一种求解车间调度问题的混沌遗传规划方法

合集下载

面向无等待多目标柔性车间调度问题的遗传蜂群优化算法

面向无等待多目标柔性车间调度问题的遗传蜂群优化算法毕孝儒;张黎黎;贺拴;贺艳果【摘要】为了解决无等待柔性车间调度的多目标优化问题，构建以最大完工时间、生产成本、总拖延时间为目标函数的多目标调度模型，结合灰色关联分析和熵理论，提出灰互信息适应度值分配策略，以评价Pareto解的优劣。

在此基础上，运用遗传蜂群优化算法求解，该算法给出以关键路径为导向的变异操作，并将该变异操作和遗传算子中的IPOX和MPX交叉操作嵌入到人工蜂群算法中，以增强其全局寻优能力，提升搜索后期收敛速度。

一个车间调度实验验证调度模型和算法的有效性和适应性。

%To solve no-wait and multi-objective flexible flow shop scheduling problem(NWMFJSP), proposes an optimization model, which takes fin-ished time of maximum, machine cost and total delayed time as the objectives. Then presents the distribution strategy of the grey mutual information relational adaptive value combined with the grey correlation and information entropy to evaluate feasible solution. Based on it, applies genetic artificial bee colony algorithm(GABC) to solve the problem, the algorithm, which presents the mutation based on key path, embeds artificial bee colony with the nutation, IPOX and MPX crossover to enhance ability to search optimal solution globally and raise convergence rate inlate search. The validity and adaptability of the scheduling structure and algorithm are proved by a case of job-shop scheduling.【期刊名称】《现代计算机（普及版）》【年(卷),期】2015(000)008【总页数】6页(P11-16)【关键词】无等待柔性车间调度;多目标优化;遗传蜂群优化【作者】毕孝儒;张黎黎;贺拴;贺艳果【作者单位】四川外国语大学重庆南方翻译学院管理学院，重庆 401120;四川外国语大学重庆南方翻译学院管理学院，重庆 401120;四川外国语大学重庆南方翻译学院管理学院，重庆 401120;四川外国语大学重庆南方翻译学院管理学院，重庆 401120【正文语种】中文当前，无等待柔性车间调度问题（No-Waiting Flexible Flow Job-Shop Scheduling Problem，NWFJSP）广泛存在于塑料塑造、钢铁铸造、化工制造等领域，它不仅需要确定工序的加工顺序，还要给每个工序分配机器，是更为复杂的NP-hard问题［1］。

一种改进文化基因算法求解多目标柔性作业车间调度问题[发明专利]

专利名称：一种改进文化基因算法求解多目标柔性作业车间调度问题
专利类型：发明专利
发明人：汤琴,胡成华
申请号：CN201610097447.4
申请日：20160222
公开号：CN106611379A
公开日：
20170503
专利内容由知识产权出版社提供
摘要：本发明提出了一种改进文化基因算法求解多目标柔性作业车间调度问题，该发明涉及作业车间调度技术领域，具体地涉及用算法求解多目标柔性作业车间调度问题。

该算法的步骤如下：基于工序的编码—产生初始化种群——爬山法进行局部搜索—计算适应度—判断是否满足优化准则（是则产生最优个体结束算法，否则执行下一步）——选择—SPX交叉—变异—爬山法进行局部搜索—产生新一代种群——计算适应度—循环前面的步骤。

