面向绿色制造的柔性作业车间调度优化

针对面向绿色制造的柔性作业车间调度问题,建立了以完工时间最优、能量消耗和环境影响最小为目标的调度模型,并采用遗传算法对模型进行求解。根据模型特点,采用机器染色体和工序染色体两种编码,并对初始种群的形成机制进行改进,采用精英策略和锦标赛法进行种群选择,两种染色体分别进行交叉和变异操作。最后通过实例对改进的遗传算法进行测试,并与其他方法的测试结果进行比较,验证了该算法的可行性和有效性。     

基于启发式规则的新型进化算法在流水车间调度中的应用

针对流水车间调度这一典型的NP难问题,采用了一种新型进化算法——DNA进化算法进行求解,并对算法做了改进。改进的DNA进化算法中引入了交换操作以更好地搜索解空间,并采用黄金分割率控制变异个体的数目。同时为了进一步提高搜索性能,采用一种新颖的启发式规则产生初始种群。以50个T aillard基准问题进行仿真,并与遗传算法进行了详细比较,仿真结果表明:改进的DNA进化算法具有更好的求解性能以及更高的运算效率。     

路由选择的一种新遗传算法

提出了应用于QoS路由选择的一种新遗传算法,该算法给出了基于跳数优先原则的初始种群生成办法,以及邻近交叉和前向变异两个关键算子。算法的主要优点表现为初始种群生成独立于网络拓扑的度量参数,交叉产生了多样性新个体,以及变异有效抑制算法退化等。对随机生成的不同规模的网络拓扑结构进行仿真,结果表明该算法是有效的。     

求解作业车间调度问题的一种自适应遗传算法

针对作业车间调度问题,提出了最小化空闲时间的处理过程及其变异算子,设计了一种自适应遗传算法.该算法根据个体的特征确定交叉和变异次数,并根据种群特征不断修正种群.经典的调度基准问题测试表明:自适应措施能够有效保持种群的多样性,可以采用非常小的种群规模;最小化空闲时间的变异算子缩小了算法的搜索空间,大大提高了搜索效率.     

求解作业车间调度问题的多种群改进遗传算法

在求解作业车间调度问题上,针对遗传算法的早熟收敛、对初始种群敏感等不足,提出了多种群改进遗传算法.该算法在进化过程中通过引入具有优良性能的修正种群替换进化种群的较差个体,实现了多种群杂交,以保持种群的多样性,提高了搜索效率.应用实例分析和算法对比证明了改进算法的效果和优越性.     

混合遗传算法的应用研究

混合遗传算法引入人工免疫算法的个体浓度调节机制来促进或抑制个体的产生,并在选择算子中同时考虑个体的适值和个体的浓度,保持种群中个体的多样性,避免了一般遗传算法所带来的"早熟"问题,在最优化问题的解决上有着突出的表现。本文详细分析了混合遗传算法,对算法的基本流程以及基本实现技术进行了详细阐述,并分析了混合遗传算法在聚类中的应用,给出了试验结果。     

一种求解柔性作业车间的改进遗传算法

针对柔性作业车间调度问题的特点,建立了以最小化最大完成时间、总机器负载最小和最大机器负载最小为目标的数学模型,提出一种改进遗传算法求解该问题。采用多种启发式方法提高初始解的质量;设计了并行双链式编码,避免产生非法解,并提出最优插入法的解码方式提高解的质量;采取IPOX交叉与多点交叉,继承父代优秀基因的同时,平衡了算法的全局开发能力;在不同编码层采用多种变异手段维持种群的多样性;通过变邻域搜索强化算法的局部开发能力。最后,通过求解Brandimarte标准算例和与其他算法的对比,从单目标和多目标2个方面验证算法的可行性和有效性。     

最小度优先有限波长转换器分配算法研究

分析了光分组交换中有限波长转换器分配FAA算法由于未对波长通道分配次序进行优化所带来的问题,提出了到达分组数最少的输出波长通道优先进行调度的最小度优先的分配算法．分析了该算法在达到FAA 最小丢包率的同时能够更好地节约波长转换器的数目。通过仿真实验,验证了该算法在低、中和高负载情况下, 比FAA算法更节约波长转换器和更小的丢包率。     

用于减少网络响应时间的最短作业优先分组调度算法

提出了一种最短作业优先的分组调度算法，用于减少交互式网络应用的平均响应时间．新的分组调度算法将最短作业优先准则在一定程度上应用于分组交换网络中．分析与模拟显示，该算法明显地减少了网络上信息检索的平均响应时间，算法对交互式WWW应用的执行效率有较好的实用价值．     

关于连通网的最小生成树算法

连通网的最小生成树算法在工程技术中得到了广泛的应用,目前最常用的算法有Kruskal算法和Prim算法.本文将介绍一种以深度优先搜索图为基本线索的算法.     

