并行机调度问题的最优公共交货期和最优调度

现有的提前／拖后调度问题主要针对单机情况，且大多采用启发式方法。为了有效地解决带有待定公共交货期的并行机提前／拖后优化调度问题，提出了一种分段编码的遗传算法，使遗传编码能同时反映调度方案和公共交货期，并对初始种群产生、交叉和变异方法作了研究。计算实例表明了该遗传算法有很好的性能，所得解的质量优于启发式算法，且适用于较大规模并行机提前／拖后优化调度问题     

混合量子衍生进化规划算法及其在并行机拖期调度中的应用

针对并行机调度问题的求解,提出一种新的混合量子衍生进化规划算法(Hybrid Quan-tum-Inspired Evolutionary Programming,HQEP)。目标函数是最小化所有工件的拖期总和。HQEP将量子进化算法中的量子位、线性叠加态和量子旋转门的概念引入到进化规划算法中。定义了新的用于调度问题的量子旋转角,使个体向更好的解靠近。此外,针对并行机问题本身,改进了个体的编码方式和新的变异方法。为了验证算法的有效性和收敛性,将HQEP算法应用于同等并行机调度拖期问题的求解并加以不同规模的算例进行仿真实验。结果显示,即使在小种群情况下,所得解均优于进化规划求得的解。     

带有单服务器的并行机调度问题

研究了一类具有准备时间和移出时间约束的单服务器并行机调度问题.这个问题概括了工件仅需要准备操作的经典单服务器并行机调度问题.在该问题中,服务器不仅需要在每个工件加工之前将其装载到一台机器上,而且在工件加工结束后,将其从机器上卸载下来,装载和卸载操作需要一定的时间.目标函数为最小化最大完工时间.主要研究指定机器加工的情况,针对这种情况,构建了多项式时间内可解的启发式算法.该启发式的值与最优值的比值为2,且证明了该界为紧界.     

基于改进克隆选择算法的含调整时间并行机调度

针对实际工业生产中广泛存在的带调整时间的并行机调度这一类NP难问题,研究并提出了一种改进的克隆选择算法(HSMCSA).为了提高算法的求解效率,特别是对大规模问题的优化性能,提出了一种基于单机排序的均匀插入分割点的编码方法;在此基础中进一步研究了基于单机调度最优解与随机解混合启发式初始化策略,有效提高了初始解性能;最后详细对比和分析了克隆选择算法中4种变异操作的优化性能,实现了基于改进的克隆选择算法的带调整时间的并行机调度问题的优化求解.仿真实验结果表明:所提出的改进克隆选择算法具有更好的优化性能;与遗传算法相比,求解性能提高了18.5%,与基本克隆选择算法相比提高了7.2%.     

基于蚁群算法的云计算并行机资源调度研究

研究在云计算中服务资源优化管理背景下,基于时间窗口的非等同并行机服务资源调度问题.为达到最大任务处理数,选取任务延误时间作为目标函数建立数学模型,并利用蚁群算法为模型求解.设计了该算法的各项参数,并通过仿真算例证实了该算法的可行性及合理性.结果表明:本算法能够较好地用于解决云计算中的并行机资源调度问题,以较快的收敛速度找到满足约束条件的较优解.     

具有交期约束的非同质顾客并行机竞争调度

考虑面向具有交期要求的非同质顾客的并行机调度问题,其中,不同顾客具有不同等待敏感程度,且具有各自的交期约束.为此,采用非合作博弈建立描述该问题的模型,并提出一种包含松弛、可行化和交互协调三步的启发式算法.算例仿真进一步阐述和验证所提方法的有效性.     

