基于粒子群优化的多目标作业车间调度

为了利用粒子群优化算法解决作业车间调度问题，提出了将调度问题转化为连续优化问题的有效策略；设计了Pareto档案粒子群算法（PAPSO），该算法将档案维护和全局最好位置选取结合在一起，在档案维护过程中为每个粒子选取全局最好位置；给出了变异与PAPSO的结合新策略；最后将PAPSO和带变异的PAPSO应用于15个调度实例，以最小化总拖后时间和最大完成时间，与强度Pareto进化算法2等算法进行比较，结果验证了PAP—SO在作业车间调度方面的良好性能．     

基于差分量子粒子群优化算法的作业车间调度

针对作业车间调度问题(job-shop scheduling problem, JSP)中存在的求解复杂程度高、动态性强等难题,提出基于差分特性的量子粒子群优化算法。量子粒子群算法引入量子机制克服了粒子群算法在全局收敛性上的不足,并采用差分进化思想对粒子状态进行更新,借助变异操作增大种群多样性,对早熟粒子进行交叉选择操作,防止个体收敛到局部极值,进一步采用多邻域搜索方法以提高算法的寻优速度。对FT、LA两类JSP算例进行求解,将所提算法与离散粒子群算法、遗传算法以及细菌觅食算法进行实验对比。结果表明,4种算法收敛到FL10算例理论最优解的时间分别为127、134.8、143.5以及141.3 s;而LA36算例的理论最优解为1 268,4种算法所得结果分别为1 294.6、1 457.4、1 374.3以及1 398,且所提算法收敛时间最短。仿真结果表明所提算法能以较快的收敛速度得到最优解,相比于其他算法,寻优速度和精度都有了明显提升。     

求解作业车间调度问题的粒子群优化算法

讨论了作业车间调度问题的数学表达模型,考虑将粒子群优化算法与差异演化算法的优点结合起来,提出求解作业车间调度问题的新的混合粒子群优化算法,对7个标准算例的仿真结果表明了算法的有效性和优越性.     

基于混沌量子粒子群算法的置换流水车间调度

流水车间调度问题广泛存在于企业生产过程中,优化的调度方案可以提高企业生产效率,降低生产成本。提出了基于混沌量子粒子群优化算法并应用于求解置换流水车间调度问题,该算法在量子粒子群算法(QPSO)的基础上,引入了混沌机制,在保持QPSO算法收敛速度快的同时,利用混沌机制的遍历性,克服了QPSO易陷入局部极小值的缺点。同时提出了一种新的混沌变量到工件排序的编码方案,能够完整保留混沌的遍历性。仿真结果验证了所提出的新的调度算法能更好地探索更优解,同时不失去量子粒子群算法的收敛速度。     

基于免疫粒子群算法的车间作业调度问题

本文提出了一种基于人工免疫原理的改进粒子群优化算法,从而克服了粒子群算法在求解优化问题过程中易陷入局部最优解的缺点。实例验证了该算法的有效性。     

基于粒子群优化的多目标作业车间调度

为了利用粒子群优化算法解决作业车间调度问题,提出了将调度问题转化为连续优化问题的有效策略;设计了Pareto档案粒子群算法(PAPSO),该算法将档案维护和全局最好位置选取结合在一起,在档案维护过程中为每个粒子选取全局最好位置;给出了变异与PAPSO的结合新策略.将PAPSO和带变异的PAPSO应用于15个调度实例,以最小化总拖后时间和最大完成时间,与强度Pareto进化算法2等进行比较,结果验证了PAPSO在作业车间调度方面的良好性能.     

基于具有自适应与自学习能力的粒子群优化算法的车间调度算法

针对车间调度问题,提出一种新的基于粒子群优化和模拟退火的混合算法.该算法将问题规模作为启发式信息,通过对模拟退火算法引入新的邻域搜索机制——多粒度搜索,并加入选择优化和淘汰更新机制,提高了算法的自适应性和自学习能力,降低了粒子群算法陷入局部最优的可能性.实验结果表明,该算法在最优解的求解能力上优于其他算法.     

基于具有自适应与自学习能力的粒子群优化算法的车间调度算法

针对车间调度问题, 提出一种新的基于粒子群优化和模拟退火的混合算法. 该算法将问题规模作为启发式信息, 通过对模拟退火算法引入新的邻域搜索机制--多粒度搜索, 并加入选择优化和淘汰更新机制, 提高了算法的自适应性和自学习能力, 降低了粒子群算法陷入局部最优的可能性. 实验结果表明, 该算法在最优解的求解能力上优于其他算法.     

基于改进粒子群的柔性作业车间调度问题优化研究

主要针对柔性作业车间调度问题进行求解,利用改进粒子群算法作为求解方法,以最小化最大完工时间(C_max)作为该问题的求解目标.在算例的选取上,选用作业车间调度问题的8*8经典算例和柔性作业车间调度问题的Brandimarte算例对提出的算法进行验证.改进粒子群算法由遗传算法和粒子群算法构成,遗传算法具有较好的全局搜索能力,但搜索过程中收敛的精度不高,粒子群算法由于其寻优特性,在搜索过程中速度较快,但容易陷入局部最优,综合考虑两者的优缺点,将遗传算子引入粒子群算法中,采用交叉搜索的方式,调整惯性权重以及变异的方式使粒子进化,当粒子群进化到一定程度后,对部分粒子进行变异处理从而避免算法陷入局部最优解,同时可以提高粒子群算法的收敛精度.依据柔性作业车间调度问题的特点,在经过多次变换种群规模以及迭代次数后,求解出最适合柔性作业车间调度问题的最优解.     

