基于自适应遗传算法混合Flow_shop的调度与仿真

合集下载

基于遗传算法的混合Flow—shop调度方法

基于遗传算法的混合Flow—shop调度方法
c mp e h e e a o s o c e u ig p o lm e a s h r r a a ll o lx t a g n r l w-h p s h d l r b e b c u et e ea e p r l c i e n s me o e ai n , n t i p p r n l f n e ma h n so o p r to s I s a e , h an w t o o v n y r o s o c e u i gp o lm a e n g n t l o i m r p s d. n w o i g me h d e meh d s l i g h b i f w-h p s h d l r b e b s d o e e i ag rt dl n c h i p o o e A e c d n t o s
J l 2 0 uy 0 2
基于遗传算 法 的混合 Fo .h p调度 方法 lw so
王 万 良 姚 明海 吴 云 高 , , ,吴 启迪
( 浙江 工 业大 学 信息 工 程学 院,杭州 30 1; 同济 大学 电子 与信 息 工程 学 院,上 海 2 0 9 ) 10 4 0 02
Th s p r t r a a i e p t e f a i i t f o u i n Th y c lo s t f eso h si e n fg n t l o i m e e o e a o sc n e s l k e h e b ly o l t , e a a s a i yt t c a tcd ma d o e e i a g r h y s i s o n s h c t b tef F n l , n e a l f r d c i n s h d l g p o lm rme a wo k n r s o n a c r n i e p a t sg v n y i l. i a l a x mp e o o u t c e u i r b e f t l r i g wo k h p i a g n ln ie , s y p o n o e i

自适应变异的遗传算法求解Flow Shop问题

自适应变异的遗传算法求解Flow Shop问题
i e s a d T c n lg , Ya ti S a d n 2 4 0 , h n o g I si t f B sn s n e h o o y t na , h n o g 6 0 5
Chn ; .De at n fP y is a d Elcrc I fr ain En ie r ia 2 p rme to h sc n e ti no m t gn e , o
C ia Wet o a U iesy N n hn ,ih a 6 7 0 , h a hn s N r l nvri , a c o g Sc un 3 0 2 C i ) m t n
Ab ta t I od r o v i te o sr c :n r e t a od h c mmo d fc f e r c n eg n e f Ge ei Aloi ms n ee to al o v re c o n t y c g rt h
中 图分 类号 :P8 T 1 文 献标识码 : A
Ap l a i n o e e i l o i m t d p ie m u a i n p i t f g n tc ag rt c o h wi a a t h v tt o
t l w h p S h d l g P o lm o F o S o c e u i r be n
i p p lt n s i t rp s d a d te te muain rb bly s ee ie b te n o uai i o f p o oe n h n h s r tt p o a i t o i i d tr n d y h m
e t p . T e bly o ra a a f m te o a o t m s ral i rv d y h nr y o h a i t t be k w y r i o h lc l pi mu i ge t mp o e b te y

基于遗传算法的混合Flowshop调度

基于遗传算法的混合Flowshop调度

基于遗传算法的混合Flowshop调度
吴云高;王万良
【期刊名称】《计算机工程与应用》
【年(卷),期】2002(038)012
【摘要】混合Flowshop调度问题,是一个NP完全问题,很难用一般的方法解决,文章提出了遗传算法求解混合Flowshop调度问题的方法,给出了一种染色体表示方法,设计了相应的交叉和变异操作算子,这两种算子很容易保证个体的合法性,同时又具有遗传算法本身所要求的随机性.最后给出了一个较大规模的计算实例,仿真结果表明此算法是有效的.
【总页数】3页(P82-84)
【作者】吴云高;王万良
【作者单位】浙江工业大学信息工程学院,杭州,310014;浙江工业大学信息工程学院,杭州,310014
【正文语种】中文
【中图分类】TP273
【相关文献】
1.用多种群并行自适应遗传算法解混合FloWshop调度问题 [J], 路飞;田国会;贾磊
2.基于联姻遗传算法的混合FloWshop提前/拖期调度问题 [J], 路飞;田国会
3.混合FlowShop环境下的提前/滞后调度问题的遗传算法 [J], 王莉;王梦光
4.基于TNEH算法求解混合Flowshop的调度问题 [J], 曹杰;史金飞;戴敏
5.基于TNEH算法求解混合Flowshop的调度问题 [J], 曹杰; 史金飞; 戴敏
因版权原因,仅展示原文概要,查看原文内容请购买。

