混合蜂群算法求解柔性作业车间调度问题

为解决柔性作业车间调度问题,提出一种基于蜂群模型的混合群智能优化算法.在算法初始化阶段提出了蜂群优化算法结合随机方法的种群初始化方法,提高了初始种群质量;为提高算法搜索精度,在观察蜂阶段采用模拟退火算法更新观察蜂群,并以退温系数调节邻域规模,随算法进程细化搜索范围;针对柔性作业车间调度问题特点,建立了可控规模的邻域更新方法.采用柔性作业车间标准算例,通过仿真编程和与其他算法的比较,验证了算法的有效性和优越性.     

多目标离散灰狼优化算法求解作业车间节能调度问题

针对作业车间节能调度问题,建立了一种以优化总能耗和工件最大完工时间为目标的节能调度模型,并提出一种多目标离散灰狼优化算法进行求解.根据问题的特点,首先采用离散整数编码方式,利用调度规则生成初始种群;其次引入一种基于跟踪模式和搜寻模式的双模式并行搜索方法,并在搜索过程中动态调整两种模式下个体的数目,以协调算法全局和局部搜...     

免疫算法求解多目标柔性作业车间调度研究

研究了多目标柔性作业车间调度问题,优化了设备分派方案。建立了多目标柔性作业车间调度的数学模型。提出了双种群双倍体自适应免疫算法,并用该算法求解某航空制造企业的多目标柔性作业车间调度问题,得到了优化调度方案。仿真结果表明,双种群双倍体自适应免疫算法是求解多目标柔性作业车间调度问题的有效算法。     

多目标柔性作业车间调度算法研究综述

首先,介绍了多目标柔性作业车间调度问题的数学模型和有关定义;其次,总结了相关优化算法理论,汇总了MOFJSP优化算法的研究成果, 重点综述了求解多目标优化问题性能优良的计算智能方法和智能搜索算法;最后,指出MOFJSP优化算法若干有待进一步研究的方向和内容,并为下一步研究提出了建议。     

求解分布式柔性作业车间调度的混合蛙跳算法

针对分布式柔性作业车间(Distributed flexible job shop scheduling problem,DFJSP)最小化最大完工时间问题,提出一种混合蛙跳算法.在该算法中,编码采用基于工序序列和工厂序列的部分解空间编码方案,机床选择在解码过程中通过规则确定.引入变邻域搜索算法提升蛙跳算法的局部搜索能力.为了弥补部分解空间编码不能探索整个解空间的缺点,引入针对关键工厂的全解空间禁忌搜索,从而扩大算法解空间、进一步提升算法的局部搜索能力.通过对基准实例的求解,并与现有的最先进算法进行对比,验证了所提算法的有效性和优越性.     

求解分布式柔性作业车间调度的混合蛙跳算法

针对分布式柔性作业车间(Distributed flexible job shop scheduling problem,DFJSP)最小化最大完工时间问题,提出一种混合蛙跳算法.在该算法中,编码采用基于工序序列和工厂序列的部分解空间编码方案,机床选择在解码过程中通过规则确定.引入变邻域搜索算法提升蛙跳算法的局部搜索能力.为了弥补部分解空间编码不能探索整个解空间的缺点,引入针对关键工厂的全解空间禁忌搜索,从而扩大算法解空间、进一步提升算法的局部搜索能力.通过对基准实例的求解,并与现有的最先进算法进行对比,验证了所提算法的有效性和优越性.     

基于混合多目标遗传算法的柔性作业车间调度问题研究

针对多目标柔性作业车间调度问题,建立了以最大完工时间、机器总负荷、瓶颈机器负荷为目标的调度数学模型,提出了一种基于混合多目标遗传算法(HMO-NSGA-Ⅱ)的求解方法.首先,采用了全局选择和快速选择相结合的初始化方式,得到分布均匀的初始种群;其次,对其交叉变异算子进行了自适应改进,以提高对种群的搜索能力;接着,针对精英...     

