能力。通过动态调整非均匀交叉和非均匀变异的概率,提高搜索空间覆盖率,避免陷入局部最优解。最后,采用基准算例Kacem测试集进行测试。实验证明,该改进算法有效地解决了同时考虑最大完工时间和能耗的多目标调度问题,取得了显著的改善效果。     

改进遗传算法求解柔性作业车间调度问题

分析柔性作业车间调度问题的特点,提出一种求解该问题的改进遗传算法。在考虑各个机器负荷平衡,所有机器上的总负荷和最大完工时间等性能指标更加合理情况下,设计一种全局搜索、局部搜索和随机产生相结合的初始化方法,提高种群初始解的质量,加快遗传算法的收敛速度。结合问题特点设计合理的染色体编码方式、交叉算子和变异算子,防止遗传操作过程中非法解的产生,避免染色体的修复,提高求解效率。使用文献中相同的实例测试利用初始化方法的改进遗传算法,并将计算结果与文献中其他遗传算法的测试结果进行比较,验证所提出的初始化方法的可行性和有效性。     

基于改进遗传算法的柔性流水车间调度研究

针对最小化最大完工时间的柔性流水车间调度问题,文章提出了多目标选择的改进的遗传算法（MTGA）,设计了针对该问题的一维的编码与解码方法,采用对立的方法进行种群的初始化。针对遗传算法,交叉操作进行整个工序的交叉向最优解靠拢加快了算法的收敛速度,变异操作中对所有的工序操作顺序进行整体变异,选择操作将种群分成多份做到向多个较优解靠拢,扩大了算法的搜索范围,降低了陷入局部最优的概率,并应用了两套交叉和变异概率增加算法灵活性。通过多个已有算法进行对比验证了算法的有效性。     

改进初始种群的遗传算法解决柔性车间调度

初始种群对遗传算法求解的质量和速度有决定性影响,传统遗传算法求解FJSP问题时,一般是随机生成初始种群,在迭代初期会形成许多无效方案,只有经过复杂的运算才会形成较优的方案,这样就会降低算法的收敛速度,对柔性作业车间调度的特点进行研究之后,提出了对初始种群给予基于全程检索规则编码生成初始种群的策略,提高初始种群质量的同时,也不会失去其多样性,而且还能提高全局收敛性。实例用改进的遗传算法,将结果与用传统遗传算法得到的结果比较,证明了改进算法的优势。     

基于免疫遗传算法的车间调度问题的研究

根据生命科学中免疫系统的信息处理机制,在一般遗传算法的基础上,将免疫计算和改进的遗传算法(预防近亲结合的多重交叉策略)相结合,建立了一种用于车间调度的免疫遗传算法,通过接种疫苗提高抗体的适应度,通过免疫选择防止种群的退化。针对作业车间调度问题,设计了免疫遗传计算中疫苗的提取和接种方法,即基于加工机器的基因片断抽取疫苗方法和接种方法。通过作业车间调度十个典型标准问题验证,文中所述免疫遗传算法可行,较现有免疫算法、一般遗传算法及一些传统优化设计方法在收敛效率和准确性等方面有很大改进与提高。     

基于遗传算法的模糊目标柔性作业车间调度问题

针对实际作业车间调度问题目标的多样性及其不确定性,提出了一种新的柔性作业车间调度问题模型和处理方法,并在遗传算法中加以实现。计算结果表明,该问题模型能较完整地反映生产实际中调度目标的要求。     

基于混合遗传算法的混流混合车间协同调度问题

为解决一类具有多品种混流生产特征和作业车间与流水车间集成的混流混合车间协同调度问题,给出了以在制品成本最小为目标的混流混合车间调度问题模型;采用零件加工、部件装配、产品总装的三段协同编码方法,给出了一种集成模拟退火算法的混合遗传算法,并在模拟退火算法中引入变温度参数来平衡算法效率。最后,通过某冰箱混流装配企业典型实例验证了模型和算法的有效性。     

求解车间调度问题的改进型自适应遗传算法

针对作业车间调度问题,以最小化完工时间为目标,借鉴内分泌激素调节机制,提出了一种新颖的改进型自适应遗传算法.通过引入自适应交叉概率和变异概率因子,克服了传统的遗传算法在解决生产调度问题时存在的搜索精度低和收敛性难以控制等问题,并在Microsoft Visual C++6.0中实现了该算法.通过一个10工件、10机器作...     

一种求解多目标柔性Job Shop调度的改进遗传算法

针对多目标柔性作业车间调度问题，提出一种改进遗传算法。该算法为了克服传统遗传算法的局限性，提高全局搜索能力和收敛性，采用一种新的GOR编码、新的分类选择算子和改进的优先操作交叉算子集成设计方法，定义编码的种群平均个体差，其交叉率和变异率受种群的多样性控制。通过典型算例的实验及与国内外最新的研究成果比较，证明了算法的优良性能。     

多目标免疫遗传算法性能分析及其在柔性作业车间调度中的应用

讨论了一种多目标免疫遗传算法的收敛性和多样性。首先,提出了一种集成免疫思想和遗传算法的多目标优化算法;接着,采用马尔可夫链对算法的收敛性进行了定量分析,证明该算法能以概率1收敛到Pareto最优解集;定性分析了算法的多样性保持策略。最后,结合某柔性车间调度问题的实例,验证了算法的良好收敛性和多样性。     

基于改进遗传算法的流水车间调度研究与仿真

针对流水车间调度过程中的物料流程混乱、设备负荷不均衡的问题,用矩阵表示工件、工序和机器之间的约束关系,通过引入线性自适应算子对交叉算子和变异算子加以改进,对经典流水车间调度问题Car1(11×5)进行了改进遗传算法实现,此外在考虑传输过程的情况下,对该典型问题的加工过程进行了仿真分析。     

基于改进遗传算法的作业车间调度

针对传统遗传算法在求解作业车间调度问题时存在的算法收敛速度慢、寻优结果易陷入局部最优等缺点,提出了基于禁忌搜索算法的遗传交叉算子,利用禁忌表对交叉过程重复产生的子代进行有效禁忌,以加快算法的收敛速度,提高算法的全局搜索能力。算法设计了特殊的禁忌交叉方式,经实例表明:与传统的遗传算法相比,改进后的遗传算法在算法的收敛速度和求解的质量方面有了明显提高。     

基于遗传算法的装配车间调度问题的研究

研究了装配车间调度问题,提出了一种基于遗传算法的车间作业调度方法。根据车间调度系统的特点,通过Delmia/QUEST软件建立了制造系统仿真模型进行仿真分析。结合仿真系统,分析了QUEST软件的设计原理及应用方法。最后通过计算机仿真模型实例验证了算法的有效性。