用多种群并行自适应遗传算法解混合Flowshop调度问题

用多种群并行自适应遗传算法解混合Flowshop调度问题

Ke r s h b d Fl ws op sh d i g y wo d : y r o h c e ul ;m u t r p p r l l d p ie g n tc a g rt m i n li ou a al ;a a tv e ei lo h g e i
1 引 言
中图分 粪号:P 7 T 23 文献标识码 : A 文章编号: 0 7 4 9 20 ) 1 0 6 — 3 10 — 4 X(0 20 — 0 8 0
So u o t y rd Fl ws o c e u i g p o lm sn l t n o h b i o h p s h d l r be u i g a mutg o p i n l ru i
Ab ta t Th y rd Fl sr c : e h b ows o c e u i g p o l m s a NP c i h p sh d l r be i n omp e e p o l m i i d fiu tt lt r b e t s if l o c
p r l l a d a a tv e e c a g rt m a a l n d p ie g n t l o ih e i
Lu i Fe , TI N u - u , J A Le A G oh i I i
(co lo o t lS ine a d E gneig S a d n ies y ia 50 1 Chn ) S h o fC nr ce c n n ier , h n o g Unvri .J n 20 6 . ia o n t n
调 度 问 题 其 中 遗 传 算 法 因 其 具 有 处 理 问 题 的 柔 性 和 并 行 处 理 的 能 力 而 得 到 厂 泛 的 应 用 , 其 是 它 尤 在 求 解 大 规 模 Fo so lw h p调 度 问 题 上 较 其 它 算 法 而

混合Flowshop双目标调度问题的双向仿真方法

混合Flowshop双目标调度问题的双向仿真方法
Pr em brd Fl obl ofHy i ows op h
Zt N G L4 Chun k . LI X i 一 n . — ai ao g SI A O u , RE N — a g。 t H ihe De xi n
( . I s .o t ma in,S a g a io o g U nv 】 n t fAu o to h n h i a t n i .S a g a 0 0 0 J h n h i2 0 3 .Ch n ia
混 合 Fo h p双 目标 调 度 问题 的双 向仿 真方 法 lws o
张 春 概 李 霄峰 ,

邵 惠鹤 任 德 祥 ,
( _上 海 交 通 大 学 自 动 化 研 究 所 . 海 2 0 3 2 1 上 0 0 0 .上 海 宝钢技 术 中心 自动化研 究 所 ,上海 2 1 0 ) 0 0 9
b c wa d smua i n eo d,t ej b n e h y tm c o dn o t er v re r u e .W h l h a k a k r i lto .S c n h o se t rt es se a c r ig t h e e s o ts i te bc e
2 I s . o u o a i n,Sha g iBa s e [G r p Cor n t f A t m to n ha o t e ou p.. S n a 0J 0 ha gh i2 9 0)
Abs r t: Thi p p o s d n p o c om bi g o w a d i u a i n a d a kwar sm ul i t tac s a er pr po e a a pr a h of c n f r r sm l to n b c d i aton o

基于遗传算法的大型Flow—shop生产调度

基于遗传算法的大型Flow—shop生产调度

算 方 法 逐 渐 被 引入 到 生 产 调 度 中 , 别 是 遗 传 算 法 的 应 用 。为 此 , 用 Mal 特 应 t b开 发生 产 调 度 程 序 , 利 用 实 际 生 a 并
Байду номын сангаас
产数 据 进 行 了仿 真 ; 过 相 关仿 真 实验 , 证 了不 同交 叉 算 子 和 变 异 算 子 组 合 获 得 的 最 优 解 存 在 差 异 , 得 并 验 通 验 获 证 了一 种 较 好 的交 叉 算 子 和 变 异 算 子 组合 , 仿 真 调 度 数 据 验 证 了遗 传 算 法 用 于求 解 大 型 流 水 车 间 调 度 的 可 行 其
Ab t a t sr c :Th fo s op c e ul pr blm ha t pr e t of e l w— h s h d i ng o e s he op r y mod ln c e i g omp e iy, lxt
c m p a i na c m pl x t o ut to l o e iy, d na i m u t— o t a n a m ulit r t d I r c nt y a s y m c lic ns r i t nd t—a ge e . n e e e r a
v re y ofe o u i a y c mpu a i n me h s,i r i u a ,t p ia i ne i l ort a i t v l ton r o t to t od n pa tc l r hea plc ton ofge tca g ihms ha e g a a l n r du e nt he pr du ton c d i g pr blm . So, we sbe n r du ly i t o c d i o t o c i s he uln o e de i a ne sgn w pr du to c d l r p og a by M a l b ba e n t e e i l o ihm e ho o c i n s he u e r r m ta s d o he g n tc a g rt m t d,a he a t a nd t c u l Pr du to a a i e t i o c i n d t s us d o smulto a i n. M o e v r t ou h r l v nt sm u a i n r s t a e r o e , hr g e e a i l to e uls we h v v rfe h t he fe e c s x se i t o i l ol to wh c f o e iid t a t dif r n e e i t d n he ptma s u i n i h r m t e o b n to o h c m i a i n f dif r ntc o s v ro r t r nd m u ato p r t r,a u t ro a ne h e t rc mbi to fe e r s o e pe a o sa t i n o e a o nd f r he bt i d t e b t e o na i n o r s e o r t r n u a i n pe a o , Si u a in e uls f ou p rme t h w t f c os ov r pe a o a d m t to o r t r m l to r s t o r ex e i n s o he f a i iiy an f e tve s n tc a g rt e sb lt d e f c i ne sofge e i l o ihm o ol i g l r e s a e fo s o c d i . f r s v n a g — c l l w— h p s he ul ng Ke r s e e i l o ih ;fo s p s he lng;s multo y wo d :g n tc a g rt m l w— ho c du i i a in