该发明的改进如下：采用爬山法进行局部搜索，不仅能够跳出局部最优得到更好的解，也能够减少计算时间。

此外本算法的交叉、变异方式也进行了改进，采用了SPX交叉方法，变异时以相等的概率从插入变异和替换变异两种方法中随机选择一种对种群中的个体进行变异。

申请人：四川用联信息技术有限公司
地址：610054 四川省成都市成华区电子信息产业大厦1101室
国籍：CN
更多信息请下载全文后查看。

基于正逆序策略的混合流水车间遗传调度算法

基于正逆序策略的混合流水车间遗传调度算法
苏志雄;伊俊敏
【期刊名称】《计算机集成制造系统》
【年(卷),期】2016(22)4
【摘要】针对最小化Makespan的混合流水车间调度问题,提出一种将活动调度技术、正逆序调度策略与遗传算法相结合的求解算法.该算法不但采用活动调度技术进行空间缩减,而且采取正逆序调度策略消除算法对问题数据的依赖性、提高种群的多样性.在算法设计中,提出一种新的染色体编码方案用来表示完整的活动调度解及其生成方式;通过选择有效的优先规则集,以活动调度技术为基础设计相应的种群初始化策略和遗传操作.基于Benchmark算例的仿真实验结果表明了该算法的有效性,既可以在很短的时间内求出全部a类和b类算例的最优解;对于相对难解的c 类和d类算例,又可以找到质量较高的调度解,其平均偏差仅为3.060％.
【总页数】11页(P1059-1069)
【作者】苏志雄;伊俊敏
【作者单位】厦门理工学院管理学院,福建厦门 361024;厦门理工学院管理学院,福建厦门 361024
【正文语种】中文
【中图分类】TP278;F273
【相关文献】
1.一种基于混合遗传算法的车间调度算法 [J], 顾晓芬;郝永平;唐健
2.车间调度问题的一种基于遗传算法的混合调度算法 [J], 付得才;陈鹏飞;李云峰
3.车间调度问题的一种基于遗传算法的混合调度算法 [J], 付得才;陈鹏飞;李云峰
4.混合流水车间的遗传算法调度策略 [J], 肖文栋;张森
5.基于遗传算法的混合流水车间调度问题研究 [J], 林飞龙;陶泽;王晓晨
因版权原因，仅展示原文概要，查看原文内容请购买。

基于遗传-粒子群混合算法的柔性作业车间多资源调度问题

Abstract: A multi-resource flexible job shop scheduling problem ( MRFJSP ) is proposed by adding transportation and assembly in the traditional flexible job shop scheduling problem ( FJSP). A flexible job shop schedu ling model including processing, transportation and assembly is established to minimize the completion time. In onleT to improve the searching ability of traditional genetic algorithm (GA) in job shop schedu ling problem, a hybrid GA-PSO with optimization strategy is proposed , where single layer coding is used・ The feasibility of the model is verified by an example, and the hybrid algorithm is compared with GA and PSO, which proves the superiority of the hybrid algorithm.
Keywords:flexible job shop； multi resource scheduling； hybrid GA-PSO； single layer coding

混沌遗传算法

5. 使用方法
5. 使用方法
起源
(2) 初始化种群，包括个体数、染色体长度、
初始种群的生成方式等
(4) 通过混沌映射生成随机数，并使用遗传算法行选择、交叉和变异操作，生成新的子代
种群
(6) 根据适应度值，选择最优个体作为当
前种群的代表
发展
(1) 确定优化问题的目标函数和约束条
件
(3) 计算每个个体的适应度值
(2) 优化算子设计：混沌遗传算法通过设计不同的优化算子，如选择、交叉和变异等，使得算法能够更好地探索搜索空间。比如，可以通过引入混沌映射来增加选择算子的随机性，通过引入混沌序列来增加变异算子的多样性等
(3) 自适应参数调整：混沌遗传算法通过自适应地调整算法的参数，如种群大小、交叉概率和变异概率等，来提高算法的性能。这样可以使得算法能够根据问题的特点和搜索进程的情况来自动调整参数，提高算法的适应性和鲁棒性
(1) 参数选择困难：混沌遗传算法中的混沌映射参数需要根据具体问题进行选择，但选择合适的参数并不容易，需要进行大量的试验和调整
(2) 收敛速度慢：混沌遗传算法在搜索过程中容易陷入局部最优解，很难快速找到全局最优解，导致收敛速度较慢
(3) 算法复杂度高：混沌遗传算法结合了遗传算法和混沌映射，算法复杂度较高，需要较长的计算时间和大量的计算资源
LOGO
混沌遗传算法
汇报人:XX
日期：xxx
1 1. 文章创新点 3 3. 代码 5 5. 使用方法
-
2 2. 实现过程
4
4. 存在问题
PART 1
1. 文章创新点
1. 文章创新点
混沌遗传算法是一种将混沌理论与遗传算法相结合的优化算法。它的创新点主要体现在以下几个方面

