基于文化遗传算法求解柔性作业车间调度问题

合集下载

工序顺序柔性的作业车间调度问题的改进遗传算法求解

ＨＵＡＮＧＸｕｅ－ｗｅｎ
（１．ＦａｃｕｌｔｙｏｆＭａｎａｇｅｍｅｎｔａｎｄＥｃｏｎｏｍｉｃｓ，ＤａｌｉａｎＵｎｉｖｅｒｓｉｔｙｆｏＴｅｃｈｎｏｌｏｇｙ，Ｄａｌｉａｎ１１６０３０，Ｃｈｉｎａ；２．ＫｅｉｏＵｎｉｖｅｒｓｉｔｙ，ＦａｃｕｌｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ１０８ — ８３４５Ｔｏｋｙｏ，Ｊａｐａｎ）
ｍａｉｓｐｒｏｐｏｓｅｄｉｎｃｏｎｓｉｄｅｒａｔｉｏｎｏｆｔｈｅｃｈａｒａｃｔｅｒｉｓｔｉｃｏｆｔｈｅｐｒｏｂｌｅｍ．Ｉｎｔｈｅｓｃｈｅｍａ，ｃｏｄｉｎｇｍｅｔｈｏｄｂａｓｅｄｏｎｓｅ — ｑｕｅｎｃｅｆｌｅｘｉｂｉｌｉｔｙｉｓａｄｄｅｄｔｏｔｈｅｇｅｎｅｒａｌｃｏｄｉｎｇｍｅｔｈｏｄｂａｓｅｄ０ｎｐｒｏｃｅｄｕｒｅｏｒｄｅｒ．Ｔｈｅｃｏｒｒｅｓｐｏｎｄｉｎｇｃｒｏｓｓｏｖｅｒａｎｄｍｕｔａｔｉｏｎｏｐｅｒａｔｏｒｓａｒｅｄｅｓｉｇｎｅｄｔｏｐｒｅｖｅｎｔｔｈｅｇｅｎｅｒａｔｉｏｎｏｆｎｏｎ・ｆｅａｓｉｂｌｅｓｏｌｕｔｉｏｎｓｔｏａｖｏｉｄｃｈｒｏｍｏｓｏｍｅｒｅｐａｉｒｉｎｔｈｅｃｏｍｐｕｔｉｎｇｐｒｏｃｅｓｓａｎｄｅｎｈａｎｃｅｔｈｅｅｉｃｆｉｅｎｃｙｏｆｔｈｅａｌｇｏｒｉｔｈｍ．Ｔｈｉｓａｌｇｏｒｉｔｈｍｉｓｔｅｓｔｅｄｂｙｓｉｍｕｌａｔｉｏｎｅｘ — ｐｅｒｉｍｅｎｔｓｏｎＭＡＴＬＡＢｕｓｉｎｇｔｈｅｐｒａｃｔｉｃａｌｐｒｏｄｕｃｔｉｏｎｄａｔａｏｆａｂｅａｒｉｎｇｃｏｒｐｏｒａｔｉｏｎ．Ｃｏｍｐａｒｅｄｗｉｔｈｔｈｅｒｅｓｕｌｔｓｏｆｓｏｌｖｉｎｇｔｈｅｐｒｏｂｌｅｍｗｉｔｈｏｕｔｃｏｎｓｉｄｅｒａｔｉｏｎｏｆｔｈｅｐｒｏｃｅｓｓｓｅｑｕｅｎｃｅｌｅｆｘｉｂｉｌｉｔｙｃｈａｒａｃｔｅｒｉｓｔｉｃｕｓｉｎｇｇｅｎｅｔｉｃａｌｇｏ — ｒｉｔｈｍ，ｔｈｅｆｅａｓｉｂｉｌｉｔｙａｎｄｅｆｆｉｃｉｅｎｃｙｏｆｔｈｅａｌｇｏｒｉｔｈｍｐｒｏｐｏｓｅｄｉｎｔｈｅｐａｐｅｒｃａｎｂｅｖｅｒｉｆｉｅｄ．

柔性制造系统的排产与调度问题研究

柔性制造系统的排产与调度问题研究柔性制造系统（Flexible Manufacturing System，FMS）是一种集先进制造技术、智能控制和灵活组织管理于一体的制造模式。