混合流水车间调度的自适应遗传算法求解

混合流水车间调度的自适应遗传算法求解

混合流水车间调度的自适应遗传算法求解作者:轩辕佳慧来源:《智富时代》2019年第11期【摘要】针对以最小化总流程时间为目标的混合流水车间调度问题,考虑到工业生产中并行机的异构或新旧程度等使得同一工序在不同工位的加工时间的不同,假设每个生产阶段的并行机为不相关并行机,结合遗传参数自适应动态调整机制,提出了一种自适应遗传算法。

基于不同规模问题的仿真实验说明了所提出算法的有效性。

【关键词】混合流水车间;不相关并行机;总流程时间;自适应遗传算法1.引言混合流水车间调度问题(hybrid flow shop scheduling problem, HFSSP)在流程工业较为常见,如钢铁业、化工业等。

按并行机的特点,可将HFSSP分为同构并行机、均匀并行机、不相关并行机调度问题[1]。

由于两阶段HFSSP即使只有一个阶段有多台机器也是NP-hard 的,因此求解HFSSP的方法多为近似算法。

在相同并行机环境下,关于HFSSP的近似算法多追求最小化最大完工时间,如韩忠华等[2]提出了改进帝国竞争算法;任彩乐等[3]设计了基于两阶段解码方法的候鸟优化算法;吴秀丽和崔琪[4]考虑可再生能源提出集成低碳调度策略的快速非支配遗传算法以同时最小化最大完工时间和碳排放量。

在不相关并行机环境下,吴楚格等[5]提出了解决并行机调度的基于信息熵的自适应分布估计算法,目标是最小化最大完工时间。

针对HFSSP,为最小化最大完工时间,孟磊磊等[1]考虑了阻塞限制,提出了一种改进的回溯搜索算法;宋存利[6]提出了改进贪婪遗传算法;王芳等[7]结合自适应调整模型设计了高效分布估算算法求解大规模调度问题;杜利珍等[8]提出了果蠅优化算法。

从上述研究现状可发现,对于含不相关并行机的HFSSP的研究多为最大完工时间问题,缺乏对其它目标问题的探讨。

因此,为减少在制品库存,本文以总流程时间为目标函数,设计结合遗传参数自适应动态调整机制的遗传算法,以有效求解该问题。

基于改进遗传算法的Flow Shop调度算法研究

基于改进遗传算法的Flow Shop调度算法研究

和改 进型 相结 合 的方 法 , 取长 补短 , 以期 达 到很好 的
效果 .
的各个 不 等 式 约 束 条 件 保 证 了在 F o h p调 度 lw S o
环 境下 所需 满足 的工 艺 、 机器 等约 束条 件. 于是 , C
1 Fo S o lw h p调 度 问题 描 述 及 其 数 学 模 型
使最 大流程 时 间 ( k s a ) 可能 地 少. ma ep n 尽 这类 问题
维普资讯
第2 卷 第 4 8 期
Vo . 8 NO 4 12 .
宁夏 大 学 学 报 ( 自然科 学版 )
J u n lo n x a Un v r iy Na u a ce c i o ) o r a fNi g i i e st ( t r l in e Ed t n S i
定的, 为 t 设 m(一1 … , ; , 7 k一 1 … , . 2 , m) 问题 的 目
即为该 个 工 件 、 台机 器 的流 水 车 间调 度 问题 的 m
最 大 流程 时间 , 而调 度 的 目标 即 为确 定 一 个 优 化 的
调度 序列 { ,。 … , ) 使得 Ca最小 , J J, J , m x 即使 最 大 流
程 时 间 ma e p n尽 可能 的小 . ksa
2 Fo S o lw h p调 度 问题 的 三 种 启 发 式 算 法
2 1 P l r 法 . ame 方
标是 确定 个 工 件 在每 台机 器 上 的最 优加 工 顺 序 ,
D S P l r 1 6 ) 出按 斜 度 指标 排 列 工 件 . . ame ( 9 5 提
(9 4 E 发 表第 一篇 关 于流水 车 间调度 问题 的文 章 1 5 )J z

