求解柔性作业调度的共生进化算法

在柔性作业处理系统中,运行操作的机器、操作运行顺序及完成特定加工的操作集等均可含有柔性,作业调度的最优性依赖流程设计的结果。该文在共生遗传算法求解此问题的基础上,定义了一种新的适应度函数,将个体所参与的所有组合解的算术平均值作为此个体的适应度。引进较优的遗传交叉方法。仿真结果证明,新的适应度函数表现优异,对给定的复杂调度问题得到了更好的解。     

共生进化算法母体选择策略性能研究及改进

轮盘赌在传统遗传算法中能加快进化速度和提高解质量,以共生进化算法求解一个复杂的柔性作业调度为例,跟踪共生种群进化过程。研究轮盘赌在以求得最优组合为目标的共生进化算法中对种群进化速度、种群多样性以及解质量的影响。为提高种群进化的解质量,引入了Worst策略。仿真实验表明,轮盘赌在共生进化算法中的应用不能促进解质量的提高,Worst策略能有效调节种群的进化速度并能提升解质量。     

调整协同种群构成提升进化算法搜索性能

进化过程中种群多样性降低导致的收敛极大限制了进化算法的求解质量与搜索效率。调整种群元素策略利用进化算法收敛本性,在进化过程中向进化种群加入优势元素和随机元素,调整种群元素构成。经共生进化算法求解复杂柔性作业调度测试,定期大规模加入优势元素和随机元素能有效调整种群结构,既利用了前期种群进化收敛的结果又维持了种群进化全程的多样性。使进化算法可通过扩大搜索规模有效提高求解质量,将促进进化算法在各领域的应用深度和广度。     

基于掩码技术的共生进化算法

针对进化算法没有一个明确的引导趋势，导致在求解具体问题时，进化速度慢的问题，引入了基于共生现象的进化控制时序，使整个进化过程在时序引导下进行。文章将该算法应用于系统跟踪问题，实验结果表明此算法具有良好的性能。     

改进的自适应邻域的多目标进化算法

提出了一种新的自适应邻域的多目标进化算法,该算法采用自适应邻域的方法维护群体的分布性。探讨了根据当前群体情况进行自适应改变邻域半径,避免了传统邻域策略所引起的邻域半径的取值影响群体分布性的问题。另外,利用自适应邻域半径和拥挤距离进行密度估计,使密度小的个体得到保留。实验结果表明,所讨论的方法是有效的,在保持群体分布性上优于NSGAII和NMOEA。     

重启进化提高较大搜索规模时柔性作业解质量

种群多样性下降导致的早熟收敛限制了进化算法的求解质量与搜索效率。为应对收敛,提高较大搜索规模时的求解质量,引入随机算法中重启策略。种群收敛时,利用算法前期搜索结果（优势元素）和新产生的随机元素重新构造新种群继续进化。提高柔性作业车间调度问题解质量对实际工业生产有重要的现实意义。将重构思想应用于协同进化算法求解复杂柔性作业调度问题并跟踪种群进化状态。仿真实验结果表明,改进算法在进化过程中维持了较好的种群多样性,大幅提高了算法求解复杂柔性作业调度的搜索性能,并可以简单通过扩大搜索规模提高作业调度解质量。     

基于共生策略的多模式进化算法

借鉴生物在生态环境中的共生策略;提出了一种多模式共生进化算法,该算法主要体现了生物面对生态压力可采用不同策略协同的思想,反映了生物在生态环境中进化的多样性和多层次性,该文将该算法应用于系统跟踪问题,实验结果表明此算具有良好的性能。     

基于多策略机制的多模式共生进化算法

本文借鉴生物在生态环境中的对某一特定环境压力的多策略机制，通过模拟普遍存在的共生现象，提出了一种多模式共生进化算法．该算法主要体现了生物面对生态压力可采用不同策略协同的思想，反映了生物在生态环境中进化的多样性和多层次性．本文将该算法应用于系统跟踪问题，实验结果表明此算法具有良好的性能．     

融合学习策略和邻域搜索的飞蛾火焰算法

为进一步降低基本飞蛾火焰算法陷入局部最优的概率并提高种群多样性,提出一种融合学习策略和邻域搜索的飞蛾火焰算法.将拟反向学习策略嵌入到火焰更新过程,有助于火焰从局部最优中跳出,并且提供了更高的机会接近问题的未知最优解.对飞蛾种群基于适应度值分群,其中一个群采用排序配对学习策略以实现个体间的信息交流,另一个群采用邻域搜索策...     

