基于改进遗传算法的附加约束重调度策略

针对某柔性生产线上遇到机器故障、加工延时、插单、撤单等不能提前预知的意外情况而对生产线的初始调度方案产生干扰的问题，课题组研究了该柔性生产线的重调度问题，设计了一种改进的遗传算法，提高了算法的收敛速度。课题组采用矩阵编码方式使算法便于添加约束条件；设计了一种附加约束重调度方案，采用统一的决策方式，有效应对处理多种意外干扰；最后在MATLAB软件中进行了仿真模拟运算。实验和仿真结果表明：改进遗传算法收敛时间相比经典遗传算法减少了38%，且避免了输出局部极值。课题组提出的重调度方案可有效处理生产线的各种意外情况。     

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。     

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。     

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。     

基于遗传算法的多源多周期采购决策优化

为了降低供应链网络采购成本同时避免单源采购的风险，课题组研究了多源采购中多周期和多原料的供应链订单分配问题。考虑价格折扣和采购量的约束，建立了以期望成本最小化为目标的非线性规划模型，并采用遗传算法进行优化计算。设计了遗传算法双层编码染色体及相应的遗传算子，以MATLAB为平台进行优化。将算例分别采用遗传算法和启发式算法进行计算，计算结果验证了所设计的遗传算法是有效的。该研究可以协同优化多制造商对多供应商的订单分配问题，降低采购风险。     

基于能耗分析的轴类零件生产调度优化

为了解决某轴类零件加工工厂生产效率低下,能耗过大等问题,对该车间生产方案、车间调度及能耗等方面展开研究。首先根据生产需求量预测,选择各工序切削用量、机器设备等得到一个满足生产交货期条件下的合理生产方案。在此基础上计算了工艺流程的工序节拍,根据“5W1H”提问技术、“ECRS四原则”对工序内容进行调整,消除了工序的瓶颈,改善了生产线平衡。为了缩短生产周期提高能源利用率,使用遗传算法对3套方案进行调度研究,最后得到总能耗、平衡率、生产周期及生产成本等几个综合指标最优的方案。结果表明改善后的方案在能耗、平衡率和成本方面均有所优化,该优化方法对轴类零件加工企业有一定参考价值。     

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。     

进港飞机调度多目标优化问题的改进NSGA-II算法

基于多目标优化问题的Pareto最优解概念,提出了一种求解非劣解集的改进非支配排序遗传算法(NSGA-II),用于解决多条跑道情况下进港航班调度问题,要求航班总延误时间平方和及总延误成本两个目标最少。重点讨论了算法实现中的基于最近邻思想的启发式交叉算子和改进的变异算子,以及对非劣解集的筛选操作。最后进行了仿真实验,对优化结果进行了分析比较。研究结果表明改进NSGA-II算法对多跑道进港飞机调度多目标优化问题具有较好的应用前景。     

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。     

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.