求解相同并行机混合流水线车间调度问题的分布估计算法

针对相同并行机混合流水车间调度问题,提出了一种有效的分布估计算法.针对基于排列的编码方式,设计了改进的启发式解码规则,进而提出了一种评价个体优劣的混合解码方式.建立了描述问题解空间分布的概率模型,通过对概率模型采样产生新个体,并基于优势种群更新概率模型的参数.通过基于标准测试集的数值仿真以及与已有算法的比较,验证了所提算法的有效性.     

考虑工序相关性的Job Shop调度问题及其析取图模型

提出了一类考虑工序相关性的Job Shop调度问题,对工序相关性从代数描述、甘特图表示和类型转换等方面进行了较为系统的数学描述;进一步提出在经典的车间作业计划析取图模型中,通过加入相关弧以表示工序的相关性。具体叙述了相关弧的添加方法及考虑工序相关性的 Job Shop调度问题的析取图建模方法,并对一实例进行了建模。     

求解Job Shop问题的一种免疫模拟退火算法

针对以最小化加权拖期和为优化目标的Job Shop调度问题,提出了一种基于瓶颈工件识别的免疫模拟退火算法。为描述各工件对最终调度性能影响的关键程度,定义了工件瓶颈特征量并提出基于人工调度经验的模糊推理系统以计算该特征量值。根据瓶颈工件需优先调度这一思路设计了一种有效利用工件瓶颈特征信息的免疫机制。在模拟退火过程中引入该免疫算法,并进行了大量数值计算实验。对不同规模问题的计算实例表明,该算法能够加快优化过程的收敛速度,取得较好的优化结果。     

考虑工序相关性的Job Shop调度问题及其析取图模型

提出了一类考虑工序相关性的Job Shop调度问题，对工序相关性从代数描述、甘特图表示和类型转换等方面进行了较为系统的数学描述；进一步提出在经典的车间作业计划析取图模型中，通过加入相关弧以表示工序的相关性。具体叙述了相关弧的添加方法及考虑工序相关性的Job Shop调度问题的析取图建模方法，并对一实例进行了建模。     

调整时间与工序顺序相关的Job Shop调度优化方法研究

以多目标多约束Job Shop调度问题为背景，考虑工序调整、作业相似性等特点，利用成组技术和人工智能树，提出了与工序排序有关的调整时间描述方法及其调度规则，给出了此问题的混合整数规划模型，并构造了基于生物免疫机理的调度算法以提高求解此类问题的效果。介绍了保证抗体的多样性和有效性的基于自然数的抗体编码方法和基于抗体浓度的抗体激增和抑制策略。用毛纺后整理车间的一个调度实例和La31案例证明了免疫算法用于求解复杂生产调度问题的速度和效果。     

基于置换Flow Shop调度问题的混合量子算法研究

安排合理有效的生产调度是生产活动能井然有序开展,生产资源得到最佳配置,运作过程简明流畅的有力保证。置换Flow Shop调度问题是流水车间的典型问题,同时也是NP-C难题。从问题出发,设计了由量子进化,最佳模式和其他优化技术所构成的混合量子算法(HQA)。HQA模仿量子行为迭代演化,将种群一分为二,种群1在量子作用和其他优化作用下,探索解空间。种群2保留最佳模式,提高了搜索的效率。经计算测试,验证了HQA在求解排序问题中的可行性,测试结果表明HQA具备了求解置换Flow Shop调度问题的能力。     

求解混合流水车间调度问题的变量相关EDA算法

针对混合流水车间调度问题和分布估计算法的特点,提出将变量按工序分组,通过组内概率约束、组间概率耦合的方式建立混合流水车间调度问题变量间概率关系的新方法。对分布估计算法中的紧致遗传算法的种群产生和概率更新机制进行了改进,以解决流水车间调度问题等复杂问题。通过仿真实验、与其他算法比较以及在大规模生产实际问题中的应用,验证了该算法的有效性和鲁棒性。     

动态Job Shop调度仿真中的交货期设置问题研究

针对动态Job Shop仿真调度研究中的交货期设置问题,研究了TWK规则中交货期宽裕度系数的合理取值方法。以EDD、MDD和ODD作为基准调度规则,拖期工件百分比作为交货期松紧程度评判指标,并提出了以区间方式表示的定量评判标准。通过仿真调度试验,得到了不同车间利用率和不同交货期松紧程度下合适的交货期宽裕度系数取值。     

求解一类异构并行机调度问题的分布估计算法

针对流程工业中广泛存在的一类复杂异构并行机调度问题,即带工件加工约束和序相关设置时间的异构并行机调度问题,提出一种分布估计算法,用于最小化最早完工时间.首先,合理借鉴了蜜蜂养殖中“双王分区春繁法”的思想,提出一种新的概率模型更新方式,并通过子种群概率模型的交叉融合构造采样概率模型,进而引导种群进化方向,用于提高算法全局搜索的深度;其次,设计了一种基于插入法的变异操作,用于保持分布估计算法的种群多样性水平,进而提高算法全局搜索的宽度;最后,引入基于插入法和首次改进跳出原则的局部搜索方法来增强算法的局部开发能力.仿真实验和算法比较验证了所提算法的有效性和鲁棒性.     