改进混合Jaya优化算法求解柔性作业车间调度问题

针对柔性作业车间调度问题(Flexible Job shop Scheduling Problem,FJSP),以最小化最大完工时间为优化目标,在研究现有Jaya优化算法的基础上,结合邻域搜索算法,提出一种改进混合Jaya优化算法.首先,针对MSOS编码方式设计种群初始化方法;其次,提出一种基于Jaya优化算法思想的离散化更新算子,使算法适用于FJSP;然后,设计了2种新型邻域结构,有效增强了算法的局部寻优能力;最后,通过3组著名的FJSP基准算例进行测试,并与相同目标的其他算法进行对比分析.结果 表明,改进混合Jaya优化算法能有效求解FJSP,且比相同目标的其他算法有更强的求解能力.     

求解作业车间调度问题的快速启发式算法

首先将作业车间调度问题转换为一个搭积木模型,受这个直观模型的启发,提出了一个启发式的搭积木规则,该规则综合考虑了已经搭好的积木的顶高和将要搭积木的剩余高度。基于这个规则,提出了一个求解作业车间调度问题的快速启发式算法,对国际上通用的benchmark例的模拟实验结果表明,提出的算法优于经典的优先分配启发式算法。     

多目标批量生产柔性作业车间优化调度

研究批量生产中以生产周期、最大提前/最大拖后时间、生产成本以及设备利用率指标(机床总负荷和机床最大负荷)为调度目标的柔性作业车间优化调度问题。提出批量生产优化调度策略,建立多目标优化调度模型,结合多种群粒子群搜索与遗传算法的优点提出具有倾向性粒子群搜索的多种群混合算法,以提高搜索效率和搜索质量。仿真结果表明,该模型及算法较目前国内外现有方法更为有效和合理。最后,从现实生产实际出发给出多目标批量生产柔性调度算例,结果可行,可对生产实践起到一定的指导作用。     

批量生产柔性作业车间优化调度研究

在批量生产柔性作业车间调度问题中,不但要考虑路径选取和加工排序两个子问题,而且工件还可被分割为多个子批量,不同子批可选择不同工艺路线。该问题是对传统柔性作业车间调度问题(FJSP)的扩充,它更接近于实际生产调度问题。针对问题的特点,提出了一种基于遗传算法的柔性分批调度算法。在算法中,提出了一种基于"游标"的柔性批量分割方法,并采用一种批量分割与加工工序相融合的染色体编码方法。该算法不但可根据机床负荷将工件分割成具有柔性批量的多个子批,而且可使子批工艺路线选取及加工排序同时得到优化。通过实例仿真,对算法性能进行分析和评价,结果表明了算法的有效性和可行性。     

基于混合离散蝙蝠算法的跨工序协同调度问题

针对跨工序的生产与配送协同调度问题,构建了前工序单机批加工、后工序多产线逐订单加工,且工序之间采用自动引导车循环配送的协同调度模型。以最小化最大完工时间和后工序前的在制品等待时间为调度目标,设计了融合模拟退火算法与解串算法的混合离散蝙蝠算法,与改进的离散粒子群算法和Ullrich遗传算法相比,该算法能很好地减少后工序产线前的队列等待时间,缩短产品的生产周期。     

求解作业车间调度问题的离散海洋捕食者算法

为把海洋捕食者算法应用于作业车间调度问题,提出了离散海洋捕食者算法。首先,对原算法的连续位置向量进行了离散转换。其次,使用对立学习方法增加初始种群的多样性;采用圆形混沌映射函数来提高算法的收敛速度;改进自适应步长策略从而更好地平衡勘探和开发。最后,通过对典型调度基准算例的测试,并同其他算法进行对比,验证了离散海洋捕食者算法在求解作业车间调度问题时的有效性及更优良的算法特性。     