基于遗传算法的混合流水车间调度的研究

基于遗传算法的混合流水车间调度的研究

基于遗传算法的混合流水车间调度的研究作者:魏文杲张荣马秀明来源:《科教导刊》2009年第09期摘要为了提高企业生产调度过程中的物料流程混乱、设备负荷不均衡的问题,研究了如何将遗传算法应用到实际的混合流水调度问题当中。

并通过某汽车发动机厂的混合流水调度例子进行了详细的阐述。

关键词生产调度物料流程遗传算法混合流水调度中图分类号:TH18文献标识码:A1 引言随着生产规模逐渐扩大、复杂性越来越高、对资源的需求量急剧上升、市场竞争也越来越激烈,对企业的管理和生产过程的监控都提出了更高的要求。

许多企业的机械加工车间在生产调度与管理的手段上,仍停留在人工管理阶段,为了保证生产高效稳定运行,以获得最大的经济效益,需将遗传算法这类先进的优化技术引入到生产过程监控当中。

2 混合流水调度2.1 问题模型混合流水调度(hybrid flow-shop scheduling problem,HFSP)是传统流水车间调度(Flow Shop Scheduling Problem,FSP)问题的一种推广。

该问题可描述如下②:n个工件在流水线上进行m个阶段的加工,每一阶段至少有一台机器且至少有一个阶段存在多台机器,并且同一阶段上各机器的处理性能相同,在每一阶段各工件均要完成一道工序,各工件的每道工序可以在相应阶段上的任意一台机器上加工,已知工件各道工序的处理时间,要求确定所有工件的排序以及每一阶段上机器的分配情况,使得调度指标最小。

2.2 问题实例某汽车发动机厂加工车间要加工12个工件,每个工件有车、刨、磨3个工序,现有3个车床(M1、M2、M3完成工序1),2个刨床(M4、M5完成工序2),4台磨床(M6、M7、M8、M9完成工序3),每台机床的加工能力不同,具体加工时间如表1所示。

3 遗传算法的编码设计对于HFSP调度问题,每一阶段均要解决工件的排序以及并行机的分配。

③④本文应用了一种简单易行的编码方式,可由m个子排列联合构成染色体,其中每个子排列为所有工件的一个随机完全排列,并且由个分隔符“*”将其分成段,每一子段表示该阶段上某一台并行机上的工件加工顺序。

改进遗传算法求解混合流水装配作业调度问题

改进遗传算法求解混合流水装配作业调度问题
g r e e d y d e c o d e me t h o d a r e p r o p o s e d . Di f f e r e n t e v o l u t i o n s r t a t e g i e s a n d d e c o d e me t h o d s a r e c o mb i n e d wi h t e a c h o t h e r t o s o l v e t h e
p r o b l e m. T he r e s u l t s o f i t s c o mp a r s i o n wi t h o t h e r me t h o d s s h o w t h a t t h e g e n e t i c a l g o i r t h ms wi t h e l i t i s t s t r a t e g y a n d g r e e d y d e c o d e
0 引言
在汽车 、 液 晶面板等产品装 配生产过程 中, 其生产线通 常是混合流水式生产,特 点是多 品种 ,小批量,产 品类型和 尺寸 不断变换 。在这 一类混合流 水装配生产线 的运 作过程 中 ,最 关键 的 问 题 是 装 配 生 产 线 的平 衡 问题 以及 相 关 的 作业 调度 问题 。本 文只研究混合流 水装配生产线 的调度 问
Mi c r o c o mp u t e r Ap p l i c a t i o n s V o 1 . 2 9 , N o . 9 , 2 0 1 3
文章编号:1 0 0 7 - 7 5 7 X( 2 0 1 3 ) 9 — 0 0 5 8 — 0 4
技 术交 流
微 型 电脑应 用
关键 词:装配作 业调 度;液 晶面板 ;遗传 算法 ;精 英保 留 中图分类号:T H1 6 ,T P 3 1 2 文献标志码 :A

