基于改进遗传算法的柔性作业车间动态调度

为应对动态调度车间由机器故障等动态扰动因素导致重调度的问题,课题组建立以最小化完工时间为优化目标的模型,并提出一种事件驱动与滚动时域优化混合的重调度方法,该方法能在每一个时域内及时对动态扰动事件进行检测。为了解决算法初始群质量不高的问题,在种群初始化阶段引入Cubic混沌映射;在交叉操作中,工序和机器的交叉分别采用POX（Precedence Operation Crossover）交叉和多点交叉的方式;在变异操作中,采用变异算子策略和最短加工时间机器的变异方法,加快了算法的收敛速度。实验结果表明：结合Cubic混沌映射生成的初始种群质量比传统遗传算法提高了42.67%;改进遗传算法相对遗传算法完工时间缩短了8.7%,在动态调度车间内具有可行性。     

基于遗传算法的有柔性路径的动态调度问题研究

建立了有柔性路径的FMS动态调度问题的模型．采用离线重调度的方法,提出一种结合离线重调度两种生成调度方式的方法来阐述FMS的有柔性路径动态调度问题．最后给出了该问题的遗传算法解决方法和计算示例．     

免疫遗传算法在柔性Job-shop调度问题中的应用

借鉴生物免疫机理提出了一种求解柔性Job-shop车间调度问题的免疫遗传算法．仿真结果表明,该算法有效地避免了传统遗传算法中因选择压力过大造成早熟现象的发生,显著地提高了遗传算法（GA）对全局最优解的搜索能力和收敛速度,这将使遗传算法在众多实际的优化问题上具有更广泛的应用前景．     

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.     

基于改进混合遗传算法的齿轮轴柔性车间调度问题研究

针对柔性作业车间调度复杂的问题,为缩短完工时间,课题组提出了一种基于模拟退火算法（simulated annealing,SA）的改进混合遗传算法。该算法进行搜索时,利用全局、局部和随机 (global local random,GLR)种群初始化策略来优化初始解,再基于工序顺序和机器分配2种交叉变异策略扩展种群内优质解的数量,最后在模拟退火操作中加入邻域结构进行优化,在避免传统遗传算法易陷入局部最优的同时,提高了寻优速度。应用课题组提出的改进混合遗传算法对某齿轮轴加工车间加工数据进行仿真对比实验,与传统遗传算法相比,生产效率提高了8.43%,证明了该改进混合遗传算法的有效性。     

基于多代理和遗传算法的协同生产调度研究

针对经典作业车间调度(Job-Shop Scheduling)问题的局限性,结合实际生产情况,提出了基于多代理机制的供应链环境下的企业间的协同生产调度(Cooperated production scheduling)系统的体系结构,结合多代理的灵活性和遗传算法的全局优化性,阐述了一种基于多代理和遗传算法的协同调度系统,并寻求适合于这种供应链环境的优化调度方案。     

基于遗传算法的排缸策略

文章针对印染行业的生产特点,建立生产调度的数学模型,并运用基于生成树的遗传算法进行排缸问题的求解.     

基于遗传算法的多模式资源受限项目调度问题

针对多模式资源受限项目调度问题,采用问题任务链表和模式链表的双链表结构的编码方式、串行调度生成方案的解码方式对传统遗传算法进行改进,并通过交叉、变异、选择等算子进行全局性概率搜索确定较优方案。针对PSPLIB中的基准问题对该算法进行验证,证明该算法的有效性。     

遗传算法及其在生产调度中的应用

本文简要介绍了遗传算法的思想和优势,对解决组合优化问题的遗传算法的序号编码和基于序号的遗传算子进行了总结和概括,最后综述了几类典型生产调度问题的遗传优化研究情况.     

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。     

全自适应遗传算法求解柔性作业车间调度问题

本文提出一种基于自适应遗传算法（AGA）的FJSP求解方法。研究了基于迭代次数优化和适应度分布分析的自适应遗传算法,也即综合两者优点的全自适应遗传算法。该方法利用FJSP本身的特点,克服了传统GA进化初期早熟和中后期随机搜索速度慢的自身局限。求解精度和搜索效率提高的同时,既能避免陷入局部最优,又使收敛过程加速。     

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.     