自动化生产单元调度的混沌粒子群算法

自动化生产单元调度的混沌粒子群算法
李鹏;车阿大
【期刊名称】《工业工程》
【年(卷),期】2009(12)6
【摘要】在求解一类带时间窗口的自动化生产单元调度问题时,基本粒子群算法易陷入局部极值点且收敛缓慢.针对这一问题,将混沌搜索技术引入至基本粒子群算法中,利用混沌运动搜索精度高、遍历性好的特点来改善基本粒子群算法易陷入局部极值点和收敛缓慢的缺点,从而提高粒子群算法的收敛速度和优化质量.首先给出了带时间窗口的自动化生产单元调度问题的混合整数规划模型,着重讨论了混沌粒子群调度算法的设计,包括编码方式、混沌初始化、混沌扰动和适应度函数计算等.对提出的算法进行了仿真验证,仿真结果表明在求解此类调度问题上,混沌粒子群算法比基本粒子群算法具有明显的优势.
【总页数】6页(P90-95)
【作者】李鹏;车阿大
【作者单位】西北工业大学,管理学院,陕西,西安,710072;西北工业大学,管理学院,陕西,西安,710072
【正文语种】中文
【中图分类】O211.1;TP278
【相关文献】
1.混沌改进粒子群算法及其在储能电站优化调度中的应用 [J], 杨晓辉; 李瑞欣; 姚凯; 周越
2.混沌压缩非线性粒子群算法求解车间调度问题 [J], 包贤哲;丁稳房;宋阿妮
3.基于混沌映射的自适应退火型粒子群算法的微电网优化经济调度 [J], 戴旭凡;陆奎;宋丹
4.基于混沌映射的自适应退火型粒子群算法的微电网优化经济调度 [J], 戴旭凡;陆奎;宋丹
5.基于混沌遗传算法的自动化生产单元调度方法 [J], 李鹏;车阿大
因版权原因，仅展示原文概要，查看原文内容请购买。

解决作业车间调度问题的混合差分进化算法

。 K ane, t 对简单的单机调度问题, 提出了
[ 4]
遗传搜索算法。 Kanet的基因串表明了机器上的任务序列 , 他们的方法的目标是寻找最好的操作的排列,
基金项目 : 国家 863 计划项目 ( 2007AA 04Z155 ); 国家自然科学基金 ( 60874074); 浙江省自然科学基金 ( Y1090592) 作者简介 : 周萧 ( 1984), 女 , 山东枣庄人 , 在读硕士研究生 , 主要研究方向为差分进化算法解决生产调度问题。 E-m a i: l zhoux i ao121 @ 126 . co m
[ 10]
。国内目前 , 朱旭东结合 Job Shop 问遗传算法 ( GA )
。
宋晓宇等提出了基于关键工序的领域选择方法, 改进 [ 7] 744[ 8 - 9] 了求解 Job Shop 调度问题的禁忌搜索算法。 1 混合差分进化算法如同所有的优化算法一样, 差分进化算法基于种群的进化算法。差分进化算法主要的参数主要有种群规模 N P , 解空间的维数 D, 缩放因子 F 和交叉概率 C r。 D 维矢量 X i = [ x i, 1, x i, 2,
( 2)
1. 3 选择选择操作是为了决定交叉个体是否保留到 G + 1 代。对于最小化问题 , 交叉个体 U i, j 和原始个体通过贪婪策略进行比较, 目标函数更小的个体被保留作为新产生的种群个体。选择操作公式如下所示 Xi
G+ 1 G+1
=
Ui
G+ 1 G
, f (U i
G+1
) < f (X i )
文章提出了一种改进的差分进化算法一混合差分进化算法hybriddifferentialevolutionalgorithm来解决作业化初期能够保持种群多样性后期减少缩放因子对最优解的破坏提出了自适应的缩放因子f

