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．     

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。     

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。     

灾变合作型协同进化遗传算法及其在Job Shop调度中的应用

合作型协同进化遗传算法是多个子种群通过协作而共同进化的新型算法,常应用于多目标、大规模的优化问题。本文在合作型协同进化遗传算法的基础上,进一步模拟自然界中的灾变现象,在原先的算法中加入灾变算子,提出灾变合作型协同进化遗传算法,以防止出现不成熟收敛现象,并用经典的函数优化问题和Job Shop车间调度问题进行仿真实验,其结果验证了改进算法的优良性能.     

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.     

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.     

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。     

免疫遗传算法的研究及其应用

遗传算法作为一种生物进化计算模型,在优化计算中得到了广泛应用,但其存在的缺陷,影响了其在一些问题求解中的正确性和有效性。将生物免疫算法与遗传算法相结合,提出一种改进的免疫遗传算法（IGA）,并用IGA对PID参数寻优,仿真结果表明：该算法大大提高了控制的动、静态性能。     

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。     

遗传退火进化算法在背包问题中的应用

从增强算法收敛性和减少参数依赖性的角度出发，提出应用遗传退火进化算法求解背包问题，遗传退火进化算法结合了遗传算法和模拟退火算法的优点，并有效地克服了各自的弱点，使其在优化性能、优化效率和可靠性方面具有明显的优越性．阐明了用该算法求解背包问题的具体实现过程，并通过实际数值计算和结果比较表明，该算法优于遗传算法和模拟退火算法．     

加工车间进度计划的实用动态模拟研究

从实用的角度出发，对较大规模的加工车间问题采用了动态模拟的方法，在非延迟计划（ＮｏｎｄｅｌａｙＳｃｈｅｄｕｌｅｓ）的基础上，根据各种不同的启发式优先规则，迅速生成几类包含或接近最优解集并相应满足不同目标函数的进度计划．采用某机械加工厂大件车间的实际数据进行了进度计划的编制，取得了比较满意的结果．     

一种实用的JOB-SHOP生产调度算法

根据生物遗传算法并结合工件的生产工艺知识，提出了一种JOB－SHOP生产调度新算法。该算法采用可编程控制器软件编程的巡回扫描原理，解决了生产调度的仿真问题，所提出的方法为解决生产调度问题提供了新的途径。     

自动组卷系统与遗传算法

自动组卷就是按照教师和教学的要求,由计算机自动从试题库中选择试题,组成一份符合要求的试卷。它是计算机辅助教学系统(CAI)的重要组成部分。本文介绍在自动组卷中受到广泛运用的遗传算法,这种方法尤其适用于网络交互式环境下用户对组卷速度要求较高的场合。     

基于改进的遗传算法的快速图像相关匹配

为了解决图像匹配中计算速度慢和匹配精度不高的缺陷,提出了一种基于改进的遗传算法的匹配方法,算法的主要改进手段是,用自识别交叉算子进行交叉操作,避免种群过早成熟。实验结果表明,与基本遗传算法相比,基于该算法的图像匹配具有运算量小、匹配精确等优点,且算法稳定。     

基于变尺度混沌优化策略的混合遗传算法及在神经网络中的应用

讨论了遗传算法优化神经网络连接权的优点及存在的局限性.应用变尺度混沌搜索策略,建立了一种新的混合遗传算法——混沌遗传算法.将改进后的遗传算法结合前馈型神经网络应用于储层油气预测,取得了较好的效果.     

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．