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.     

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。     

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。     

基于并行遗传算法的车间调度问题求解

本文首先引入了车间调度问题的数学模型,并讨论了调度策略的设计,在此基础上提出了解决问题的设计思路,并给出了并行遗传算法的实现步骤,最后对本文解决问题的算法进行了实验结果分析,表明此算法可以得到较好的解.     

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。     

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。     

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。     

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。     

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。     

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。     

遗传-蚁群混合算法解决高校排课问题的研究

排课是高校教务部门的常务性工作,随着高校的发展,排课任务变得越发艰巨。因此,研究一套高效的自动排课系统,极具现实意义。文章首先建立排课数学模型,通过将遗传算法与蚁群算法融合,依靠遗传算法生成信息索分布,利用蚁群算法求精确解,优势互补,获得了良好的优化性能与时间性能。     

基于遗传算法的流水线型JSP优化问题的研究

生产过程的时间组织是现代企业生产管理的重要组成部分,由整体优化的原则,应用遗传算法对编制流水线型生产作业计划问题进行分析与设计,优化作业车间的调度,实现生产系统成本的降低和生产周期的缩短,提高企业运作效率。该算法利用标准问题测试能够得到最优解,这为求解流水型车间作业调度问题提供了一种有效的方法。     

模糊环境下的多目标柔性车间作业计划优化问题研究

首先介绍了具有模糊加工时间和模糊交货期的柔性车间作业计划问题,接着阐述了基于可能性理论的最小化制造跨度目标函数,以及基于有符号距离与区间数距离的提前/拖期惩罚函数,并以此为基础构造多目标柔性车间作业计划问题的适应度函数。针对上述多目标柔性车间作业计划问题,给出了改进粒子群算法进行有效求解,通过对粒子群参数进行自适应优化来有效平衡算法的全局搜索与局部搜索能力,最后通过实例验证了求解算法的可行性和有效性。     

基于遗传算法的R＆D项目实物期权评价模型

为了有效地解决R&D项目评价中存在的多变量、多目标、多阶段、不确定性等复杂问题 ,本文提出了基于遗传算法的R&D项目实物期权评价模型和求解步骤     

基于遗传算法的含分布式发电配网孤岛划分

针对配网孤岛划分可能产生电能质量较差的最优解这一情况,提出了一套产生妥协解的孤岛划分方案。该方案利用遗传算法在第一阶段通过优先级优化生成备选种群,第二阶段在有限级上做出妥协,从备选种群中筛选出具有较高电能质量的妥协解。在IEEE 33节点配电系统上的仿真结果显示,最优妥协解的优先级损失5%,而电能质量提高了45%。仿真结果说明文章提出的孤岛划分策略能够在保证一定的优先级的前提下显著提高孤岛的电能质量。     

云计算中基于改进遗传算法的负载均衡优化模型

由于云计算环境的动态性和复杂性,云环境很容易出现负载失衡现象。文章将精英选择策略引入遗传算法中,结合虚拟机综合负载能力指标,提出了基于改进遗传算法（IGA）的负载均衡优化模型。仿真实验表明,相对于Min-Min算法, IGA算法能很好满足云环境下负载均衡的要求,提高资源利用率和负载均衡度。