车间作业优化调度问题研究

ｏｆｌｏｗａｃｃｕห้องสมุดไป่ตู้ｒａｃｙａｎｄｅａｓｙｔｏｂｅｐｒｅｍａｔｕｒｅ，ｗｈｉｃｈｒｅｓｕｌｔｅｄｉｎｐｏｏｒｓｃｈｅｄｕｌｉｎｇｅｉｃｆｉｅｎｃｙ．ＡｈｙｂｉｄｒｐａｒｔｉｃｌｅｓｗａｌＩＴＩｏｐｔｉ —
ＳＨＥＮＬｉ — ｊｕａｎ，ＣＨＥＮＧＺｉ —ａｎ，ＬＩＭｉｎｇ
（ＣｏｌｌｅｇｅｏｆＭａｃｈｉｎｅｒｙａｎｄＴｒａｎｓｐｏｒｔａｔｉｏｎ，ＳｏｕｔｈｗｅｓｔＦｏｒｅｓｔｙｒＵｎｉｖｅｒｓｉｔｙ，ＫｕｎｍｉｎｇＹｕｎｎａｎ６５０２２４，Ｃｈｉｎａ）ＡＢＳＴＲＡＣＴ：Ｔｈｅｅｆｆｅｃｔｉｖｅｊｏｂｓｈｏｐｓｃｈｅｄｕｌｉｎｇｃａｎｉｍｐｒｏｖｅｔｈｅｐｒｏｄｕｃｔｑｕａｌｉｔｙａｎｄｅｑｕｉｐｍｅｎｔｕｔｉｌｉｚａｔｉｏｎ，ｓｈｏ￣ｅｎ
第３４卷第６期
文章编号：１００６—９３４８（２０１７）０６－０３５３— ０４
计
算
机
仿
真
２０１７年Ｏ６月
车间作业优化调度问题研究

求解带时间窗车辆路径问题的混沌遗传算法(精)

（１．重庆大学机械传动国家重点实验室，重庆４０００３０；２．重庆长安铃木汽车有限公司技术中心，重庆４０１３２１；３．重庆邮电大学光电工程学院，重庆４０００６５）摘㊀要：针对遗传算法随机性大、末成熟收敛等缺点，提出了将混沌搜索技术和遗传算法相耦合的混沌遗传算法来求解带时间窗的物流配送车辆路径问题（ＶＲＰＴＷ）。该算法将混沌变量映射到优化变量的取值范围中，把得到的混沌变量进行编码生成初始种群，然后在遗传操作进行之后对优秀个体增加混沌扰动，促进种群的进化ＲＰＴＷ问题时，搜索效率高，能以收敛速度，得到最优解。实例计算结果与其他算法比较表明，该算法在求解Ｖ较快的速度收敛于全局最优解，为求解ＶＲＰＴＷ问题提供了一种新方法。关键词：混沌搜索技术；混沌遗传算法；带时间窗的车辆路径问题中图分类号：ＴＰ３０１．６㊀㊀㊀文献标志码：Ａ㊀㊀㊀文章编号：１００１３６９５（２０１２）０７２４２２０４ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００１３６９５．２０１２．０７．００５
２］物流配送研究领域内的一个非常重要的问题［。带时间窗的
优化，取得了一定成果，基本上能够满足现代物流配送系统的要求。但是由于带时间窗物流配送调度的复杂性，以及启发式
㊀㊀收稿日期：２０１１１１３０；修回日期：２０１２０１０６㊀㊀基金项目：国家自然科学基金资助项目（７１０７１１７３）；国家教育部高校博士点科研基金资助项目（２００９０１９１１１０００４）；重庆市科技攻关重点资助项目（２０１１ＧＧＣ３５１）㊀㊀作者简介：王永锋（１９７８），女，山西人，博士，主要研究方向为生产调度与仿真、人工智能研究等（ｗｙｆ７３４＠ｃｑｕ．ｅｄｕ．ｃｎ）；杨育（１９７１），男，四川成都人，教授，博导，博士，主要研究方向为客户协同创新及网络化制造；顾永明（１９８０），男，内蒙古人，工程师，硕士，主要研究方向为生产调度仿真；吴彩明（１９８７），男，山西人，硕士研究生，主要研究方向为图像传感与处理．