基于遗传算法的批调度问题

对把独立的、可同时达到的工件组批，并同时在单机上确定批内序和批间序的批调度问题进行了研究。给出了问题的数学模型，并构造了一个有效的遗传算法。实验结果表明是有效的。     

求解分布式并行机调度的新型帝国竞争算法

提出一种求解异构工厂分布式并行机调度问题(DPMSP)的新型帝国竞争算法(ICA),以最小化最大完成时间作为优化目标.首先,将DPMSP的优化简化为对工厂分配子问题的求解,提出相应的编码方案并采用最大处理时间规则解码;然后,采用基于加工速度的概率分配方法构建初始种群,引入殖民国家同化以加强对优秀个体的搜索并在革命中运用基于工件-工速积的新型插入算子以改善解的质量;最后进行大量数值实验.计算结果表明该新型ICA在分布式并行机调度问题求解方面具有较强的搜索优势和较好的稳定性.     

一种智能仓库车辆调度问题的新算法

将调度问题与遗传算法相结合,提出一种用于解决智能仓库车辆运输调度问题的一种新算法,并用计算实例证明了该调度算法的正确性,并能适应大规模车辆的调度问题．本算法计算量小,具有很强的鲁棒性．     

带有限中间缓冲区的多级并行机问题的求解

为了解决带有限中间缓冲区的多级并行机问题,以最小化最大完工时间为优化目标,设计了一种基于遗传算法和模拟退火算法的混合求解算法.在此算法中,搜索空间被限制在第1工位工件投产序列的置换向量空间内.提出了一种由第1工位工件投产序列向量构造整个调度方案的方法,并采用混合交叉算子和变异算子的策略对选择算子进行了设计.通过与现有的计算结果进行比较,证明了此算法的可行性和优越性.     

求解多目标单机分批排序问题

分批排序(Batch Scheduling)是在半导体生产过程的最后阶段提炼出来的一类新型的排序问题．单机分批排序问题就是n个工件在一台机器上加工，要将工件分批，每批最多可以同时加工B个工件，每批的加工时间等于此批工件中的最大的加工时间．目前只有Cheng-shuo Wang，Reha Uzsoy运用Random Key方法编码研究了单目标函数为Lmax的分批排序问题．给出组合优化中的多目标分批排序问题的一种新编码，结合模糊数学知识，运用遗传算法研究多目标分批排序问题．研究了多目标遗传算法的机制特征，进而给出求解多目标分批排序的遗传算法．     

An effective estimation of distribution algorithm for parallel litho machine scheduling with reticle constraints

In order to improve the scheduling efficiency of photolithography, bottleneck process of wafer fabrications in the semiconductor industry, an effective estimation of distribution algorithm is pro-posed for scheduling problems of parallel litho machines with reticle constraints, where multiple reti-cles are available for each reticle type.First, the scheduling problem domain of parallel litho ma-chines is described with reticle constraints and mathematical programming formulations are put for-ward with the objective of minimizing total weighted completion time.Second, estimation of distribu-tion algorithm is developed with a decoding scheme specially designed to deal with the reticle con-straints.Third, an insert-based local search with the first move strategy is introduced to enhance the local exploitation ability of the algorithm.Finally, simulation experiments and analysis demonstrate the effectiveness of the proposed algorithm.     

基于可信度策略的校园网格作业调度算法

为了实现校园网上的资源共享,降低资源浪费,文中讨论了基于网格技术的校园网作业调度模型,并设计和实现了基于可信度遗传算法的作业调度方法.该方法采用资源可信度策略,同时结合遗传算法的优点,满足了网格对调度系统可扩展性和全局最优调度的需求,从而使调度系统具有了一定的自主性和智能性.实验结果表明该作业调度方法收敛速度快,全局寻优能力强,整体性能优于其他调度算法.     