基于双疫苗免疫遗传算法的混合 Flow -shop 问题优化

基于双疫苗免疫遗传算法的混合 Flow -shop 问题优化

基于双疫苗免疫遗传算法的混合 Flow -shop 问题优化
沈建涛;黄宗南
【期刊名称】《计量与测试技术》
【年(卷),期】2015(000)008
【摘要】混合 Flow -shop 问题相较置换 Flow -shop 问题更复杂,在实际应
用中更普遍。

为提升免疫遗传算法求解该问题时的寻优质量,提出双疫苗技术。

计算初期,首先利用 NEH 算法得到较优排序结果,并将其转化为复合编码形式作为前置疫苗,以改善进化初期最佳个体疫苗质量较差的缺陷,提高被接种个体的质量。

随着进化,当种群中出现质量更佳的个体时,改由该个体作为疫苗进行接种。

最后对算法测试,结果表明具有双疫苗技术的算法寻优性能更佳,能得到更好的调度方案。

【总页数】3页(P27-29)
【作者】沈建涛;黄宗南
【作者单位】上海大学机电工程与自动化学院,上海 200072;上海大学机电工程
与自动化学院,上海 200072
【正文语种】中文
【中图分类】TP181;O224
【相关文献】
1.双疫苗的免疫遗传算法在求解置换Flow-shop问题中的应用 [J], 沈建涛;黄宗

2.用多种群并行自适应遗传算法解混合FloWshop调度问题 [J], 路飞;田国会;贾磊
3.混合Flow Shop调度问题的遗传算法求解 [J], 王结南
4.基于双疫苗免疫遗传算法的混合FIow-shop问题优化 [J], 沈建涛;黄宗南
5.基于联姻遗传算法的混合FloWshop提前/拖期调度问题 [J], 路飞;田国会因版权原因,仅展示原文概要,查看原文内容请购买。

基于遗传算法的Flow Shop调度问题求解

基于遗传算法的Flow Shop调度问题求解

基于遗传算法的Flow Shop调度问题求解
肖力
【期刊名称】《井冈山大学学报》
【年(卷),期】2006(000)003
【摘要】如何对大规模的生产进行有效合理的调度,在分析企业生产流程的基础上,提出了一种用改进的遗传算法来求解流水车间调度问题的方法。

仿真实验结果证明了算法的可靠性与实用性,具有较好的工程应用价值。

【总页数】3页(P21-23)
【作者】肖力
【作者单位】华中科技大学;光电系
【正文语种】中文
【中图分类】TP301.6
【相关文献】
1.基于佳点集遗传算法的Flow Shop调度问题求解 [J], 汪祖柱;程家兴;姚芳兵;郭宝贵
2.基于改进单亲遗传算法的Flow-Shop问题求解方法 [J], 罗日成;李茂军;童调生
3.基于变形遗传算法交叉算子的Flow-Shop问题求解 [J], 张博凡;黄宗南
4.基于遗传算法的Flow Shop调度问题求解 [J], 肖力;周松华;郭鸣
5.基于遗传算法的Flow Shop调度问题求解 [J], 肖力
因版权原因,仅展示原文概要,查看原文内容请购买。

基于遗传算法的带时间窗的多目标flow-shop调度

基于遗传算法的带时间窗的多目标flow-shop调度

基于遗传算法的带时间窗的多目标flow-shop调度杨乐伟【摘要】结合实际生产,引入机器的空闲时间建立了一个带有时间窗的Row-shop 优化调度模型通过非支配排序来进行群体虚拟适应度值的分配,引入精英解策略来保证算法的收敛性和解的多样性,运用小生境技术来避免局部收敛和早熟,维持种群多样性.通过仿真实验得到模型具有实际意义,算法具有可行性.%Combined with practical production, the spare time of the machines was introduced to build a flow-shop scheduling model with time window. The community hypothesized sufficiency value was carried on through non-control sorting the assignment. The elitist solutions to guarantee the convergence of the algorithm and the multiplicity of the solutions were introduced. The niche technology was used to prevent local convergence and premature, maintain population diversity. Through the simulation experiment, it was obtained that the model have practical significance and the algorithm has the feasibility.【期刊名称】《安徽农业科学》【年(卷),期】2011(039)019【总页数】2页(P11357-11358)【关键词】多目标优化;flow-shop调度;非支配排序;精英保留;小生境技术【作者】杨乐伟【作者单位】合肥工业大学管理学院,安徽,合肥,230009【正文语种】中文【中图分类】S188多目标优化算法自其诞生以来就受到广泛关注,Murata等[1]利用变系数加权多目标遗传算法对多目标flow-shop排序问题进行求解,并运用到双目标flow-shop优化。