《基于混沌改进海洋捕食者算法的作业车间调度问题的研究》

《基于混沌改进海洋捕食者算法的作业车间调度问题的研究》一、引言作业车间调度问题（Job-Shop Scheduling Problem，JSSP）是生产制造领域中的一项重要问题。

随着制造业的快速发展，如何高效地安排生产任务，提高生产效率成为了企业追求的目标。

海洋捕食者算法（Marine Predator Algorithm，MPA）作为一种新兴的智能优化算法，在解决复杂优化问题上展现出了一定的优势。

然而，传统的MPA在解决作业车间调度问题时，可能存在局部最优解、收敛速度慢等问题。

为了解决这些问题，本文提出了一种基于混沌改进的海洋捕食者算法（Chaos-Improved Marine Predator Algorithm，CIMPA），旨在提高作业车间调度的效率和效果。

二、相关工作回顾在作业车间调度问题中，国内外学者已经进行了大量的研究。

传统的调度方法包括规则调度、启发式算法、数学规划等。

然而，这些方法在处理大规模、高复杂度的作业车间调度问题时，往往难以得到满意的结果。

近年来，智能优化算法如遗传算法、蚁群算法、人工鱼群算法等被广泛应用于作业车间调度问题中，并取得了一定的成果。

其中，MPA作为一种新兴的智能优化算法，在解决该问题上具有较大的潜力。

三、混沌改进海洋捕食者算法（一）海洋捕食者算法概述MPA是一种模拟海洋生物捕食行为的智能优化算法。

它通过模拟生物间的竞争、合作、迁移等行为，实现全局寻优。

MPA具有较强的鲁棒性和适应性，能够在复杂的优化问题中寻找最优解。

（二）混沌理论引入混沌理论是一种非线性科学理论，具有随机性、无序性和非周期性等特点。

将混沌理论引入MPA中，可以有效地克服算法在寻优过程中的局部最优解问题。

通过引入混沌变量和混沌映射，使算法在搜索过程中具有更强的全局寻优能力。

（三）CIMPA实现步骤1. 初始化：设置算法参数，如种群数量、迭代次数等；随机生成初始解集。

2. 混沌变量生成：根据混沌映射生成混沌变量。

基于信息熵的混沌遗传算法求解网格工作流调度问题

基于信息熵的混沌遗传算法求解网格工作流调度问题摘要院网格发展的主要思想是有效的利用分布在世界各地的计算资源。

而在网格环境下，是通过很多相互依赖的任务来描述作业的，这让工作流调度面临巨大的挑战。

在本文中，提出了一个改进型的混沌遗传演算法来解决在工作流应用程序中的调度优化问题，它利用信息熵的概念动态调整了交叉和变异概率，优化了传统的遗传算法，并最终通过实验证明了算法的有效性。

Abstract: The main ideas of the grid development is using computing resources effective which distributed in all over the world. Ingrid environment, the work is described by many interdependent tasks, so the workflow scheduling will meet enormous challenges. Thisarticle puts forward an improved chaos genetic algorithm to solve the problem of scheduling optimization in the workflow application. It usesthe concept of entropy dynamically adjust crossover and mutation probability to optimize the traditional genetic algorithm, and finally theexperimental results shows the effectiveness of the algorithm.关键词院网格计算；工作流调度；混沌遗传算法；熵Key words: grid workfolw；workflow scheduling；chaos-genetic algorithms；entropy中图分类号院TP393 文献标识码院A 文章编号院1006-4311（2014）01-0194-030引言网格工作流调度问题不同于一般的任务调度，在调度时不仅要考虑为任务选择一个最佳资源，还要考虑各个任务之间的时序与因果关系等一系列的约束条件，以及协调各个任务的执行来达到最终的目标，这种调度集中于多元化相互依存的管理任务的执行及映射[1]。

应用混合遗传蚁群算法求解柔性车间调度问题

&’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
由于遗传算法具有快速全局搜索能力)Q* "将其与蚁群算法结合用于作业车间调度问题求解"利用遗传算法初步求解结果作为蚁群算法输入"从而避免蚁群算法初始信息素匮乏$求解速度慢的缺点#

