混合候鸟迁徙优化算法求解柔性作业车间调度问题

将基本候鸟迁徙优化(Migrating birds optimization, MBO)算法与变邻域搜索策略相结合,提出了一种混合候鸟迁徙优化(Hybrid migrating birds optimization, HMBO)算法求解以最小化最大完工时间为目标的柔性作业车间调度问题(Flexible job shop scheduling problem, FJSP).首先,给出了两段式编码/解码方式.为了保证初始解的质量和多样性,设计了一种两阶段种群初始化方法;其次,引入了一种个体重置机制,以避免算法陷入局部最优解.根据FJSP问题的特点,采用3种邻域结构用于构造个体邻域解,并以此为基础设计了一种变邻域搜索算法,增强算法的局部搜索能力.最后,通过基准算例测试了算法的性能,实验数据验证了本文算法在求解FJSP问题方面的有效性.     

多目标模糊柔性作业车间调度问题优化

为降低柔性作业车间调度中的能耗,针对实际制造车间中工序加工时间和交货期的不确定性,将加工时间和交货期采用模糊数表示,建立以完工时间、平均满意度和最小满意度为柔性作业车间调度问题的多目标函数。同时设计了邻域遗传算法(GANS)求解该问题,算法采用机器选择的方法产生初始种群,并采用工序插入式方法对染色体进行解码;采用动态交叉概率及改进精英保留策略来保证种群的多样性和加快算法的收敛速度;并提出一种基于移动模糊关键工序的邻域结构来加强算法的局部搜索能力。最后通过数值实验验证了模型和算法的有效性和可行性,并对4个基准问题进行测试。结果表明:该算法在求解的精度、鲁棒性和解集的分布性方面与传统算法相比具有一定的优势,是一种有效的求解模糊柔性作业车间调度问题的新方法。     

基于遗传算法的路径柔性作业车间调度优化

针对柔性作业车间调度问题中加工路径的多样性,以最长完工时间最短化为优化目标建立调度模型,采用遗传算法进行模型求解。提出一种基于工序与机器编码相融合的二维矩阵编码方法。在遗传进化过程中,通过附加方法产生新个体以扩展搜索范围,对交叉和变异算子进行了分析。通过算例验证了该算法的可行性和有效性。     

基于改进遗传算法的柔性作业车间调度问题研究

针对柔性作业车间调度问题的特点,以产品的加工周期最短为目标,提出了一种改进的遗传算法,采用双子串的方式来进行编码,并且基于此给出了独特的交叉和变异法则。同时通过具体的实例仿真分析说明该算法的有效性。     

含运输时间的柔性作业车间调度问题研究

在工厂实际生产中,零件加工的运输时间占整个加工时间的比例是很大的,这个时间在生产调度时不可忽略。为了更合理的研究柔性作业车间调度问题,将运输时间考虑进调度模型之中,并在经典遗传算法的基础上进行改进,设计了一种新的启发式规则算法,嵌入在遗传算法中,用于该问题的求解。通过计算结果的比较,证明此调度模型更符合实际生产情况。改进后的算法能够得出解的效率更高。     

基于混合变邻域遗传算法的柔性车间调度研究

针对柔性作业车间调度的问题，以最大完工时间为目标建立数学模型，提出一种混合变邻域遗传算法。采用三种初始化方法保证初始解的质量，用遗传算法进行初步搜索，将搜索的结果通过迭代贪婪策略进一步搜索，以提高解的质量，再对关键路径进行邻域搜索，设计“跨机器工序搜索邻域”、“同机器工序搜索邻域”、“次优工序搜索邻域”三种邻域结构，加强局部搜索能力。引入迭代贪婪策略和改进的邻域结构可显著提高算法的稳定性与迭代速度。通过对国际通用的柔性作业车间调度基准算例进行测试，实验结果表明所提改进算法能够有效求解柔性作业车间调度问题。     

求解柔性作业车间调度问题算法综述

柔性作业车间调度问题(Flexible Job-shop Scheduling Problem,FJSP)是一类典型的组合优化问题,也是几个经典的NP-hard问题之一.由于其应用的广泛性和求解的复杂性,这一问题受到了众多学者的关注.基于此,针对现有的关于FJSP的相关研究进行归类总结,将已有的求解方法分为精确算法、启...     

模糊分布式柔性作业车间调度问题的求解算法

针对加工时间不确定的模糊分布式柔性作业车间调度问题,在引入三角模糊数的基础上,提出了一种改进的灰狼优化算法以最小化最大模糊完工时间．该算法的主要特点是设计了一种基于工序、工厂和机器的三层编码方案,提出了一种混合初始化策略以提高种群质量,采用基于非线性函数和动态权重的更新机制协调算法的全局探索和局部开发能力,提出四种邻域搜索结构提高解的质量．最后通过不同规模的仿真对比实验,验证了该算法在求解模糊分布式柔性作业车间调度问题上的有效性和优越性．     

一种求解柔性作业车间调度问题的改进灰狼优化算法

针对柔性作业车间调度问题,以最大完工时间最小化为目标提出了一种改进灰狼优化算法(IGWO),采用两段式的编码方式来构造算法个体位置与调度方案之间的关系,使用基于启发式规则的初始化种群方法来提高初始解的质量.为了平衡算法的全局搜索与局部搜索,提出一种基于双曲正切函数的非线性收敛因子公式,并在算法的个体更新阶段提出了一种基于适应度值的加权方法,在算法决策层嵌入了变邻域搜索算法.通过仿真实验表明,算法在求解柔性作业车间调度问题上是有效的.     