它通过自动化设备、智能控制系统以及柔性组织结构的建立，实现了生产过程中的快速响应和高效率生产。

然而，尽管柔性制造系统的潜力巨大，但在实际应用中，排产与调度问题一直是制约其发展的难题。

柔性制造系统的排产与调度问题主要包括任务分配、工件调度和设备资源利用等方面。

任务分配是指如何将生产任务合理地分配给系统中的各个工作站，以最大程度地提高系统的生产效率。

工件调度则是指对生产任务进行排序，并决定每个任务在不同工作站上的加工顺序，以使得整个生产过程能够顺利进行。

而设备资源利用则是指如何合理调配系统中的各项资源（如机器设备、人力资源等），以提高生产能力和利润率。

为了解决柔性制造系统的排产与调度问题，研究者们付出了大量的努力。

他们通过引入数学建模和优化算法等方法，提出了一系列的模型和算法，以期优化柔性制造系统的运行效率。

例如，基于传统的作业车间模型，研究者们发展了一种基于遗传算法的任务分配与工件调度方法，通过模拟和实验验证，表明该方法能够有效地提高系统的生产效率和资源利用率。

此外，近年来，随着人工智能技术的不断发展，研究者们开始探索将其应用于柔性制造系统的排产与调度问题中。

例如，基于深度强化学习的方法被提出来解决柔性制造系统的工件调度问题。

通过利用神经网络对系统的状态进行建模，并利用强化学习算法来优化工件的调度顺序，研究者们发现该方法能够显著提高系统的生产效率和适应性。

尽管已经取得了一些进展，但柔性制造系统的排产与调度问题仍然具有挑战性。

一方面，柔性制造系统的复杂性和不确定性使得问题的求解更加困难。

另一方面，不同的制造企业具有各自的特点和需求，因此，需要结合实际情况，设计出适合企业的定制化解决方案。

在未来的研究中，我们可以在以下几方面继续深入探索柔性制造系统的排产与调度问题。

基于遗传算法的工艺路径柔性调度算法

第２７卷第６期２０１８年６月
运筹与管理
ＯＰＥＲＡＴＩＯＮＳＲＥＳＥＡＲＣＨＡＮＤＭＡＮＡＧＥＭＥＮＴＳＣＩＥＮＣＥ
Ｖｏ１．２７，Ｎｏ．６Ｊｕｎ．２０１８
基于遗传算法的工艺路径柔性调度算法
黄学文，张晓彤，孙榕，李冠雄
ＧＡｂａｓｅｄｓｃｈｅｄｕｌｉｎｇａｌｇｏｒｉｔｈｍｆｏｒｊｏｂ—ｓｈｏｐｗｉｔｈｐｒｏｃｅｓｓｉｎｇｆｌｅｘｉｂｉｌｉｔｙ
ＨＵＡＮＧＸｕｅ—ｗｅｎ，ＺＨＡＮＧＸｉａｏ—ｔｏｎｇ，ＳＵＮＲｏｎｇ，ＬＩＧｕａｎ—ｘｉｏｎｇ
（ＦａｃｕｌｔｙｏｆＭａｎａｇｅｍｅｎｔａｎｄＥｃｏｎｏｍｉｃｓ，ＤａｌｉａｎＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｄａｌｉａｎ１１６０２４，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｆｏｒｊｏｂ－ｓｈｏｐｓｃｈｅｄｕｌｉｎｇｐｒｏｂｌｅｍｗｉｔｈｐｒｏｃｅｓｓｉｎｇｆｌｅｘｉｂｉｌｉｔｙ，ａｎｅｗｍｅｔｈｏｄｂａｓｅｄｏｎＯＲ－ｓｕｂｇｒａｐｈａｎｄ
ｓｕｂ—ｒｏｕｔｉｎｅｉｓｐｒｏｐｏｓｅｄｔｏｄｅｓｃｒｉｂｅｐｒｏｃｅｓｓｉｎｇｆｌｅｘｉｂｉｌｉｔｙ．ＴｈｅｐｒｏｐｏｓｅｄｍｅｔｈｏｄｉｓｓｉｍｐｌｅｉｎｆｏｒｍａｎｄｐｅｒｍｉｔｓＯＲ— ｓｕｂｇｒａｐｈｔｏｂｅｅｍｂｅｄｄｅｄｉｎｔｏｏｎｅａｎｏｔｈｅｒ．Ｂａｓｅｄｏｎｔｈｉｓｄｅｓｃｒｉｂｉｎｇｍｅｔｈｏｄ，ａｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍｂａｓｅｄａｐｐｒｏａｃｈ
ｆｏｒｊｏｂ—ｓｈｏｐｓｃｈｅｄｕｌｉｎｇｗｉｔｈｐｒｏｃｅｓｓｉｎｇｆｌｅｘｉｂｉｌｉｔｙｉｓｐｒｅｓｅｎｔｅｄ，ｗｈｉｃｈｅｍｐｌｏｙｓａｃｏｄｅｓｔｒａｔｅｇｙｏｆｃｏｍｂｉｎｉｎｇＯＲ