高可信赖实时操作系统的防危调度机制

为增强实时操作系统的防危性,在分析现有调度机制的基础上,探讨了最大关键度优先的调度算法,该算法是一种混合型的优先级实时调度算法,由静态优先级、动态子优先级和静态子优先级3部分组成,综合了固定优先级调度算法和动态优先级调度算法的优点,既可充分利用处理器资源,又能在发生瞬时过载时保证关键任务不受非关键任务的影响,从而增强了实时操作系统的防危性。     

一种求解JOB SHOP问题的新型混合遗传算法

针对一般车间（JOB SHOP）的作业排序问题设计了一种新的混合遗传算法,该算法将遗传算法和启发式方法相结合,利用遗传算法优化每台机器的首工序,并确定每台机器的优先工序,借助仿真,按照启发式方法安排每台机器的后续工序。通过算例比较,表明该算法具有良好的求解性能。     

多准则加工车间进度计划的启发式方法及其模拟实现

本文利用优先规则同启发式方法相结合的方法确定工件在机床上的加工顺序。同时考察了静态和动态(随机)加工车间问题,并利用加工车间模拟方法使之更加切合实际情况。     

采用可能解空间改进遗传算法

引入可能解空间的概念,探讨了它在遗传算法约束条件处理改进中的应用.应用实例分析表明,改进的遗传算法可得到更优化的结果,并验证了在种群生成中采用改进约束条件处理的优势.工程实践也表明,采用可能解空间对遗传算法约束条件处理的改进,能大大减少随机试探次数,提高算法的运行效率.     

基于有限优先级的动态调度算法

实时任务调度是实时系统中的关键问题,实时动态调度是实时调度的主要方面。当实时调度应用于实际的任务系统时,仅能使用有限的优先级数量。实时调度在理论分析时,都假设系统能够识别任意多的优先级。该文提出了在优先级数量有限的条件下的动态调度算法,给出了一个任务系统动态调度所需的最小优先级的数量的算法,并对算法的复杂性进行了分析。     

基于负载均衡的免疫遗传算法网格调度研究

将现有基本遗传算法对网格任务调度进行研究，在此基础上提出解决资源负载均衡问题的方案，并对算法的终止条件进行改进。针对改进后的遗传算法可能出现的问题，在算法初始阶段引入免疫原理，利用免疫机制保证种群多样性，使算法能在更快找到最优解的基础上达到一定的负载均衡，最后通过仿真环境对算法进行验证，结果证明改进后的算法有效。     

基于遗传算法和禁忌搜索的多用户检测器

利用遗传算法和禁忌搜索的优势,介绍一种嵌入式混合优化算法,提出一种基于嵌入式混合优化算法的多用户检测器。数值结果表明:该方法具有较好的检测性能和合理的计算复杂度。     

法定解释实践之优先性规则：一个比较分析

法定解释是否有一种优先性或优先性规则，学界对此纷争不一。经过对各国操作性解释实践的比较分析，可以认为基本上不存在一种普遍性的优先性规则。即便是实际存在的以及理论建构的优先性规则，也是一种程序性的优先性规则，而非有关重要程度的优先性规则。     

模糊交货期Flow Shop调度文化进化算法研究

基于文化算法及文化进化思想设计了的文化进化算法,通过上层文化空间的经验知识指导下层个体进化搜索的方向及步长,通过模拟人类社会文化进化的机制实现文化空间的进化与更新,最后将算法应用到模糊Flow Shop问题的求解,用Matlab编程仿真测试.结果表明,此算法解决生产调度优化问题是可行的,而且其搜索性能优于简单遗传算法及模拟退火算法.