混合FlowShop的调度仿真系统及其算法分析

混合FlowShop的调度仿真系统及其算法分析

2.1 Johnson 算法
Johnson 规则是求解两级 Flowshop 的最优算法,它通 过 把 全 部 工 件 分 成 U , V 两 个 集 合 , 使 得
U = { j | p1 j ≤ p2 j } , V = { j | p1 j > p2 j } ,对 U 中的工件按
加工时间,再通过 Johnson 规则得到工件的排序结果。
引 言
现代制造业竞争日益激烈,对用户需求的预测也越来 越困难。为了减少库存,节约成本,最有效的运作策略是 将传统以预测为主轴的推式系统 (Push System) 改为以需求 计划(Demand Planning)为主轴的拉式系统(Pull System);企 业生产将减少预测性生产,而变成主要按订单生产 (MTO) 。因此,制造型企业如何在越来越短的反应时间里 提供百分百的服务水平,快速响应订单,减少库存直接关 系到企业发展的前景;此外,市场发展的趋势是生产批量 越来越小而需求不断变化,要求企业生产决策支持工具能 够帮助计划制定者在更短的时间里做出决定。 混合 Flowshop 是制造型企业生产车间中常见的调度模 型,快速响应订单生产;适应多品种、小批量的生产形 式;满足减小库存、降低成本的生产要求,体现在 HFS 的 调度目标上就是最小化工件的最大完工时间 (Makespan) 。 因此,实现其调度仿真系统给生产型企业带来的优势有: ①可以使 生产线实现高效、快速的批量生产和订单生产; ②减小企业的库存和停留在生产线上的待加工工件数量, 减小企业流动资金的占用;③对某些特定的生产环境,如
炼钢连铸中的高温钢水,在生产线上停留时间越长,重新 加温或按不满足温度要求的条件下加工,都会增加工件的 整体加工时间,增加产品的制造成本,而 HFS 调度系统可 以给出优化的生产计划减小单个工件停留在生产线上的 Flowtime ,以达到降低产品成本的生产要求。因此研究生 产线中常见的 HFS 调度系统对于提高制造型企业的竞争力 具有重要的意义。 由于 HFS 调度在生产过程中应用的普遍性,近年来引 起了许多学者的注意。但是 HFS 调度是 NP-hard 问题,部 分文献上给出的分支定界算法和混合整数规划都只能求解 很小规模的问题,不能满足实际的生产要求;现代组合优 化方法如模拟退火、禁忌搜索、遗传算法等由于其编码及 搜索的复杂性,求解 HFS 调度问题也缺乏可操作性。因 此,多数学者都从经典 Flowshop 的启发式算法 (Heuristic algorithm)出发求解 HFS 问题。Guinet 和 Solomon[1](1996) 首先在文献中提到用经典 Flowshop 的启发式算法来求解 HFS 的调度问题;Mohamed Haouari[3](1997)对两级的 HFS 调度问题进行了研究并给出了 Makespan 下界值比较各算法 的优劣; Fouad Riane[2](1998) 基于 CDS 算法提出动态规划 (DPH)的启发式算法来调度三级具有相同设备的 HFS 问题。 本文采用启发式算法求解 HFS 调度问题,基于 CDS 虚拟机和 Pamler 斜度指标的启发式算法,提出一种改进的 CDS 算法求解 HFS 的调度问题,通过仿真系统的实现给出 不同配置下的仿真结果,由 Makespan 的下界值判断其调度 结果的有效性并与其它经典启发式算法进行了比较。

用混合算法求解Flow shop调度问题

用混合算法求解Flow shop调度问题

用混合算法求解Flow shop调度问题
徐震浩;顾幸生
【期刊名称】《华东理工大学学报(自然科学版)》
【年(卷),期】2004(030)002
【摘要】研究了流程工业中的Flow shop调度问题,针对免疫算法的随机性和不确定性,结合分枝定界方法的特点,提出了一种基于免疫算法和分枝定界方法的混合调度算法,仿真结果表明该算法不仅能有效解决调度问题,而且提高了搜索效率.
【总页数】5页(P234-238)
【作者】徐震浩;顾幸生
【作者单位】华东理工大学自动化研究所,上海,200237;华东理工大学自动化研究所,上海,200237
【正文语种】中文
【中图分类】O224
【相关文献】
1.供应链下Flow Shop调度问题的多目标混合算法研究 [J], 黄明达;刘林
2.EDA-VNS混合算法在求解同序Flow-shop问题中的应用 [J], 张强;王少参;李四超
3.用遗传神经网络混合算法求解可变加工时间Job-shop调度问题 [J], 吴晶晶;蒋文贤;徐克林
4.约束满足混合算法求解提前/拖期Job Shop调度问题 [J], 李俊芳;李铁克;王伟