基于改进遗传算法的柔性作业车间调度问题

给每台机器的所有Ｔ序的加Ｔ时间之和）这个过程也
就是寻找每个工序的加工负荷最小的那台机器．然后将当前被选择的加工机器的加＿ Ⅲ Ｉ：负荷加到同一列的后
面项的加工负荷中
如表２所示，从工件的第一道１＿＝序０开始，选
表１一个柔性作业车间调度问题实例
工件鼻序
（）ｌ
１染色体表示
机器染色体当巾的每一个基因位都用整数来予以
表示，按照１－件和丁序的顺序依次排列．每一个整数表示Ｔ序存可选机器集当中的顺序号．而不是对应的机器号对表ｌ的柔性作业车问调度问题．共行８个工序．假设这一部分基因串为２一ｌ一３一ｌ一３一ｌ一４ — ２．）】ｉ５就表示这８道丁序的加丁机器分别为，一，一一一
的一个解．每一部分染色体的长度Ｌ都与所有工件工序的总和相等以图ｌ为例．给出ＳＰ问题的一个调度解．前半部分是机器染色体．后半部分是丁序染色体．它的总长是ｌ６．是总丁序数８的２倍。
Ｊ
，
‘ Ｊ，
（）
８
｛
６
５
３
５
３
注：．，，表示工件１，Ｏ，，表示第１个工件的第１道工序，其

基于遗传算法的柔性资源车间调度研究的开题报告

基于遗传算法的柔性资源车间调度研究的开题报告一、研究背景和意义随着市场需求的多样化和新产品开发的频繁出现，工厂需要以柔性的方式灵活调配资源，以满足生产任务的高效率完成。

其中，柔性资源车间调度问题是一种复杂的优化问题，它需要根据不同的生产任务要求，动态调整生产资源，使得生产任务在最短时间内完成，并保证生产资源的最佳利用。

目前，采用遗传算法求解柔性资源车间调度问题已经成为一种重要的研究方向。

遗传算法以其全局寻优能力、适应性强、求解速度快等优点在优化问题中得到了广泛应用。

在求解柔性资源车间调度问题时，遗传算法可以较好地混合各种调度策略，同时保证全局最优解的求解速度，为实际生产调度提供了可靠的数学优化方法，并取得了良好的研究成果。

二、研究内容和目标基于遗传算法的柔性资源车间调度研究，主要研究柔性资源车间中生产任务的调度问题。

具体内容包括以下方面：1. 建立柔性资源车间调度模型2. 设计遗传算法求解柔性资源车间调度问题3.在遗传算法求解柔性资源车间调度问题中引入模拟退火策略，以提高求解质量4.实验仿真，验证所提出方法的有效性通过对柔性资源车间调度问题的研究，再结合改进的遗传算法，设计一套高效可靠的柔性资源车间调度系统，并取得符合工业实践的实验结果。

三、研究方案和研究方法本研究采用桌面调研和实验仿真两种研究方法，并分三个阶段进行：1. 桌面调研阶段对柔性资源车间调度问题及其相关研究领域进行调研，以建立完整的调度模型。

同时，对遗传算法和模拟退火算法进行深入研究，提取两种算法的优点，建立改进的遗传算法模型，并对所提出算法进行数学分析和实验仿真。

2. 模型设计与实现阶段基于所建立的调度模型，设计并实现改进的遗传算法模型，并加入模拟退火策略用于求解柔性资源车间调度问题。

同时，通过实验仿真验证所提出算法的可行性和优良性。

3. 结果分析与系统设计阶段通过实验仿真结果，进一步分析所提出算法的效果，并进一步探究柔性资源车间调度的系统设计，包括算法的实际应用、系统界面设计和数据交互平台等方面的内容。

制造系统柔性作业车间调度问题及算法优化

制造系统柔性作业车间调度问题及算法优化制造系统柔性作业车间调度问题及算法优化摘要：随着制造业的快速发展和市场需求的不断变化，柔性作业车间调度问题成为制造系统中的重要研究方向。

