混合遗传算法求解车间作业调度问题

所谓生产调度问题,其实质如何分配资源使其更优化．这里我们所讲的资源指的是车间生产所需的设备资源．对车间生产作业调度问题进行求解,其目的就是要找出一个能够将一组工件更为科学、合理的安排到机器上从而实现最优化的生产作业方案．本文采用一种启发式算法和遗传算法相结合的混合遗传算法,在运用过程中给出其应用方法．     

蚁群动态调度算法在混流车间作业调度的应用

混流车间作业调度是实际生产环节中的一个重要问题,也是制造系统生产管理的核心,同时实际的生产系统是一个动态生产环境.文中提出蚁群动态调度算法,通过实例具体分析并且跟传统的启发式算法相比较,实验结果证明蚁群动态调度算法对混流车间作业调度问题有较优的加工路径.     

求解车间作业调度问题的免疫粒子群算法

粒子群算法已成功地应用于著名的旅行商问题和其他一些组合优化难题。为了使用粒子群算法来解决生产问题，该文在原有的粒子群优化模型的基础上提出了一种新的免疫粒子群算法，由具体算例验证该算法是有效的。     

作业车间调度问题解的不可行性检测算法和快速修复算法

为了判别作业车间调度问题的解的可行性,提出了一种基于图论的启发式判别算法,并通过实例验证了方法的正确性.提出了普适于作业车间调度问题的快速修补新算法,可以对于作业车间调度问题的不可行解进行修正使之变成可行解.判别算法和修补算法在最不利情形下的计算复杂性均为O(n),判别算法在最有利情形下的计算复杂性为O(2 |J|+|...     

交互烟花算法求解多车型需求可拆分车辆调度问题

针对物流配送过程中客户需求较大、单辆车难以满足且客户对驶入车型有限制的问题,构建了多车型需求可拆分车辆调度模型。提出交互烟花算法(interactive fireworks algorithm,In-FWA)优化求解模型,在烟花算法(fireworks algorithm,FWA)的基础上作出如下改进:1)在FWA常规爆炸中引入一种新的扇形爆炸机制,加强了烟花间的信息交流;2)使用螺旋变异方式替换了原有的高斯变异,加入了变异烟花与当前最优烟花间的信息交流;3)采取种群间精英群体吸取较差群体中较优维度的方式,进一步加强了算法种群间的信息交互性。最后,通过实验进行验证并与增强型烟花算法(enhanced fireworks algorithm,EFWA)、粒子群优化(particle swarm optimization,PSO)算法、免疫粒子群优化(immune particle swarm optimization,IPSO)算法、蚁群算法(ant colony algorithm,ACA)进行对比分析。结果表明In-FWA具有更高的收敛速度与局部搜索精度,明确了In-FWA求解该问题的有效性与优越性,并提出基于本算法的车辆调度方案。     

关于车间作业调度的分布式遗传算法

本文针对车间调度问题提出了一种分布式遗传算法,并结合实例说明了算法的实现过程。介绍如何在车间作业计划调度中利用改进遗传算法,达到减轻人员负担,提高企业生产效率的目的。     

基于工作中心编码的车间作业调度算法研究

对于n个工件m台设备的作业调度问题,分析了基于作业工序编码算法存在的不足,提出了基于工作中心编码的遗传算法,即在不同染色体相同工作中心之间进行作业交换,有效扩大搜索解的空间。实验表明,基于工作中心编码算法的调度效果和调度效率均优于基于工序编码的算法。     

基于改进遗传算法的柔性作业车间调度研究

针对中小型企业生产车间柔性作业调度问题,采用改进的遗传算法求解最优调度结果。将最大完工时间最小化作为调度目标,对经典遗传算法进行相应的改进。首先利用粒子群算法获取工序序列与粒子参数之间的映射关系,在初始种群中利用混沌映射和反向学习策略以提高初始种群质量;然后提出一种将机器编码和工序编码相结合的分段编码方法,以解决某道工序有多台可选机器加工的问题;最后利用自适应交叉和变异概率提高算法收敛速度。通过对 Brandimarte 设计的 10 组不同规格的基准案例进行仿真实验,得到进化曲线和最优调度方案。实验结果验证了该方法的实用性和有效性。     

最小化最大延误无等待流水车间调度问题的禁忌搜索算法(英文)

为求解最小化最大延误无等待流水车间调度问题,提出了3个基于任务块交换的邻域,其中块交换邻域的规模为O(n4),块对换和简化块交换邻域的规模为O(n3).所提邻域的规模均大于现有邻域,因此可提高局部搜索算法的解质量.给出了3个邻域的加速性质,使一个相邻解的评估时间为常量,邻域的评估时间与其规模成正比.同基于支配规则的加速方法相比,所提出的加速性质适用于任何机器数.在禁忌搜索中比较了3个邻域,以及块对换和简化块交换邻域的并集.标准实例集上的计算结果表明:3个基于O(n3)邻域的禁忌搜索算法均好于现有算法;在所有的测试算法中,采用邻域并集的禁忌搜索算法的性能最好.     