混合工作日历下作业车间调度遗传进化方法

混合工作日历下作业车间调度遗传进化方法ZENG Qiang;DENG Jingyuan;CHANG Menghui;ZHANG Jinchun【摘要】针对一类混合工作日历下的作业车间调度问题,提出了一种遗传进化方法.构建了混合工作日历下以生产周期最短为优化目标的作业车间调度优化模型;提出了基于工作日历的时间推算方法,设计了遗传算法对这类问题进行求解.算法采用基于工序的编码方式;遗传操作中采用遗传算子改进策略保证子代个体的可行性,降低了计算量;解码操作中采用了基于工作日历的时间推算方法来准确计算工序的起止时刻,并采用两种技术缩短生产周期.通过案例分析验证了所提方法的有效性.【期刊名称】《中国机械工程》【年(卷),期】2018(029)022【总页数】13页(P2690-2702)【关键词】作业车间调度问题;混合工作日历;遗传算法;时间推算【作者】ZENG Qiang;DENG Jingyuan;CHANG Menghui;ZHANG Jinchun 【作者单位】【正文语种】中文【中图分类】C93-03;TP390 引言作业车间调度问题(job shop scheduling problem，JSP)是复杂的NP-hard问题[1-2]，多年来一直是学术界的研究热点。

考虑到设备自动化程度、运行可靠性、固定成本、生产任务量的不同及人性化管理的需要，我国多品种小批量机械加工企业或车间内各设备往往采用不尽相同的工作日历，即混合工作日历现象在多品种小批量机械加工企业中普遍存在。

然而，现有作业车间调度研究成果尚不能有效解决混合工作日历下的作业车间调度问题。

作业车间调度对于工作日历的处理主要有三种情况：不考虑工作日历、假定待调度设备采用统一的工作日历、假定待调度设备采用混合工作日历。

绝大多数现有作业车间调度属于第一种情况。

在这种情况下，调度在连续的时间轴上安排工序[3-5]，虽然计算量最少，但得到的调度方案未与具体的日历时间挂钩，故难以有效指导生产实践。

基于混沌遗传算法的自动化生产单元调度方法

基于混沌遗传算法的自动化生产单元调度方法
李鹏;车阿大
【期刊名称】《系统工程》
【年(卷),期】2008(26)11
【摘要】针对遗传算法在求解一类带时间窗口的自动化生产单元调度问题时易出现冗余迭代、收敛缓慢等问题,将混沌搜索技术引入至遗传算法中,通过将混沌初始化、混沌扰动与遗传算法的基本操作相结合,利用混沌运动搜索精度高、遍历性好的特点来提高遗传算法的收敛速度和优化质量。

本文在给出自动化生产单元调度问题的数学模型的基础上,着重讨论了混沌遗传调度算法的设计,包括编码方式、混沌初始化、交叉操作、混沌变异操作和适应度函数的计算等。

最后以自动化电镀生产线为例对提出的算法进行了验证,为此类调度问题提供了有效的算法。

【总页数】6页(P75-80)
【关键词】自动化生产单元;调度;时间窗口;混沌遗传算法
【作者】李鹏;车阿大
【作者单位】西北工业大学管理学院
【正文语种】中文
【中图分类】O211;TP278
【相关文献】
1.基于遗传算法的针织染色生产调度方法 [J], 孙兆伟;李智
2.自动化生产单元调度的混沌粒子群算法 [J], 李鹏;车阿大
3.基于遗传算法的生产车间调度方法研究 [J], 张文慧
4.基于退火遗传算法的自动化单元测试方法分析 [J], 刘烨
5.基于改进遗传算法的自动化制造单元调度 [J], 毛永年;唐秋华;张利平
因版权原因，仅展示原文概要，查看原文内容请购买。

一种求解柔性作业车间调度问题的混合智能算法_武福

第5期2013年5月组合机床与自动化加工技术Modular Machine Tool ＆Automatic Manufacturing TechniqueNo．5May 2013文章编号：1001－2265（2013）05－0130－04收稿日期：2012－10－25*基金项目：甘肃省自然科学基金（1112RJZA045）作者简介：武福（1973—），男，甘肃人，兰州交通大学机电工程学院副教授，主要从事制造系统建模与优化调度的研究，（E －mail ）wufu@mail．lzjtu．cn 。