基于GATS混合算法的最优作业切换不相关并行机成组调度研究

不相关并行机调度问题是车间调度中的典型问题,而单件小批量生产模式导致频繁的作业切换和大量的作业切换时间,降低了设备利用率和生产效率。文中提出了基于成组技术的排序依赖作业切换时间的不相关并行机调度问题研究。根据工件加工所需资源的相似性进行工件聚类成组,满足机器约束条件确定所有工件组在各机器上的分配,以及确定同一台机器上的各工件组以及组内的排列顺序。以最小化总拖延时间为优化目标构建了数学模型,应用了遗传禁忌搜索(GATS)算法进行求解,针对不同规模的问题分别对比人工蜂群(ABC)算法和遗传模拟退火(GASA)算法进行案例研究。对比结果显示文中提出的算法具有较好的寻优能力。     

基于数学规划的平行机批量调度固定优化算法

以半导体制造行业为应用背景,研究带产能约束的平行机批量调度问题。该问题需要同时考虑基于产品加工顺序的生产准备时间约束、产品加工的时间窗约束、设备和产品的匹配约束以及设备偏好性等约束。为此,构建了混合整数规划(MIP)模型,并设计了基于MIP模型的固定优化启发式算法。该算法先按照随机设备柔性最小优先规则把设备预先分配给需要加工的产品,从而可以通过更新设备和产品匹配关系矩阵来降低子问题的求解难度;再利用基于设备分解和基于时间分解的两种分解方法,固定住MIP模型中的大部分0-1变量,从而可以有效地利用MIP求解器优化剩余的一小部分0-1变量。大量随机产生的实验算例和半导体工厂真实算例表明:该算法优于现有文献中其他基于MIP的启发式算法,特别是当算例中设备柔性较高和需求变动较大时,该算法绩效更加显著。     

综合作业调度问题基于可行域的遗传算法

综合作业调度问题(CJSSP)同时考虑了加工约束与装配约束,成为约束严调度问题,而现有求解JSSP的遗传算法不能保证约束严问题染色体的可行性.描述了基本CJSSP,在定义的装配体分类和可操作基因串两个关键概念的基础上,设计出了基于可行域的交叉和变异方法.采用改编自JSSP的基准问题和实际调度问题进行了算法测试,并与规则...     

A genetic algorithm for the flowshop scheduling problem

The flowshop scheduling problem is NP complete. To solve it by genetic algorithm, an efficient crossover operator is designed. Compared with another crossover operator, this one often finds a better solution within the same time. Supported by the National Natural Science Foundation of China and 863 High Technology Project of China Qi Yuesheng: born in 1967, Ph. D.     

免疫遗传算法在车间作业调度中的应用

为了求解车间作业调度(JSP)这一典型的NP难题,提出了基于免疫遗传算法(IGA)的JSP问题求解方法.在该求解方法中,结合免疫原理和遗传算法提出了应用于JSP问题的IGA算法流程;算法采用基于工序的编码方式、自适应交叉和变异;同时为了改善交叉算子的性能提出了一种改进的基于工序编码的交叉算子.另外,采用车间作业中“最短处理时间原则”作为IGA算法的免疫疫苗,同时给出了免疫算子的设计方法.最后,通过“Muth and Thompson”基准问题的仿真实验验证了IGA算法在JSP问题求解中的有效性.     

单台机器模糊加工时间排序问题的遗传算法

根据三角形模糊数的特性,在对总加工时间模糊度有约束的条件下,构造出NP-困难的1 |fuzzy| min n∑i=1Ci排序模型的遗传算法.并采用算例进行了仿真实验,验证算法的有效性.同时重点研究了设计的分段线性适应度函数的适用性.实例计算表明,通过调节适应度函数中的惩罚系数α和β,可以兼顾种群的多样性和促使搜索效率的提高.该算法的实际应用可行,且具有良好的收敛性和较高的搜索效率.     

并行的嵌套式遗传算法在库存路径问题中的应用

文章考虑了一个供应商和其多个分销子公司组成的2级供应链分配系统,商品通过有容量限制单一型号车辆从供应商到各个分销子公司,利用约数策略和遗传算法,达到"智能分区"的效果;在路径处理上,采取分担运输和直运相结合的策略,解决了订货量大于车载容量时面临的难题;在需求不变(供求不变)的情况下,给出几个成本因素对算法进行有效性分析,得出相应结论,并对并行和串行算法进行比较和优劣分析.