耦合约束柔性作业车间调度优化研究

为扩展工艺约束的存在形式,对耦合约束柔性作业车间调度模型构建与调度优化算法设计进行探讨。在沿用链式约束调度的形式化与图形化描述构建耦合约束模型的基础上,对耦合约束邻域结构进行设计,选取禁忌搜索算法为设计框架,围绕算法执行步骤进行设计,并采用耦合约束案例与Brandimarte测试数据验证调度优化算法的适用性与优化性。耦合约束模型构建与调度算法的探讨为多部件系统作业的调度优化提供解决方案,也为调度相关邻域的深入研究拓宽思路。     

基于生产费用的柔性作业车间调度优化

考虑在制品库存费用、机床工时费、直接工人的工资费用、工件的提前和拖期完工造成的损失费用,提出了一种双资源柔性作业车间调度的生产费用计算方法.将模拟退火算法嵌入遗传算法中,设计了一种新的混合遗传算法.该算法首先利用遗传算法快速搜索一组较好的解,然后利用模拟退火算法进行群体寻优.采用基于工序的编码和一种新的解码方法,并运用多种交叉方法使得算法能够在解空间中尽可能地搜索最优解.为了避免最优解在进化过程中损失,采用择优操作将每代中的最优解保留下来,并不断更新.仿真结果表明:该方法是可行的,并具有一定的优越性.     

柔性作业车间多目标调度优化研究

研究了多目标柔性作业车间调度问题(FJSP),提出了一种基于Pareto的混合遗传算法,并建立了包括生产周期、总拖期时间和机床负载在内的多目标优化模型.该算法采用基于工序的编码方式和活动化解码方法,将Pareto排序策略与Pareto竞争方法结合起来.为了保证解的多样性,采用小生境技术并同时使用多种交叉方法,用Pareto解集过滤器保存进化过程中的最优个体,防止最优解的遗失.算法最后给出问题的Pareto最优解集.仿真试验证明,提出的混合遗传算法可以有效解决多目标FJSP.     

缓冲区间有限条件下的作业车间调度方法

针对缓冲区间有限条件下的作业车间调度问题,以最小化make-span为目标建立了非线性混合整数规划模型,提出了基于邻域搜索的两阶段算法对问题进行求解.算法的第一阶段为迅速找到可行解,第二阶段为基于非连通图,通过邻域搜索对得到的可行解进行优化.针对benchmark算例进行测试并与已有的算法进行对比,验证了算法的有效性.对比分析发现,如果工件的加工时间符合均匀分布,当缓冲区间容量与工件数量的比例达到20%,缓冲区间大小对调度结果的影响将会迅速变小.     

改进混合蛙跳算法求解考虑运输时间的柔性作业车间调度问题

【目的】考虑到工件在机器间的转移，对具有运输时间的柔性作业车间调度问题进行研究。【方法】建立以最小化最大完工时间为目标的数学模型，并设计一种改进的混合蛙跳算法(Improved shuffled frog leaping algorithm，ISFLA)。在该算法中，从全局和局部的角度产生高质量的初始种群，考虑运输时间的贪婪插入解码能够合理地安排工件在机器上的加工顺序。批处理的模因组搜索方法能够充分利用模因组内其他个体信息，扰动策略可以防止算法陷入局部最优。此外，基于关键路径设计两种局部搜索策略以进一步提升解的质量。【结果】通过21组不同规模的算例进行测试，测试结果证明了ISFLA的有效性。【结论】ISFLA能够有效解决考虑运输时间的柔性作业车间调度问题。     

结合优先指派规则的车间作业问题的枚举算法

车间作业调度问题是一个典型的NP完全问题,这种问题的精确求解算法的计算时间会随着问题实例规模的增大而呈指数增加.针对车间作业调度问题的难解性,给出了一个求解该问题的快速枚举算法.该算法是按照枚举算法的一般步骤来进行设计的,在设计过程中对于算法所涉及到的初始解问题、分枝问题以及剪枝策略等问题给出了旨在减少算法计算时间的解决方案.该算法找到了所测试的9个标准算例中4个算例的精确最优解.     

柔性流水作业排序问题的贪心算法求解

柔性流水作业排序问题是一类复杂的车间作业调度问题。针对通常情况下调度问题求解困难的问题,给出了求解柔性流水作业排序问题近似解的贪心算法,并对其性能进行了分析测试。结果表明,虽然该贪心算法求出的近似解与最优解相比有一定误差,但由于其时间复杂度较小,因此对求解车间作业调度问题仍有一定的现实意义。     

基于改进遗传算法的柔性作业车间调度优化

在实际生产中,加工成本愈发成为企业关注的重要因素。对以最小化加工成本与完工时间为目标的柔性车间调度问题进行了研究。首先,根据实际约束构建调度模型,提出改进遗传算法对模型进行求解,引入质量基因段来增强对染色体适应度值的评价,加速淘汰质量差的个体。其次,为了优化求解质量,提出了基于整体负荷最小与局部负荷最小的种群初始化方法,并设计了精确变异机制来维持种群多样性。最后,用标准算例进行测试,相比于其他改进遗传算法,求解速度得到提高,求解质量也得到了提升,验证了此改进遗传算法的有效性。     

改进型蚁群算法在Job Shop问题中的应用

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状态转移规则,讨论了各种不同的轨迹更新规则对仿真结果的影响,并通过统计数据验证了改进型蚁群算法优于标准的蚁群优化算法。由于算法中的参数对算法的求解效率和求解结果都有一定的影响,所以对此也进行了初步的研究,得到了运行较好的参数取值范围。