基于邻域表的多目标进化算法

针对算法性能和运行时间的矛盾,提出一种基于邻域表的多目标进化算法(NLEA).采用类似于图中邻接表的结构对解个体进行存储,利用个体之间的邻近关系从拥挤程度和距离上对其进行分级适应度赋值,并根据适应值调整个体链表中的次序以便高效的进行环境选择操作.通过7个测试问题和3个方面的测试标准,结果表明新算法在较快速的接近真实的最优面的同时,拥有良好的分布性.     

柔性作业调度的串并行模型对比与求解

作业处理中的柔性使得作业调度更为灵活,作业中操作的执行顺序满足拓扑排序是作业调度的前提。是否允许没有优先关系的操作在不同的机器上同时执行是区分串行和并行调度的条件。文中以共生进化算法求解一个复杂的作业调度模型为例,给出了算法实现串行调度和并行调度的具体区别,并给出了串行和并行调度的结果。结果表明,并行相对于串行对算法效率的提高与柔性大小相关,与作业的规模成反比。     

对策论中最优策略搜索的协同进化演化算法

在对策论中,寻找最优策略是一个十分困难的问题,设计了一个协同进化的演化算法,并对此做了初步的研究和尝试。在算法中采用了决策树的编码表示方法,设计了基于决策树的杂交和变异算子,并引入了分裂算子和惩罚因子来平衡策略的复杂度和可读性。此算法应用在猜数字这个复杂的游戏上,实验结果表明该算法有效且快速。     

自适应邻域的多目标网格任务调度算法研究

针对网格计算中的多目标网格任务调度问题,提出了一种基于自适应邻域的多目标网格任务调度算法。该算法通过求解多个网格任务调度目标函数的非劣解集,采用自适应邻域的方法来保持网格任务调度多目标解集的分布性,尝试解决网格任务调度中多目标协同优化问题。实验结果证明,该算法能够有效地平衡时间维度和费用维度目标,提高了资源的利用率和任务的执行效率,与Min-min和Max-min算法相比具有较好的性能。     

利用优势元素改进进化算法求解柔性作业调度

进化算法进化过程中种群多样性的降低导致的收敛极大限制了进化算法的求解质量与搜索效率,通过扩大搜索规模并不能有效提高算法求解质量。在共生进化算法求解柔性作业调度的基础上,研究进化算法在较大搜索规模下的种群状态进化过程,并在进化过程向种群内批量加入优势元素,调整种群模式构成。仿真实验表明：与传统进化算法相比,进化过程中加入优势元素能有效提高算法的求解质量与搜索效率,在较短的时间内能得到较好的解,并且在较大搜索规模时表现了更好的搜索性能。     

并行流程车间调度问题及其概率学习进化算法

并行Flowshop调度问题兼有并行机器和流程车间调度问题的特点,是一类新型的调度问题.针对最小化最大完工时间目标函数,建立了一般并行Flowshop调度问题的整数规划模型.鉴于问题的求解复杂性,设计了基于概率学习的求解算法.对随机生成的测试问题进行求解,实验结果显示出该算法求解并行Flowshop调度问题的良好潜能.     

基于Petri网模型的JSP粒子群优化调度

提出一种有效的基于Petri网建模及改进的编码粒子群算法的车间作业调度问题优化算法,分析对比了现有的作业车间调度领域中的基于人工智能的优化算法,对所提出的基于Petri网建模和改进的粒子群算法的优化算法进行了性能分析,并对该算法进行了仿真研究,结果表明该算法是可行、有效的。     

An asymmetric multileveled symbiotic evolutionary algorithm for integrated FMS scheduling

This paper considers the integrated FMS (flexible manufacturing system) scheduling problem (IFSP) consisting of loading, routing, and sequencing subproblems that are interrelated to each other. In scheduling FMS, the decisions for the subproblems should be appropriately made to improve resource utilization. It is also important to fully exploit the potential of the inherent flexibility of FMS. In this paper, a symbiotic evolutionary algorithm, named asymmetric multileveled symbiotic evolutionary algorithm (AMSEA), is proposed to solve the IFSP. AMSEA imitates the natural process of symbiotic evolution and endosymbiotic evolution. Genetic representations and operators suitable for the subproblems are proposed. A neighborhood-based coevolutionary strategy is employed to maintain the population diversity. AMSEA has the strength to simultaneously solve subproblems for loading, routing, and sequencing and to easily handle a variety of FMS flexibilities. The extensive experiments are carried out to verify the performance of AMSEA, and the results are reported.     

基于遗传算法车间流控制中调度问题的研究

提出了实现车间调度的混合遗传算法的设计方案，把经典的启发式算法、自适应算法与遗传算法相结合，将启发式搜索运用于初始种群的生成，充分发挥遗传算法良好的全局搜索能力和启发式搜索结构简单搜索速度快的特性，采用自适应方法改进交叉概率与变异概率，并通过实验验证了算法的有效性、