单件小批量混合车间调度算法

在现代企业生产中,单件小批量混合生产类型占很大的比例。针对单件小批量混合车间调度问题,综合考虑工序约束条件、工件生产类型和工期,以最小化总完工时间为目标,提出了调度优化遗传算法。该算法采用基于优先权编码的遗传算法,解决了目前单件小批量混合车间调度中设备空闲时间长,不能有效缩短调度周期的问题。     

用遗传神经网络混合算法求解可变加工时间Job-shop调度问题

有效地混合了遗传算法和基于约束满足的自适应神经网络算法,对于一类加工时间可变的调度问题进行了研究.遗传算法被用来进行迭代寻优.当前代经交叉和变异后生成的染色体对应非可行解,由自适应神经网络运算后得到可行解,对应的染色体作为新一代染色体.本算例的目标函数是基于任务的提前/拖期惩罚、附加惩罚以及加工时间的偏离量惩罚,目标是确定最优加工时间和最优加工顺序极小化目标函数,并与一般的遗传算法相比较,实验结果说明了遗传/自适应神经网络算法混合算法的有效性.     

求解0/1背包问题的烟花算法研究

0/1背包问题是一个典型的NP难题,具有重要的理论研究价值,也具有广泛的应用基础。借鉴北京大学关于烟花算法的新近成果,尝试考虑二者的结合,初步设计并实现了求解0/1背包问题的烟花算法,开展了较为充分的实验,并作了相关分析与探讨。     

并行烟花算法求解多货场电子商务物流运输调度问题

根据电子商务物流运输调度过程中的特征,考虑了不同区域司机配送成本、多货场、时间窗等约束条件,建立了一种多货场电子商务物流运输调度模型,并提出一种并行烟花算法进行求解.所提出的算法采用货场车辆数与最大位置法结合的实数编码方式,并提出一种并行交流策略加强了算法的全局搜索能力以及提高运算速度.对比实验表明,相对于改进前的烟花算法,并行烟花算法具有较好的求解精度和求解时间.     

基于下降搜索的混合遗传算法求解装箱问题

研究一种在基本遗传算法中嵌入下降搜索算子形成的混合遗传算法。这种优化算法是在传统遗传算法的全局随机搜索基础上,借鉴利用每一代群体中最劣个体所包含的优化信息作为下降搜索方向来优化种群。实验证明,该混合算法可以加快算法的收敛速度,具有良好的优化性质和函数适应能力,是解决装箱问题的一种有效途径。     

基于下降搜索的混合遗传算法求解装箱问题

研究一种在基本遗传算法中嵌入下降搜索算子形成的混合遗传算法。这种优化算法是在传统遗传算法的全局随机搜索基础上,借鉴利用每一代群体中最劣个体所包含的优化信息作为下降搜索方向来优化种群。实验证明,该混合算法可以加快算法的收敛速度,具有良好的优化性质和函数适应能力,是解决装箱问题的一种有效途径。     

烟花算法在联合补货问题中的应用研究

烟花算法作为一种新型群体智能优化算法,在众多领域得到成功应用。联合采购品种的不断扩大对算法性能提出了巨大挑战。针对联合补货问题设计了基于烟花算法的求解方案,并利用基础算例证明方案有效性。随机生成的大规模算例表明,烟花算法相较于混合差分进化算法,在求解大规模联合补货问题时可获得更优的近似最优解,具有更快的收敛速度和更高的稳定性,验证了烟花算法在混合整数规划方面的应用效果。     

A New Algorithm for Resource Constraint Project Scheduling Problem Based on Multi-Agent Systems

Intheprojectmanagement,theschedulingproblemforshorteningthedurationundertheconstraintofre sourcesiscalledresourceconstrainedprojectschedulingproblem (RCPSP) [1] .Withtheincreasingcompetitionwithinglobalmarket ,thereisanurgentneedforenter priseintegration .Asanexample ,modernbusinessesnolongercompeteasindividualcompaniesbutratherassup plychains .Thus ,thesuccessofasinglecompanyde pendsonitsabilitytomanageandintegratenetworksofvariousbusinessrelationshipsinwhichcertainactivitiesarelinkedtoothe…     

基于烟花算法的EMD信号降噪方法

为了增加基于阈值的EMD方法的降噪性能和自适应性,提出一种基于烟花算法的EMD信号降噪方法,依据EMD分解得到本征模函数分量个数,动态确定烟花的维数,以批处理方式确定各个本征模函数分量的最优阈值并降噪,然后利用降噪后的本征模函数分量进行信号重构.仿真结果表明,所提出的方法降噪性能优于软阈值的EMD和基于蚁群优化的EMD降噪方法.     

基于改进蚁群遗传算法的排课问题研究

提出了一种以蚁群算法为主,利用遗传算法经过交叉,变异,选择后产生进化的信息素作为蚁群使用的信息素.在遗传算法多次进化效果不明显时,引入模拟退火算法进行跳变的混合算法,使各种算法取长补短,改善了蚁群算法初始阶段运行缓慢和遗传算法局部搜索能力弱的缺点.提高了运行效率,同时运用这种改进的算法对高校排课问题进行仿真,从而比较算法改进的优缺点.