5.约束满足混合算法求解并行机Job-Shop调度问题 [J], 李俊芳;李铁克;屈国强因版权原因,仅展示原文概要,查看原文内容请购买。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

文章编号:1001-2265(2010)03-0098-05收稿日期:2009-09-28*基金项目:南京工程学院科研基金项目(KX J 08065);江苏省首批 六大人才高峰 项目(SJ L-2002-05)作者简介:赵建峰(1976!),男,江苏人,南京工程学院自动化学院实验师,硕士,主要研究方向为CAD /CAM,先进制造技术,(E -m ail)z jf hand@163.co m 。

基于自适应遗传算法混合F l o w shop 的调度与仿真*赵建峰a ,b,朱晓春a ,b,汪木兰a ,b,卞磊a ,吴春英a(南京工程学院a .自动化学院;b .先进数控技术江苏省高校重点建设实验室,南京 211167)摘要:通过对柔性制造系统中混合流水车间生产调度问题的分析和研究,开发了基于遗传算法的生产调度方法,调度目标为最小化工件的最大完工时间。

采用了一套新的染色体编码方法以保证个体的合法性与计算的方便性,设计了相应的交叉和变异操作算子,并生成最优的排序计划。

仿真结果表明,改进后的顺序自适应交叉遗传算法更能有效地解决混合流水车间调度问题,并采用VB 软件编程实现了调度过程的动态仿真。

关键词:自适应遗传算法;混合流水车间调度;仿真中图分类号:TH 165;TG65 文献标识码:AHybrid F low -shop Scheduli n g m et hod and Sim ulation Based on A daptive Genetic A lgorit hmZ HAO Jian feng a ,b,ZHU X i a o chun a ,b,WANG M u lan a ,b,BI A N Le i a,WU Chun y i n ga(a .Schoo lo fA uto m ation ;b .Jiangsu K ey Laboratory o fA dvanced Num erica lCon tro lTechnology ,Nan ji n g I nsti tute of Techno l o gy ,Nan ji n g 211167,China)Abst ract :Through exa m i n i n g the H ybrid F l o w shop Schedu li n g Prob le m (H FSP)o f flex i b le m anufacturi n g syste m,Genetic A l g orit h m (GA ),wh ich is based on Production sc hedu li n g ,is developed to m i n i m ize m akes pan .It e m p l o ys a ne w encoding m ethod so as to guarantee the va li d ity o f chro m oso m es and conven i e nce o f ca l culati o n and corresponding crossover and mutation operators are designed fo r opti m um sequenc i n g .The si m u la ti o n resu lt sho w s thatHFSP can be effectively so l v ed by the sequence adaptive cross GA (SACGA).Besides ,dyna m ic si m ulation o f scheduli n g processes are ach ieved by VB so ft w are .K ey w ords :adaptive genetic algo rithm ;H ybrid F l o w shop Scheduli n g(H FS);si m u lati o n0 引言近几十年来,随着CAD /CAM /CAPP /CNC 、F M S 、C I M 等先进制造技术的发展,生产调度问题越来越受到许多学者的关注。

这是因为在生产过程中存在着大量几何形状类似、加工工序相同的工件,因此许多生产过程就不是简单的平行设备或者流水线作业,而是多级多机的混合流水车间(H ybrid F l o w shop,H FS)生产。

混合流水车间作业调度也称为柔性流水线作业调度,是一类复杂的车间作业排序问题,相当普遍地存在于现代制造工业中[1 3]。

混合流水车间调度问题(H ybr i d F l o w shop Schedu li n g proble m,H FSP)可描述为:假设有N 个独立的工件J ={i =1,2,∀,n },需依次通过k 道工序加工,在每道工序上有m i #1(i =1,2,∀,k )台独立的并行机可履行该阶段任务,而每个工件的每道工序只需在一台机床上加工,任意两道工序间有无限的存储能力(即被加工工件在两道工序间可以等待任意时间)。

记该问题为Fk (m 1,m 2,∀,m k )∃C m ax ,其中k 为工序数,m i (i =1,2,∀,k )是每道工序上的并行机床数量,最大完工时间C max 是目标函数。

问题的解是确定并行机床的分配情况以及同一台机床上工件的加工排序,使最大完工时间C max 最小化。

H FSP 本质上是大规模组合优化问题,是NP hard 完全问题,传统的数学规划方法难以求解[4 5]。

早期对于混合F l o w shop 的调度主要有分枝定界算法[6]、启发式算法[7]、混合整数规划等,但这些算法只能解决规模较小的调度问题,对于大规模甚至中等规模问题的求解仍然不很理想。