多目标柔性作业车间稳健性动态调度研究

研究了以调度稳定性和鲁棒性为优化目标的柔性作业车间动态调度问题。建立了多目标柔性作业车间动态调度问题模型;针对动态事件特点,采用工件到达发生器和机器故障预维护发生器模拟动态事件,提出了基于周期与事件驱动的混合重调度策略,该策略在每个重调度点对工件进行完全重调度或右移重调度;为克服传统差分算法早熟的缺点,设计了一种改进的多目标差分进化算法求解该调度问题;实例验证了提出策略和算法的有效性。     

多目标柔性作业车间调度决策精选机制研究

针对多目标柔性作业车间调度优化无法找到唯一最优解的问题，提出多目标遗传算法和层次分析法模糊综合评判的分阶段优化策略。提出优化阶段和精选阶段的优化任务，优化阶段选出一组Pareto解集，精选阶段从Pareto解集中选出最优解；在精选阶段运用层次分析法和模糊评判集成的策略精选调度决策。决策算例证明提出的方法是可行的，可很好地帮助决策者选择出一个最满意的解。     

基于Pareto优化的离散自由搜索算法求解多目标柔性作业车间调度问题

针对多目标柔性作业车间调度问题搜索空间的离散性和求解算法的收敛性,提出一种基于Pareto优化的离散自由搜索算法来求解多目标柔性作业车间调度问题。在建立基于Markov链数学模型的基础上,证明了算法以概率1收敛;引入首达最优解期望时间来分析算法收敛速度,并分析了算法时间复杂度。采用基于工序排序和机器分配的个体表达方式,在多目标柔性作业车间离散域,利用自由搜索算法在邻域小步幅精确搜索和在全局空间大步幅勘测进行寻优;通过自由搜索算法自适应赋予个体各异辨别能力和Pareto优化概念来比较个体优劣性,不仅保留优化个体,而且使个体寻优方向沿多目标柔性作业车间调度问题Pareto前沿逼近。通过对搜索过程中产生的伪调度方案进行可行性判定,以确保调度方案可行。采用10×10FJSP和8×8FJSP问题的实例进行寻优测试,验证了所提算法的可行性和有效性。     

求解柔性作业车间调度问题的两阶段参数自适应蚁群算法

针对柔性作业车间调度问题,提出了一种新的两阶段蚁群算法求解方案。在算法前期,采用细菌觅食趋化聚类技术判断蚁群所处的状态,自适应调整蚁群算法的参数,使算法快速收敛到全局最优解附近;在算法后期,利用混沌的随机性和遍历性特点来调整参数,有利于算法跳出局部最优。实验结果验证了该两阶段法的有效性。     

基于高维多目标候鸟优化算法的柔性作业车间调度

针对柔性作业车间调度问题,提出一种改进的多目标候鸟优化算法来求解考虑完工时间、总拖期、机器总负荷以及总能耗的高维多目标问题。多目标候鸟优化算法在候鸟优化算法的基础上引入基于Pareto支配和参考点的选择算子来给予鸟群选择压力,并用基于属性层次模型和灰色关联分析法的组合权重法从最优解集中选择一个最合适的方案。算例和实例验证了算法的有效性和实用性。     

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。     

求解随机Job Shop调度问题的混合分布估计算法

提出一种混合分布估计算法用于求解具有随机工时的Job shop调度问题。建立随机Job shop调度问题(Stochastic Job shop scheduling problem, SJSSP)数学模型并给出随机期望值模型的评价方法。为提高种群多样性,将(μ+λ)-进化策略(Evolutionary strategy, ES)的重组、变异过程引入分布估计算法(Estimation of distribution algorithm, EDA),构造一种混合分布估计算法,ES-EDA。根据所采用的基于工序的编码方式,对父代工序继承率的概念进行了定义,并为重组过程设计基于父代工序继承率的个体重组方法,该方法不仅能使子代有效继承父代的优良特征,同时可避免非法解的产生。在标准算例FT06、FT10、FT20的基础上构造加工时间随机的3组算例,并选择文献中的5种算法作为混合分布估计算法的对比算法,仿真试验结果表明混合分布估计算法在优化性能方面具有明显优势。