基于改进FFA算法的柔性制造车间调度方法

针对某小型精密模具加工企业柔性制造车间离散型生产方式下调度困难的情况,笔者提出了一种改进的启发式算法——改进五因素调度算法（five factors scheduling algorithm,FFA）。算法考虑了可能影响选择排序的5个因素,即当前任务待排工序可能开始加工时间、待排工序工时、可用设备剩余加工时间、本工序完成后本任务剩余加工时间以及本工序之后本任务将要到达的紧后设备上的剩余加工时间,最大化前3个因素,最小化后2个因素,所构造评价指数最小时,该任务优先排序。并对构造的评价指数公式进行了改进,为5个因素选取合适系数,降低了计算复杂度。最后通过试验与遗传算法进行比较,证明了该算法在缩短最大完工时间和提高计算速度方面更有优势。     

基于完全自适应策略的遗传算法

为改善标准遗传算法的优化性能,延长种群搜索过程,提出了完全自适应策略的遗传算法.自适应策略不仅基于进化阶段,同时基于个体,特别采用了自适应的适应值转换策略,大大降低了早熟的概率,保证算法能以较大的概率收敛到全局最优解.     

基于改进遗传算法的单级多项目无能力约束生产批量问题研究

通过对单级多项目无能力约束生产批量问题(SMULP)模型进行分析,得出了一些重要的结论．分析了基本遗传算法的缺陷及其产生的原因．对该问题在遗传算法的编码、适应度函数、选择复制操作、交叉方法、交叉概率、变异概率和终止条件等各个环节进行了改进．采用VB6．0对SMULP改进遗传算法编程实现,能很好地与ERP软件集成．并对SMULP改进遗传算法进行了性能分析．     

基于混沌优化算法的连续生产过程重调度与库存优化

针对流程工业企业的订单发布和原料供应等外部环境的不确定性,建立了具有订单需求约束、生产能力约束、原料供应和成品库存约束等约束条件的连续生产过程重调度模型,运用混沌优化算法进行求解,仿真结果表明了该模型的可行性和有效性,通过重新调整各时间段内各个订单的生产率,可合理控制库存量,减少库存费用,降低企业生产成本。     

瓶颈约束理论下城建公司的生产物流调度优化研究

依据瓶颈约束理论对企业生产物流的调度和规划等因素的影响,以城建公司的生产制造为例进行了一个间断式生产物流的漠拟仿真研究和评价。在对调研数据进行分析、整理的基础上,找到制约企业物流效率提高的瓶颈;通过建立生产物流系统的调度模型,制定调度方法,提出了改善措施和调度方案。运用人工随机模拟仿真方法,验证改善方案给城建公司昕带来的产量改进效果,结果表明,产量有显菩提高。     

带时间窗的互联网租车调度策略研究

在互联网租车模式中,车辆调度能有效解决"潮汐现象",对降低租车公司运营成本、 提高用户体验起到重要作用.针对用户对服务时间的要求,在车辆调度中引入时间窗,将问题转化为带时间窗的车辆调度问题(Vehicle Rou-ting Problem With Time Windows,VRPTW).根据互联网租车中车辆调度过程的约束建立数学模型,针对模型特点设计遗传算法求解.基于模拟数据做测试案例,对遗传算法的调度结果进行分析,实验结果表明了模型和算法的有效性.     

基于改进DQN算法的柔性作业车间调度问题

为了提高多目标柔性作业车间的生产效率并降低能耗,课题组提出了基于深度强化学习的多目标柔性作业车间调度方法,以最小化最大完工时间和最低能耗为优化目标,建立柔性作业车间调度模型,利用改进的深度Q网络（Deep Q Network,DQN）算法对目标函数进行求解。首先定义状态和动作空间,将调度问题的状态和动作信息嵌入DQN模型进行训练;对于每一代调度方案,利用非支配遗传算法（Non Dominated Sorting Genetic Algorithm Ⅱ,NSGA Ⅱ）将方案映射到多目标前沿,并更新经验回放中的奖励,进一步优化DQN的Q值更新;随着训练进行,DQN逐步优化调度方案,输出一个基于最小化最大完工时间和最低能耗的最优调度策略。实例验证结果表明改进DQN算法能够更快速、高效地找到符合多目标优化的调度方案。     

多车场集送一体化车辆调度问题及其遗传算法研究

针对物流配送中的多车场一体化车辆调度问题提出了智能处理方法,采用了基于自然数的一体化配送对路径表示方式,用里程约束来控制车场的插入,以增加惩罚的方式加入时间窗约束。并且根据具体约束情况设计了改进的遗传算法,采用了动态染色体、改进的交叉和变异法、内部扰动和外部扰动等技术,提高了遗传算法的优化效率和优化效果。介绍了此算法的原理,给出了具有一个代表性算例试验结果和结果分析。试验结果表明了此方法对优化有里程和时间窗约束的多车场一体化车辆调度问题的有效性。