近年来,神经网络、模糊逻辑、遗传算法等已被用来求解这种大规模调度问题[1 3,8 10],其中遗传算法具有效率高、全局寻优等功能而得到广泛%98%应用。

本文采用顺序自适应交叉遗传算法求解混合调度问题,该算法能够在优化过程中自动选择比较合适的交叉概率,从而提高了搜索范围和搜索效率,仿真结果表明了此算法对于求解混合调度问题的优越性。

1 HFSP 的编码构造混合流水车间调度问题遗传算法的关键是如何进行遗传算法的编码和寻找基于特定问题的遗传算子,使得不管在初期还是在进化过程中所产生的染色体都是可行的调度,这也是所有遗传算法应用中的难点。

假设要加工N 个工件,每个工件都要依次经过k 道工序加工,所有工序中至少有一个工序存在并行机。

下面构造一个K &N 维的HFSP 的编码矩阵A K &N 为:a K&N=a 11a 12∀a1j a 21a 21∀a 2j a ij a i 1a i 2∀a KN编码矩阵中的元素a ij (i =1,2∀K;j =1,2∀N )为整数区间[100,999]上的一个三位数,其中第一位数字表示第j 个工件在第i 道工序中在第Int j (a i &j /100)台并行机床上加工,后两位数字的大小表示在该机床上的加工顺序,数字小的则优先加工。

例如,随机产生矩阵A 2&10为:A 2&10=103209221197134229187145185298208335383197330276110100298200矩阵A 2&10的下标2&10表示10个工件需经过2道工序的加工。

第一行的十个基因元素(103,209,221,197,134,229,187,145,185,298)表示第一道工序中10个工件的加工编码,其中首位数字为1的表示工件在第一台机床上加工,即工件1(103)、工件4(197)、工件5(134)、工件7(187)、工件8(145)、工件9(185)在机床1上加工,首位数字为2的工件即工件2(209)、工件3(221)、工件6(229)、工件10(298)在机床2上加工。

后两位数字表示加工顺序,数字小的优先加工,在1号机床的6个工件中,因为03<34<45<85<87<97,所以机床1上各工件的加工顺序为1∋5∋8∋9∋7∋4;同理机床2上各工件的加工顺序为2∋3∋6∋10。

如果该两位数字相等,则以排在前面的优先加工。

第二行十个基因元素(208,335,383,197,330,276,110,100,298,200)表示在第二道工序中工件的加工编码,编码方式与第一行十个基因相同,则工件4(197)、工件7(110)、工件8(100)在第二道工序的第1台机床上加工;工件1(208)、工件6(276)、工件9(298)、工件10(200)在第2台机床上加工,工件2(335)、工件3(383)、工件5(330)在第2台机床上加工。

同理由于00<10<97,00<08<76<98,30<35<83,所以第二道工序中3台机床上工件的加工顺序为别为(8∋7∋4),(10∋1∋6∋9)和(5∋2∋3)。

2 基于自适应遗传算法HFSP 的求解2 1 初始群体的设定(1)初始种群的产生随机生成n 个编码矩阵A K &N ,组成n 条染色体,每条染色体由K 个小段组成,每个小段包括N 个基因,即由编码矩阵的每一行组成一个小段,则每条染色体含有K &N 个基因,每个基因的取值范围为[100,(m i +1)&100),其中m i 为单个工序中最大并行机床数。

例如根据上述的编码矩阵A 2&10可以得到对应的20个基因的染色体为:[103,209,221,197,134,229,299,145,185,298,208,335,383,197,330,276,110,100,298,200](2)种群规模的确定考虑到种群n 如果取的太大则会增加计算量,影响算法效率,n 太小则会陷入局部解过早收敛,这里n 的取值根据编码矩阵K 和N 的大小决定。

例如对于A 2&10的编码矩阵,一般n 的取值为[20,30]。

2 2 适应度函数(fitness function)的设计H FSP 遗传算法求解的重点是获得目标函数即最大完工时间C max ,并取最大流程时间的倒数作为适应度函数。

本文以10个工件在2道工序上加工的车间调度为例进行说明,其中第一道工序有2台并行机床,第二道工序有3台并行机床,即该问题为Fk (2,3)∃C m ax ,编码矩阵为A 2&10。

令t i,j ,k 表示工件的加工时间,c i ,j,k 表示工件的完工时间,last i ,j 表示各工序各机床上工件开始加工的时间。

相关文档
最新文档