基于遗传算法的车间作业调度问题探索

文章针对车间作业调度问题(JSSP),在该数学模型的基础上,讨论了遗传算法在解决JSSP中的应用。     

车间调度问题的一种基于遗传算法的混合调度算法

针对车间调度问题,提出一种基于遗传算法的混合调度算法。该算法主要有两部分组成:遗传算法和操作加工时间分配算法。在遗传算法中,采用基于工件操作的符号编码,对于其中违反操作约束的个体,提出了一种基因调整方法。通过遗传算法确定出所有工件操作的调度次序。在该次序基础上,采用一种基于启发式的操作加工时间分配算法为每个工件的每个操作分配时间。仿真结果表明,该算法能达到较好的调度结果。     

基于自适应遗传算法的混合流水车间调度研究

混合流水车间调度问题具有建模复杂性、动态多约束、计算复杂性、多目标性等特点,近些年,各种演进化算法被运用到生产调度中,特别是遗传算法的应用。本文提出了自适应遗传算法求解混合Flow-shop调度问题的方法,应用Matlab对算法进行编码,并利用实际的生产数据进行了仿真。通过仿真实验,仿真调度数据验证了自适应遗传算法用于求解大型流水车间调度的可行性和有效性。     

基于遗传算法的柔性作业车间等量分批调度问题研究

针对柔性作业车间等量分批调度问题的复杂性,文中采用遗传算法进行求解.引入等量分批的策略,并提出了染色体的两级编码方法,设计了两种交叉和变异操作方法,以防止操作中非法解的产生,提高求解效率.对比整批调度和等量分批调度的生产周期,仿真结果表明,等量分批调度可缩短生产周期,验证了本文采用算法的可行性和有效性.     

基于自适应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,提出一种自适应遗传算法.该遗传算法所采用的编码方法,使得产生的染色体和进行道传操作后得到的染色体对应的都是可行的调度;使用的自适应交叉和变异概率,使得最优个体能复制到下一代中,提高了搜索效率.仿真结果表明用该遗传算法解决柔性作业车间调度是有效的.     

利用单亲遗传算法求解作业车间调度问题

文章认为,调度问题在现实环境中几乎无处不在,作业车间调度问题是许多实际生产调度问题的简化模型,是一个典型的NP-hard问题,它的研究具有重要的理论意义和工程价值,遗传算法是模拟生物界进化规律,基于"适者生存"的一种高度并行、随机和自适应优化算法。单亲遗传算法是模拟生物界单性生殖的一种遗传算法,按照目前的研究,该算法很适合用来解决生产调度这类有约束的复杂工程优化问题。     

作业车间调度问题综述

介绍了作业车间调度问题的理论、模型,对当前求解作业车间调度问题的各种方法进行分类并逐一进行分析比较,指出各种方法的优缺点。总结了今年来在该领域取得的研究成果和存在的问题,并对今后的发展方向进行了讨论。     

改进蚁群算法在车间作业调度问题中的应用

Job Shop问题是与实际生产相关的多约束组合优化问题,具有约束较多,计算量大的特点,一直以来是研究的热点。应用改进型蚁群算法解决车间作业调度问题。在原有标准蚁群算法的基础上采用了新的信息素更新规则,提高了算法的效率和可用性。实验结果表明算法对解决小规模Job Shop问题有很好的性能。     

遗传算法在多目标车间作业调度中的应用

遗传算法在作业调度上的应用,是近年来才发展的研究方向,对复杂工业过程中的建模、控制和优化领域的研究有十分重要的意义。在实际生产调度过程中,除了找出合理的最佳作业调度方案,还要考虑到决策者偏好问题:决策者可以选择最大完工时间最小化,也可以选择最大延时时间最小化,对于这样一个多目标问题,本文引入一个偏好函数来解决这一问题。     

求解Flow Shop问题的改进遗传算法

在对FSP问题进行描述的基础上,提出了一种新的改进遗传算法。该算法针对遗传算法的弱点进行了一系列的改进:设计一个新的选择策略和一个新的多交叉算子策略来避免早熟并引入了兄弟竞争的策略来加快收敛速度和全局搜索能力。仿真计算表明了该算法的良好收敛性和有效性。     