双资源约束的鲁棒Job Shop调度问题研究

针对机器-工人双资源约束下加工时间具有随机性的Job shop调度问题(Job shop scheduling problems,JSSP),考虑工人熟练程度差异和工人数量不足的约束,采用鲁棒调度的方法建立机器-工人双资源约束的鲁棒Job shop调度模型(Dual-resource constrained robus...     

一种求解Job Shop问题的合作型协同进化算法

针对Job Shop调度问题，提出了一种改进的合作型协同进化算法。根据机器数量“自然”分割种群，每个种群对应一台机器，个体以机器前工件的优先列表为编码；将静态繁殖理论引入遗传算子，并通过三种共生伙伴选择方式，利用改进的基于优先列表的G＆T算法解码来评价个体；最后采用一种更新技术和动态群体更新策略来加快算法收敛。通过对Job Shop基准问题的优化，该算法获得了比传统的遗传算法更好的结果。     

基于粒子群优化和模拟退火的混合调度算法

提出了一种离散粒子群调度算法，采用基于工序的编码方式及相应的位置和速度更新方法，使具有连续本质的粒子群算法直接适用于调度问题。针对粒子群算法容易陷入局部最优的缺陷，将其与模拟退火算法结合，得到了粒子群-模拟退火算法、改进的粒子群算法、粒子群-模拟退火交替算法以及粒子群-模拟退火协同算法等4种混合调度算法。仿真结果表明，混合算法均具有较高的求解质量。     

基于POX交叉的遗传算法求解Job-Shop调度问题

通过改进传统的遗传算法求解Job—Shop调度问题。为基于工序的编码提出了一种新的POX交叉算子，并与其他交叉算子进行了比较以显示其高效性。为了保留父代的优良特征和减少遗传算子的破坏性，设计了一种子代交替模式的交叉方式。将提出的改进遗传算法应用于muth and thompson‘s基准问题的实验运行，显示该算法的有效性。     

一类解决Job Shop问题的改进遗传算法

将遗传算法与模拟退火算法相结合，提出一种有效的混合调度算法。采用4—2选择代替传统的转轮选择方法，既保留了优秀个体叉维持了群体的多样性；采用具有较强突跳能力的模拟退火算法代替传统遗传算法的变并算子，增强了全局探索能力，减小了陷入局部极小值的机会；采用基于关键路径的状态产生函数，缩小了搜索邻域，提高了算法的效率。仿真结果表明，该算法具有较高的求解质量和效率。     

基于二元分布估计算法的置换流水车间调度方法

针对最大完工时间最小的置换流水车间调度问题,提出了一种结合二元分布估计算法与生物地理学算法的混合优化算法（HB-EDA）。算法以分布估计算法为架构,以二元概率模型为进化依据,针对优秀染色体和劣势染色体分别通过概率模型挖掘出具有优势信息和劣势信息的链接基因区块组成区块库1和区块库2,借鉴生物地理学算法中的群体迁移思想,用两个区块库分别对优势和劣势染色体以指定比例进行更新操作产生子群体,并对染色体进行切段与重组,以进一步筛选高适应度的解。最后通过对Reeves和Taillard标准测试集的仿真结果和算法比较验证了所提出算法的有效性。     

混合离散蝙蝠算法求解多目标柔性作业车间调度

针对以最大完工时间、生产成本和生产质量为目标的柔性作业车间调度问题,在研究和分析蝙蝠算法的基础上,提出一种混合离散蝙蝠算法。为了提高求解多目标柔性作业车间调度问题的混合离散蝙蝠算法的初始种群质量,在通过分析初始选择的机器与每道工序调度完工时间两者关系的基础上,提出一种优先指派规则策略产生初始种群,提高了算法的全局搜索能力。同时采用位置变异策略来使得算法在较短的时间内尽可能多地搜索到最优位置,有效地避免了算法早熟收敛。在计算问题的目标值上面,首次提出时钟算法。针对具体实例进行测试,试验数据表明,该算法在求解柔性作业车间调度问题上有很好的性能,是一种有效的调度算法,从而为解决这类问题提供了新的途径和方法。     

改进细菌进化算法在作业车间调度问题的应用

应用细菌进化算法求解了作业车间调度中单目标多解排程问题,采用了基于操作的编码来保证调度方案的可行性,并采用互换交叉操作的局部调度应用于基因的交换优化,以改进经典细菌进化算法,最后采用多个范例进行计算,以验证所提方法的绩效。     

基于粒子群优化和变邻域搜索的混合调度算法

提出了用于解决作业车间调度问题的离散版粒子群算法.该算法采用基于工序的编码和新的位置更新策略,使具有连续本质的粒子群算法直接适用于调度问题.同时,针对粒子群算法容易陷入局部最优的缺陷,利用粒子群算法和变邻域搜索算法的互补性能,设计了粒子群-变邻域搜索算法、改进的粒子群算法、粒子群-变邻域搜索交替算法和粒子群-变邻域搜索协同算法4种混合调度算法.仿真结果表明,混合算法能够有效地、高质量地解决作业车间调度问题.     

面向绿色制造的一类模糊调度模型及其算法

绿色制造是一种综合考虑环境影响和资源效率的现代制造模式，由于其生产系统的复杂性和不确定性，使得工序的加工时间和生产成本等数据用模糊数表示更加符合生产实际。为优化调度过程中的产品质量、生产成本、资源消耗、环境污染和生产周期，建立了面向绿色制造的模糊调度模型。将多目标遗传算法与模糊优选技术相结合对该模型求解，并用案例验证了模型的实用性和算法的可行性。