针对柔性作业车间调度问题，本文通过对问题的分析和总结，提出了一种基于算法优化的解决方案。

该方案结合了遗传算法和模拟退火算法，并将其应用于某柔性作业车间的实际调度问题中。

实验结果表明，该方案在提高车间资源利用率和降低任务完成时间等方面具有显著优势，为制造系统柔性作业车间调度问题的解决提供了一种有效的方法。

一、引言制造系统的柔性作业车间调度问题涉及到多个任务在不同机器之间的分配和调度，旨在优化资源利用率、降低生产成本、缩短任务完成时间等方面的目标。

由于车间内部工序复杂，任务时间不确定性大等因素的影响，使得柔性作业车间调度问题成为制造系统中的难点问题。

二、柔性作业车间调度问题的分析柔性作业车间调度问题的核心是任务的分配和调度。

任务分配涉及到将一组任务分配给车间内的多个机器，而任务调度则是确定每个任务在对应机器上的执行顺序。

柔性作业车间调度问题还需要考虑到车间资源利用率、任务完成时间、机器效率等多个指标。

在实际应用中，不同制造系统对这些指标的重要性可能有所区别。

三、算法优化的解决方案在解决柔性作业车间调度问题时，传统的优化方法往往存在局限性。

为此，本文提出了一种基于算法优化的解决方案。

该方案结合了遗传算法和模拟退火算法的优势，能够在较短时间内找到较优解。

具体实施步骤如下：1. 遗传算法：通过模拟遗传进化的过程，在种群中寻找最优解。

首先，初始化种群，然后根据染色体编码规则生成初始解，并利用适应度函数对每个个体进行评估。

接着，采用选择、交叉和变异等遗传操作对种群进行进化，直到达到停止条件。

2. 模拟退火算法：以一定的概率接受比当前解更差的解，以避免陷入局部最优解。

首先，初始化当前解和初始温度，并设置退火参数。

然后，通过随机扰动的方式生成新解，并计算新解的评价函数值。

基于遗传算法的柔性车间作业调度

（）工件经过准备时间后即可１各
具有柔性路径的柔性车间作业调度开始加工：
（）个工件在某一个时刻只能ｔ２２每，… ，ｔ，其中ｔ代表工序０ｊ（］）ｊｉ
ＦＳ）究也开始进入人们的视野并在一台机器上加工，中途不能打断；ＪＰ研
参考文献
［邓劭武．４］多媒体作品ＡＩ式视频的使用【Ｉ中Ｖ格Ｎ．
国电脑教育报，０２２０
要基石ＡＩ式在多媒体的应用中，ｖ格
一
［张南豫，１１张连堂．Ｉ多媒体技术中的应用研究ＵＡ在Ｖ】
９２一
电子世鼻／０２５２１／ｏ
计算过程中，在有必要时调整染色体
度。
图１甘特图中，字符串 “ — 代数ｍｘｅ＝Ｏ。最终得到的调度结的ｉａｇｎｌ０
０ｌｌ的完工时间ｆ１２ｔ１；工序０ｌｔ＝＝２在ｓ２５
ａｅｐｎ１。的基因序列，使其解码后生成活动调Ｊ ”表示工序０ … 图１ａ显示：工序果ｍｋｓａ＝７（）
４实例仿真．
扫描第一行基于工序的编码串，确定｛ｔ＝ｔ（；调用染色体调整过程；）ｓｆｉＨ）
ｅｓｓｉｆ）ｌｅｔ｛ｔ；）＝）
以表１所示的调度问题为例，表
格中的数字代表各工序在相应机器上

含运输时间的柔性作业车间调度问题研究

含运输时间的柔性作业车间调度问题研究摘要：在工厂实际生产中，零件加工的运输时间占整个加工时间的比例是很大的，这个时间在生产调度时不可忽略。

为了更合理的研究柔性作业车间调度问题，本文将运输时间考虑进调度模型之中，并在经典遗传算法的基础上进行改进，设计了一种新的启发式规则算法，嵌入在遗传算法中，用于该问题的求解。

通过计算结果的比较，证明本文调度模型更符合实际生产情况，改进后的算法能够得出更高质量的解，且效率更高。

关键词：柔性作业车间调度运输时间遗传算法Research on Flexible Job-shop Scheduling Problem withTransport TimeAbstract: In the actual production, transport time always accounted for a large proportion of entire processing time. So the transport time should not be ignored when production scheduling.In order to reasonably research flexible job-shop scheduling problem, this paper took the transport time into account when modeling, and designed a new heuristic rules, which was embedded in the genetic algorithm, to solve the problem based on classical genetic algorithm. Through comparing calculate results，the scheduling model is proved more accord with actual production situation. And the improved genetic algorithm is more efficient and can get higher quality solutions. Key words: Flexible job-shop scheduling problem Transport time Genetic algorithm引言在实际生产中，通常一道工序能在多台机器上进行加工，需要根据现场生产情况选择合适的机器进行加工。

柔性作业车间动态生产调度问题的研究的开题报告

柔性作业车间动态生产调度问题的研究的开题报告一、研究背景随着制造企业对柔性生产模式的应用越来越广泛，柔性作业车间的动态生产调度问题成为制约效率、降低成本的重要因素。

柔性作业车间相较于传统作业车间灵活性更高，能够满足个性化定制的生产需求，因此优化调度能够提高企业竞争力。

目前，关于柔性作业车间的生产调度研究主要集中在理论模型的构建与优化算法的设计方面，但是大多数研究都只考虑了静态环境下的调度问题，对于车间内任务的动态变化及其对调度问题的影响缺乏充分的研究。

二、研究目的本研究旨在探究柔性作业车间的动态生产调度问题，以提高车间效率、降低制造成本。

三、研究内容1.柔性作业车间的研究现状及发展趋势；2.柔性作业车间动态生产调度问题的分析；3.基于智能算法的柔性作业车间动态生产调度优化；4.仿真实验及结果分析；5.研究成果总结与展望。