改进的分布估计算法求解混合流水车间调度问题研究

基于混合流水车间调度问题（HFSP）的特点,建立了数学模型,优化了其编码设计及概率模型设计,并将模拟退火思想成功引入到分布估计算法（EDA）中,实现了对分布估计算法的改进。通过实例对改进的算法进行了仿真实验,并将实验结果与其它已有算法进行了比较,验证了算法的优越性。     

基于小种群策略的并行遗传算法

遗传算法作为一种基于生物进化机制的自适应算法,适用于各类复杂系统的优化计算。然而标准遗传算法所具有的易早熟、易陷入局部最优等问题,在一定程度上限制了遗传算法的推广和使用。在对遗传算子做出改进的基础上,提出了一种基于小种群策略的并行遗传算法,从而有效地提高了遗传算法的执行效率和性能。     

并行分布式遗传算法的研究

传统遗传算法在面对一些搜索空间巨大的复杂问题时,其表现往往难以令人满意。作者针对传统遗传算法解决高维多峰值问题时可能会出现的困难进行了分析,然后根据困难出现的原因,基于PVM设计了并行分布式遗传算法,并对适应度评估、交叉、变异算子做了一些改进,旨在加强算法的全局搜索能力,提高算法的收敛速度。为了验证算法多项措施的有效性,对一多峰函数在高维条件下进行多方面的测试,实验结果表明这几项措施是有效的。     

基于动态惯性权重的PSO算法求解Job-shop调度问题

本文利用基于动态惯性权重的粒子群算法对JSP问题进行求解,通过在粒子群算法中引入非线性的惯性权重函数,使得粒子在搜索空间中的全局探索和局部精调能力得以调节和平衡,从而有效求得调度的全局最优值.仿真实验结果表明该算法对经典JSP问题求解的可行性和有效性.     

并行机调度遗传算法研究

为解决接近实际生产状况的并行机调度问题,将工件延迟与提前完成成本、机器闲置时间成本、机器启动成本列入考虑因素。在遗传算法的设计上,提出了一套染色体的组成方式,设计了适应度函数和进化机制,使其能较好地表示问题的解空间并提升求解效率,具有一定的实用价值。     

基于遗传算法的水库防洪调度决策支持系统

本文以辽宁省省级防洪调度决策支持系统建设为背景,提出基于遗传算法的水库防洪调度决策支持系统,该系统具有较强的科学性、灵活性和实用性。     

一种改进的并行混合遗传算法在求解TSP问题中的应用

遗传算法(GeneticAlgorithm,GA)是一种基于自然群体遗传机制的有效搜索算法。由于它在搜索空间中同时考虑许多点,这样就减少了收敛于局部极小的可能,也增加了处理的并行性。因此,可以利用并行遗传算法(PGA)研究典型的组合优化实例-TSP问题(旅行商问题)的求解问题,提出一种改进的主从式并行混合遗传算法求解TSP问题。实验结果表明,该方法在解的精度和速度上优于以前的算法。     

基于改进遗传算法的知识网格资源调度研究

传统的遗传算法比较适用于解决单一目标问题.在知识网格中,任务和资源的调度问题是十分复杂的,往往需要考虑时间、成本等多个目标的约束.为了克服传统遗传算法在解决多目标约束问题上的不足,采用实际值与预算值偏差最小的多目标规划方法建立资源调度模型,通过优先级指导的多目标选择方法,生成子群满足子目标约束,并将结果集合在一起来满足整体目标,再经过交叉和变异计算来生成新的种群.提高了算法搜索能力和收敛速度,能更有效地解决多目标约束的知识网格资源调度问题.     

批量生产柔性作业车间分批调度问题研究

针对柔性作业车间柔性分批调度问题的复杂性,采用遗传算法进行求解。引入子批和批量的柔性分批的方法,并提出了染色体的两级编码方法,设计了两种交叉和变异操作方法,以防止操作中非法解的产生,提高求解效率。该算法同时解决解决子批与批量分批,而且也解决子批排序和选择加工路线的问题。比较分批调度的生产周期与整批调度的生产周期,通过计算机仿真,证明提出的分批调度方法可缩短生产周期,并验证文中所设计的算法的可操作性。     

并行技术领域中调度算法研究

主要对同构和异构环境下的并行任务调度算法进行分类,对任务调度模型以及调度算法进行阐述并列表比对;对分布式任务调度,介绍了两种算法--全局动态调度ADS算法和上次优先调度LFS算法,最后指出设计合理并行任务调度算法的重要性.