改进粒子群算法在作业车间调度问题中的应用

调度问题是一类典型的NP-hard问题,传统粒子群优化算法在解决该类问题上具有一定的局限性.通过分析其优化机理,提出了改进粒子群算法,结合了粒子群优化算法的全局搜索能力和交换粒子位置的局部搜索能力,提出了新的粒子编码方法--基于粒子坐标值排列编码(PPP),发展了一种快速、易实现的新的混合启发式算法.大量实验仿真结果表明本算法可以有效求解作业车间调度问题,通过与遗传算法比较,验证了改进粒子群算法是求解Job-shop调度问题可行而高效的方法.     

基于熵的混合粒子群算法在柔性调度中的应用

为了更好地求解大规模柔性车间调度问题,提高柔性车间调度算法的寻优性能,提出一种基于熵的混合粒子群算法.该算法把粒子群算法、遗传算法和模拟退火算法相结合,同时用种群熵自适应调节惯性系数和变异概率,以增强算法的寻优能力和克服算法的过早收敛.典型实例仿真结果表明,该算法能更好地求解柔性车间调度问题,与传统的优化算法相比,在优化精度上具有明显的优越性.     

基于多工艺方案的车间作业计划方法研究

对工艺设计与生产调度集成的必要性和可行性进行了分析，讨论了工艺设计与车间作业计划之间的关系．针对多品种小批量的单件生产车间提出启发式的车间作业计划方法，其决策基于多工艺方案、可替代机床和调度规则，生成车间作业计划，并能及时对车间作业计划进行评价和调整．在此基础上，建立了基于多工艺方案的车间生产作业计划决策系统     

A Novel Particle Swarm Optimization for Flow Shop Scheduling with Fuzzy Processing Time

Since in most practical cases the processing time of scheduling is not deterministic, flow shop scheduling model with fuzzy processing time is established. It is assumed that the processing times of jobs on the machines are described by triangular fuzzy sets. In order to find a sequence that minimizes the mean makespan and the spread of the makespan, Lee and Li fuzzy ranking method is adopted and modified to solve the problem. Particle swarm optimization （PSO） is a population-based stochastic approximation algorithm that has been applied to a wide range of problems, but there is little reported in respect of application to scheduling problems because of its unsuitability for them. In the paper, PSO is redefined and modified by introducing genetic operations such as crossover and mutation to update the particles, which is called GPSO and successfully employed to solve the formulated problem. A series of benchmarks with fuzzy processing time are used to verify GPSO. Extensive experiments show the feasibility and effectiveness of the proposed method.     

工艺路线可变车间作业调度的杂合遗传算法

针对工艺路线可变的车间作业调度，提出一种将遗传算法与启发式规则、模拟退火法等搜索方法结合在一起的杂合遗传算法。通过对某双极型集成电路封装企业的车间作业调度仿真，结果表明它是有效可行的。     

基于遗传和禁忌搜索算法求解双资源车间调度问题

针对柔性生产环境下的车间调度问题,在考虑遗传算法早熟收敛特性和禁忌搜索法自适应优点的基础上,将遗传算法和禁忌搜索法结合起来,提出了基于遗传算法和禁忌搜索算法的双资源作业车间的调度优化问题算法,即不仅考虑到了每个工件有几条可行的工艺路线,而且考虑到了工件的调度受到机床、工人等资源制约的影响,并用实例对该算法进行了仿真研究.结果表明此算法有很好的收敛精度,是可行的,与传统的调度算法相比较,体现出其明显的优越性.     

A Dynamic Job Shop Scheduling Method Based on Lagrangian Relaxation

ＩｎｔｒｏｄｕｃｔｉｏｎＳｃｈｅｄｕｌｉｎｇｉｓｏｎｅｏｆｔｈｅｍｏｓｔｉｍｐｏｒｔａｎｔｉｓｕｅｓｉｎｔｈｅｐｌａｎｎｉｎｇａｎｄｏｐｅｒａｔｉｏｎｏｆｍａｎｕｆａｃｔｕｒｉｎｇｓｙｓｔｅｍｓ．Ｓｉｎｃｅｍｏｓｔｓｃｈｅｄｕｌｉｎｇｐｒｏｂｌｅｍｓ...     

A Dynamic Job Shop Scheduling Method Based on Ant Colony Coordination System

Due to the stubborn nature of dynamic job shop scheduling problem, a novel ant colony coordination mechanism is proposed in this paper to search for an optimal schedule in dynamic environment. In ant colony coordination mechanism, the dynamic .job shop is composed of several autonomous ants. These ants coordinate with each other by simulating the ant foraging behavior of spreading pheromone on the trails, by which they can make information available globally, and further more guide ants make optimal decisions. The proposed mechanism is tested by several instances and the results confirm the validity of it.     

基于效率规则的混合作业车间调度算法应用研究

为了求解混合作业车间调度问题,本文提出一种基于效率规则的作业车间调度算法．引入工件加工的效率函数,进而以工件的效率函数值进行初排排序再调节排序,从而实现了混合作业车间快速高效优化排产．同时,运用该种算法开发了作业车间调度系统,并对实际混合作业车间调度实例进行求解验证,计算结果表明该算法具有很好的调度优化效果,可以很好地应用于混合作业车间调度．     

基于局部搜索策略的车间作业调度问题的算法研究

为车间作业调度问题提供了一个快速、易于实现的近似算法．该算法基于局部搜索策略,采用特殊的邻域构造方法,即邻域的构造仅与关键路径上的工序相关．该算法找到了所测试的14个标准算例中12算例的最优解,而且在PⅡ233的计算机上每个算例的计算时间不超过1s。