四、研究方法本研究拟采用综合文献研究、案例分析、数学模型和智能算法等方法进行研究，具体包括：1.通过对国内外文献的搜集和研究，总结柔性作业车间调度的发展历程、成果和不足，为后续的研究提供理论基础；2.通过对某柔性作业车间实际调度情况的分析，确定动态生产环境下可能出现的问题，为后续的优化研究提供方法思路；3.将柔性作业车间的生产调度问题抽象成数学模型，并基于智能算法（例如遗传算法、模拟退火算法等）进行求解，获得最优解；4.基于仿真实验，验证所提出的优化方法的效果，分析结果。

五、研究意义本研究所提出的动态柔性作业车间生产调度优化方法能够提高车间生产效率，降低制造成本。

同时，研究结果还有助于推进柔性制造技术的发展，促进柔性作业车间的可持续发展。

六、研究进展目前，本研究已经完成了对柔性作业车间调度问题的文献研究以及对某柔性作业车间的实际调度情况的分析，正在进行数学模型的构建和智能算法的设计。

七、预期结果本研究预期将提出一种适用于动态环境下的柔性作业车间生产调度优化方法，并通过仿真实验验证其效果。

遗传算法求解低碳柔性车间生产调度问题

文章编号： l〇〇 l -2 2 6 5 ( 2 0 1 6 ) 1 1 -0 1 4 1 - 0 4
遗传算法求解低碳柔性车间生产调度问题$
张国辉，党世杰
(郑州航空工业管理学院管理工程学院，郑州 450015) 摘要 :低碳生产方式已成为当前各国所认可的生产方式，是可持续发展的必然要求。从满足最大完工时间最小和生产碳排放量最小角度出发，构建低碳车间调度模型。使用改进的遗传算法对有低碳需求的车间生产方式进行求解，在求解过程中对初始解生成机制和遗传算子进行改进，提高算法收敛速度。实验结果证明提出的改进遗传算法在求解车间低碳生产调度中是可行的。关键词：低碳 ;遗传算法；柔性作业车间调度;优化中图分类号 :T H 16; TG 506 文献标识码 :A
Abstract ： Low
carbon p ro d u ctio n m ode has becom e the cu rre n t accepted p ro d u ctio n m ode , it is also the in
e vitable requirem ent o f sustainable developm ent. L o w carbon fle x ib le jo b shop scheduling m odel is b u ilt to m eet the target o f m in im u m makespan and producing carbon em issions . A n im proved genetic a lg o rith m is proposed to solve the w orkshop p ro d u ctio n m ode w ith lo w carbon re q uirem ents , in the process o f s o lv in g , the in itia l so lu tio n and genetic operator are im proved to enhance the a lg o rith m convergence speed . F in a lly , the experim ental results show th a t the proposed im proved genetic a lg o rith m is feasible in so lvin g lo w carbon p ro d u ctio n scheduling .

作业车间调度问题的文化算法

—196—作业车间调度问题的文化算法赵良辉(五邑大学管理学院，江门 529020)摘要：构造用于作业车间调度问题的文化算法，模拟文化的进化实现对问题的寻优，通过算法中信念空间和种群空间的相互联系和相互促进实现求解。

算法采用固定优先表编码方式，其种群空间采用遗传算法作为进化手段，采用较独特的信念提取方式构造算法的信念空间并促使其进化。

将该算法应用于作业车间调度问题标准实例，证明其有效性。

关键词：文化算法；作业车间调度问题；信念空间Cultural Algorithm of Job Shop Scheduling ProblemZHAO Liang-hui(School of Management, Wuyi Univ., Jiangmen 529020)【Abstract 】A Cultural Algorithm(CA) is constructed for solving job shop scheduling problems. By means of simulating the evolution of culture in societies, the CA finds the final solution, with the mutual connection and promotion between the belief space and the population space in its computing progress. The algorithm employs fixed priority-list coding, its population space's evolution adopts genetic algorithm, and its belief space's creation and evolution depends on an unique belief-extraction method. A series of job-shop scheduling benchmark problems algorithm's effect validates.【Key words 】Cultural Algorithm(CA); job shop scheduling problem; belief space计算机工程Computer Engineering 第35卷第13期Vol.35 No.13 2009年7月July 2009·人工智能及识别技术·文章编号：1000—3428(2009)13—0196—03文献标识码：A中图分类号：TP181 概述文化是“通过社会传导的行为方式、艺术、信仰、风俗以及人类工作和思想的所有其他产物的整体”，是人类的精神财富。