一种求解柔性作业车间调度问题的混合智能算法*武福1，2张治娟2（1．甘肃省轨道交通装备系统动力学与可靠性重点实验室，兰州730070；2．兰州交通大学机电工程学院，兰州730070）摘要：提出了一种将蚁群算法、遗传算法和粒子群算法优化融合的混合智能算法，并将其应用于解决多目标柔性作业车间调度问题。

采用蚁群算法寻径生成初始群体，利用遗传算法进行调度路径的优化，利用粒子群算法对蚁群算法中的信息素进行优化，优势互补。

最后通过仿真实例验证了该算法的可行性和有效性。

关键词：蚁群算法；多目标优化；柔性作业车间调度中图分类号：TH165；TG65文献标识码：A Research on Multi-objective Flexible Job-shop Scheduling Problem Basedon Hybrid Intelligence AlgorithmWU Fu 1，2，ZHANG Zhi-juan 2（1．Key-lab of System Dynamics and Reliability of Rail Transportation Equipment of Gansu Province ，Lanzhou 730070，China ；2．Institute of Mech-Electronic Technology ，Lanzhou Jiaotong University ，Lanzhou 730070，China ）Abstract ：This paper proposed a hybrid intelligence algorithm to solve multi-objective flexible job-shopscheduling that was based on the combination of ant colony algorithm ，genetic algorithm and particle swarm optimization．First ，it adopted ant colony algorithm to get a new population by routing．Second it made use of genetic algorithm to optimize the path ，the PSO algorithm to optimize the pheromone in ant colony algorithm．Finally ，it developed enough advantage of the three algorithms．The simulation results show that the algorithm is feasible and effective．Key words ：ant colony algorithm ；multi-objective optimization ；flexible job-shop scheduling0引言蚁群算法（Ant Colony Algorithm ）是意大利学者M．Dorigo 等人通过模拟自然界蚂蚁寻径的行为提的一种应用于组合优化问题的启发式搜索算法，它充分利用蚁群行为中所体现的正反馈机制进行求解，同时，利用分布并行计算方式在全局的多点进行解的搜索［1］。

一种求解作业车间调度的文化粒子群算法

ｖｒｅｃｐｅｎｅｅｔａｏｅｇｒｈｏｏｌｔｅｓｌｔｎｑａｉｕａｏｔｅｓｂｌｙｅｇｎｅｓｅｄａｄｉｂｔｒｈｎｔｓｏｉｍｓｎｎｔｎｙｈｏｉｕｔｂｔｓｔｉｔ．ｓｔｈａｔｉｌｕｏｌｙｌｈａｉ
作业车间调度问题（Ｓ）ＪＰ研究 Ⅳ个工件在台机器上的加工过程，每个工件在各台机器上的加工时间已知，且每个并
Ｃ＾，）＝Ｃ＾一，）（１（ｌ１
Ｃｊ，（ｌ）＝Ｃ，一１（１ｋ）
，，ｉ１＝２，ｎ …，
ｌ，ｋ＝ … ，，２，ｍ
Ｃ（）＝Ｃ，（ｍ）
（）５（）６
丌＝ｒ｛ｍ（）（，｝｝ｉ，Ｖ仃∈ ａｃ矗仃＝ｃｍ） — ｍｎｇｘ Ⅱ
其中，５即为最大完成时间，６表示最小化最大完成时式（）式（）
间的调度排序方案。粒子群优化算法（Ｓ）早是Ｋｎｅｙ等人受鸟群觅食Ｐ０最ｅｎｄ行为的启发，１９于９５年提出的一种生物进化算法。ＰＯ算法Ｓ
基金项目：淮安市科技计划资助项目（Ｎ０５；Ｓ１４）淮安市科技局资助项目（Ａ００２ＨＧ９５）
作者简介：霞（９０）女，朱１８一，江苏通州人，讲师，博士研究生，主要研究方向为嵌入式系统及计算机测控技术、计算机应用、智能算法（ｎｉ０４ｓｌ２ａ２
第２９卷第４期２１０２年４月
计算机应用研究
ＡｐｌａｉｎＲｅｅｒｈｏｍｐｔｒｐｉｔｓａｃｆｃｏＣｏｕｅｓ