基于遗传算法的柔性车间多目标优化调度

基于遗传算法的柔性车间多目标优化调度方水良;姚嫣菲;赵诗奎【摘要】针对工件投料时间和机器起用时间不为零的柔性车间多目标优化调度问题,提出了一种改进遗传算法.染色体编码采用机器分配链和工序顺序链的双链结构;用均匀设计法、最短加工时间机器指配法、随机生成法三种方式产生初始种群;由锦标赛方法、最优保存策略和新生策略混合进行选择操作;以传统交叉方式、面向瓶颈机器的交叉方式,以及面向瓶颈工件的交叉方式混合进行交叉操作;以变动概率的方式进行变异操作;用启发式规则控制解码过程.最后,对典型算例进行了验证计算.研究结果表明该算法具有较强的寻优能力,并具有较快的求解速度.%For the multi-objective scheduling of the flexible job-shop problem with a non-zeropart-arrive-time and machine-available-time, an improved genetic algorithm was proposed.Double-chain structure with machine-allocation-chain and operation-sequence-chain was used to code the chromosome; Population was initialized with three methods: uniform design, shortest-processing-time machine assignment, and random generation.Population selection was performed with tournament-selection, elitist-selection, and new-born-selection.A hybrid crossover method was proposed, including traditional crossover, machine-bottleneck oriented and job-bottleneck oriented crossover.The mutation was performed with an adaptable probability.The decoding process was controlled with heuristic roles.Finally, case-studies based on some typical benchmark-examples were carried out to evaluate the algorithm.The results show a quicker speed and powerful optimizing capability.【期刊名称】《机电工程》【年(卷),期】2011(028)003【总页数】7页(P269-274,304)【关键词】柔性车间调度;遗传算法;多目标优化;均匀设计【作者】方水良;姚嫣菲;赵诗奎【作者单位】浙江大学机械工程学系,浙江,杭州,310027;浙江大学机械工程学系,浙江,杭州,310027;浙江大学机械工程学系,浙江,杭州,310027【正文语种】中文【中图分类】TH165;TH18;TP301.6柔性车间调度问题(Flexible Job-Shop Scheduling Problem，FJSP)是带有机器可选柔性的车间调度问题。

一种求解作业车间调度问题的文化遗传算法

一种求解作业车间调度问题的文化遗传算法王伟玲李铁克施灿涛北京科技大学,北京,100083摘要:针对传统遗传算法缺乏有效指导,容易陷入局部极值的缺点,提出了以一种采用种群空间和信仰空间的双层进化结构进行寻优的作业车间调度算法。

该算法针对调度问题的特点,以遗传算法为主群体空间,利用优良调度方案的知识信息构成信仰空间。

为充分利用父代个体的优良特征加速收敛,算法采取不同的策略在主群体空间中指导遗传操作,在选择操作中引入k 近邻法的思想进行动态学习,在变异操作中通过选择合适的变异点进行邻域搜索变异。

典型算例的仿真实验与分析表明,算法在计算效率和求解质量上均具有较好的效果。

关键词:作业车间调度;文化遗传算法;邻域搜索变异;k 近邻法中图分类号:T P301.6 文章编号:1004)132X(2010)03)0303)07An Effective Cultural Genetic Algorithm for Job Shop Scheduling ProblemWang Weiling Li Tieke Shi CantaoUniversity of Science and T echnology Beijing,Beijing,100083Abstr act :Aiming at the disadvantages of traditional genetic algorithms that are lack of efficient guidance and easy to get into local extremum,this paper developed a double evolution frame popula 2tion space and belief space to solve job shop scheduling pr oblem.CGA was to extract the excellent in 2dividuals'schema of the scheduling solution from the population space of genetic algorithm as the use 2ful knowledge to form belief space.A nd the belief space was utilized to guide the genetic operator of selection and mutation by two different ways respectively in order to make use of the characteristics of excellent individuals.k -near est neighbor method was introduced to do dynamic learning in selection operator,and do neighbor sear ch mutation in mutation operator at an appropriate position.T he differ 2ent sizes of the benchmark data taken from literature wer e used to analyze the efficiency of this algo 2r ithm.Exper imental results indicate that it outperforms current approaches in computational time and quality of the solutions.Key words :job shop scheduling;cultural genetic algorithm(CGA);neighborhood search mutation;k -near est neighbor method收稿日期:2009)04)30基金项目:国家自然科学基金资助项目(70771008,70371057)0 引言车间作业调度问题已被证明属于典型的NP -hard 组合优化问题[1],主要原因是:¹解空间随着工件数和机器数非线性增加;º工件的各个工序之间存在机器顺序约束。

基于遗传算法的模糊目标柔性作业车间调度问题

索算法，它模拟了自然选择和自然遗传过程中发生的繁殖、交叉和基因变异现象，将每一个可能的解看作群体中的一个个体，即染色体。根据预定的目标函数对各个体进行评价，给出一个适应值，利用遗传算子对这些个体进行组合，得到一群优于上一代的新个体，并逐步向更优的方向进化。
收稿日期：2005 09 20 基金项目：国家自然科学基金重大项目（59990470 ）和江西省教育
厅科技项目（ DB200303003）资助作者简介：袁坤（1966 - ），男（汉），江西，副教授，博士研究生
E-maii：yuan yk@ 163. com
入调度研究，用来处理不确定信息。Chanas 等研究了单一机床的最小化“ 最大延迟时间”作业车间调度问题［5］和两机器的最小化“ 模糊交付延迟期”问题［6］；Itoh 等人研究了 “ 完成期”和“ 交付期”为模糊集的“ 最小延迟工件数”调度问题［7］；Masatoshi 等研究了“ 模糊加工时间”及“ 模糊交付期”的作业车间调度问题［8］。上述研究，均是考虑生产过程中的模糊性问题，即加工时间为一个可行的区间；所提到的多目标，也是因此而起。如文献［ 8 ］定义了由模糊数完成时间和模糊交付时间计算而来的期望指标（ AI），其多目标由平均 AI 最大化，最小 AI 最大化和最大完成时间最小化的 3 个子目标，并没有考虑生产实际调度问题中目标的多样性问题。Ponnambaiam 等学者研究了以生产周期、机床闲置时间和工件延误时间为调度目标的古典作业调度问题，其目标均为时间性的指标，而且最优解的各指标都比其它可能解的要好［9］；同其它很多目标问题处理一样，仍然是以简单的加权求和作为目标函数值，更没有考虑实际目标要求的不确定性。

基于文化遗传算法求解柔性作业车间调度问题

基于文化遗传算法求解柔性作业车间调度问题
李铁克;王伟玲;张文学
【期刊名称】《计算机集成制造系统》
【年(卷),期】2010(16)4
【摘要】在分析柔性作业车间调度问题特性的基础上,提出了一种采用主群体空间和信仰空间的双层进化结构的调度算法.该算法采用优良调度方案的知识信息构成信仰空间;提出一种二维矩阵的集成编码;基于工序顺序编码和基于机器分配编码的两种交叉和变异算子在主群体空间进行传统的遗传操作;通过具有自学习特点的相似性选掸算子,使子代更好地继承父代的优良特征.通过典型算例的计算实验,表明算法在计算效率和求解质量上均具有较好的效果.
【总页数】6页(P861-866)
【作者】李铁克;王伟玲;张文学
【作者单位】北京科技大学经济管理学院,北京,100083;北京科技大学经济管理学院,北京,100083;北京科技大学经济管理学院,北京,100083
【正文语种】中文
【中图分类】TP301.6
【相关文献】
1.工时不确定条件下基于改进遗传算法的柔性作业车间调度问题的区间数求解方法[J], 陈宇轩
2.基于改进遗传算法求解柔性作业车间调度问题 [J], 张国辉;石杨
3.基于围道矩阵的遗传算法求解柔性作业车间调度问题研究 [J], 崔晨浩; 任工昌
4.基于围道矩阵的遗传算法求解柔性作业车间调度问题研究 [J], 崔晨浩; 任工昌
5.基于混合果蝇-遗传算法求解柔性作业车间调度问题 [J], 刘晶晶;刘业峰;黎虹因版权原因，仅展示原文概要，查看原文内容请购买。

作业车间调度问题的文化算法

作业车间调度问题的文化算法
赵良辉
【期刊名称】《计算机工程》
【年(卷),期】2009(035)013
【摘要】构造用于作业车间调度问题的文化算法,模拟文化的进化实现对问题的寻优,通过算法中信念空间和种群空间的相互联系和相互促进实现求解.算法采用同定优先表编码方式,其种群空间采用遗传算法作为进化手段,采用较独特的信念提取方式构造算法的信念空间并促使其进化.将该算法应用于作业车间调度问题标准实例,证明其有效性.
【总页数】3页(P196-198)
【作者】赵良辉
【作者单位】五邑大学管理学院,江门,529020
【正文语种】中文
【中图分类】TP18
【相关文献】
1.文化算法在化工过程中的应用研究综述 [J], 王雪洁;孙汪萍;徐丽萍
2.元胞文化算法优化仿真研究 [J], 张君;黎明;肖慧荣;鲁宇明
3.基于文化算法的K均值聚类混合算法研究 [J], 贾丽丽
4.一种多策略结合的改进文化算法 [J], 丁乔; 白婧; 鲁宇明; 苗卫强
5.交互式多目标文化算法优化多模态混合指标 [J], 白首华;郭广颂;胡天彤
因版权原因，仅展示原文概要，查看原文内容请购买。

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、"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、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)。

第16卷第4期计算机集成制造系统Vol.16No.42010年4月Computer Integrated Manufacturing SystemsApr.2010文章编号:1006-5911(2010)04-0861-06收稿日期:2009204220;修订日期:2009209216。