柔性作业车间调度优化的改进遗传退火算法

柔性作业车间调度优化的改进遗传退火算法何东东【摘要】针对更符合实际生产的柔性作业车间调度问题(FJSP)及其NP难得特性,在已有遗传退火算法(GASA)的基础上,提出了改进的遗传退火算法(EGSA),以便更高效地解决FJSP问题.在算法的操作上,引入了S-自适应遗传算子以及非齐次的降温策略,不仅能对交叉和变异概率进行自适应非线性调整而且还能很好的控制温度的下降,增补了遗传算法的进化能力.最后,将提出的EGSA算法通过3个基准问题仿真,统计结果表明了算法的可行性和有效性,同时也说明提出的算法在求解FJSP问题方面具有高效性和精确性;在收敛性能方面与传统算法相比具有更好的鲁棒性和收敛性.【期刊名称】《制造业自动化》【年(卷),期】2019(041)001【总页数】6页(P83-88)【关键词】柔性作业车间调度;遗传退火算法;遗传算法;模拟退火算法;自适应算子【作者】何东东【作者单位】兰州交通大学交通运输学院,兰州730070【正文语种】中文【中图分类】TP3010 引言制造业是国民经济的主体，是立国之本、兴国之器、强国之基。

随着《中国制造2025》的提出以及为了加快实现到2025年我国迈入制造强国的战略目标，制造行业对于车间的调度方案优化、效率优化等研究有着迫切的需求。

车间调度问题（Job-shop Scheduling Problem，JSP）是制造业研究的核心和重点。

其中柔性作业车间调度（Flexible Job-shop Scheduling Problem，FJSP）是JSP问题的延伸和拓展，FJSP突破了资源唯一性的限制，每道工序可以在多台不同的机器上加工，这样，FJSP便衍生了两个子问题，即机器分配问题和工序调度问题，从而使得其相对于经典JSP而言更加复杂，但同时又使其更加符合实际的生产环境，因此对它的研究更加具有理论价值和实际应用价值。

FJSP是一类满足任务配置和顺序约束要求的组合优化问题，属于NP难问题[1]。

基于熵增强混沌遗传算法的柔性作业车间调度

基于熵增强混沌遗传算法的柔性作业车间调度
李永湘;姚锡凡
【期刊名称】《组合机床与自动化加工技术》
【年(卷),期】2024()3
【摘要】为使企业获得最优综合调度质量的车间调度方案,研究了多目标柔性作业车间调度数学模型及其求解算法,建立了基于最大完工时间、最大机器负荷差、机器总负荷和调度复杂度4个调度质量指标的多目标柔性作业车间调度问题模型(MFJSP),提出熵增强混沌遗传算法(ECGA)求解该模型,应用伯努利混沌映射公式改进算法选择操作,用高斯云模型改进变异算子和交叉算子,提高算法的全局寻优能力和搜索效率。

根据计算的交叉概率和变异概率执行切牌式交叉操作和两基因片段式变异操作提高种群基因的多样性。

以M8J12P3调度问题为例验证了MFJSP模型和ECGA算法的有效性。

结果表明,与SGA、PSO和ABC相比,ECGA具有更快的收敛速度和更好的全局搜索能力,有助于企业提高生产效率和降低成本。

【总页数】6页(P187-192)
【作者】李永湘;姚锡凡
【作者单位】贵州工程应用技术学院机械工程学院;华南理工大学机械与汽车工程学院
【正文语种】中文
【中图分类】TH165;TG659
【相关文献】
1.基于自适应参数与混沌搜索的PSO算法求解柔性作业车间调度问题
2.基于遗传算法的柔性作业车间柔性分批调度问题研究
3.基于时间递推建模及交叉熵算法求解柔性作业车间调度问题
4.基于改进遗传算法的柔性作业车间调度优化
5.基于改进遗传算法的柔性作业车间调度问题研究
因版权原因，仅展示原文概要，查看原文内容请购买。