Received 20Apr.2009;accepted 16Sep.2009.基金项目:国家自然科学基金资助项目(70771008,70371057)。

Found ation item :Project supported by t he National Natural Science Foundation ,China (No.70771008,70371057).作者简介:李铁克(1958-),男,吉林长春人,北京科技大学经济管理学院教授,博士生导师,主要从事先进制造管理、生产计划与调度、智能算法等的研究。

E 2mail :tiekeli @ 。

基于文化遗传算法求解柔性作业车间调度问题李铁克,王伟玲,张文学(北京科技大学经济管理学院,北京　100083)摘　要:在分析柔性作业车间调度问题特性的基础上,提出了一种采用主群体空间和信仰空间的双层进化结构的调度算法。

该算法采用优良调度方案的知识信息构成信仰空间;提出一种二维矩阵的集成编码;基于工序顺序编码和基于机器分配编码的两种交叉和变异算子在主群体空间进行传统的遗传操作;通过具有自学习特点的相似性选择算子,使子代更好地继承父代的优良特征。

通过典型算例的计算实验,表明算法在计算效率和求解质量上均具有较好的效果。

关键词:柔性作业车间调度;文化算法;遗传算法;选择算子中图分类号:TP301.6 文献标志码:ASolving flexible Job Shop scheduling problem based on cultural genetic algorithmL I Tie 2ke ,W A N G Wei 2ling ,Z HA N G Wen 2x ue(School of Economics &Management ,University of Science &Technology Beijing ,Beijing 100083,China )Abstract :Based on the analysis of the characteristics of Flexible Job Shop Scheduling (FJ SP )problem ,the double 2layer evolution scheduling algorithm with f rame population space and belief space to solve FJ SP was proposed.This algorithm adopted usef ul knowledge of excellent scheduling schemes to form belief space.A two 2dimensional matrix integrated coding was put forward.Traditional genetic operations were conducted in f rame population space among two effective crossover operators and mutation operators ,which were designed on the basis of the integration of ma 2chine assignment and operation sequence for the genetic algorithm.By selection operators with similar self 2learning char 2acteristics ,son 2generations inherited excellent characteristics from parent 2generations.Experimental results indicated that the proposed algorithm outperformed the current approaches in computation efficiency and solution quality.K ey w ords :flexible Job Shop scheduling ;cultural algorithm ;genetic algorithm ;selection operator0　引言柔性作业车间调度问题(Flexible Job 2shopScheduling Problem ,FJ SP )是经典作业车间调度问题(Job 2shop Scheduling Problem ,J SP )的扩展[1]。

在J SP 中,仅考虑工件具有唯一确定的加工工艺路线的情况。

而在FJ SP 中,每道工序可以在多台机器上加工,工件具有可选择的加工路线,并且在不同机器上加工所需的时间不同,因此FJ SP 比J SP 更接近实际制造环境,是实际生产中亟需解决的一类调度问题。

FJ SP 不仅需要确定工件的加工顺序,还要确定某道工序由哪台机器加工。

因此,FJ SP 是比J SP 更为复杂的N P 2hard 问题,一般不存在有效的多项式算法[2]。

现有的研究方法主要分为精确算法、启发式规则[3]和元启发式算法(如模拟退火、遗传算法(Genetic Algorit hm ,GA )等)[4]。

其中精确算法无法对大规模FJ SP 进行有效求解;启发式规则求解计算机集成制造系统第16卷速度快,但所得解质量较差;GA 算法具有通用性、鲁棒性、隐含并行性等特点,在生产调度领域的应用非常广泛,但其迭代过程是没有指导且完全随机的自然选择与遗传操作,忽视了问题的特征信息在求解问题时的重要作用。

文化算法(Cult ural Algorit hm ,CA )从种群中获取有用的知识保存在信仰空间中,并利用这些知识指导搜索过程,是一种基于知识的多进化过程的全局优化搜索算法[526]。

本文针对FJ SP 的特点,提出基于知识指导的GA 。

该算法在迭代过程中利用文化算法的寻优机制提取解的特征知识,指导GA 的选择操作,形成一种双层进化结构,从而提高算法的收敛速率和求解质量。

最后通过典型算例的数据仿真实验,验证了算法的有效性。

1　问题描述FJ SP 的描述如下:一个加工系统有m 台不同的机器M ={M j |j =1,2,…,m},要加工n 个工件J ={J i |i =1,2,…,n}。

令K i 表示工件J i 的总工序数,O ik 表示工件J i 的第k 道工序,k =1,2,…,K i ,所有工件的总工序数为K =∑ni =1K i;pikj表示工序O ik 在机器M j 上的加工时间,工件的加工顺序是预先确定的,工件J i 的每道工序O ik 可以在m ik 台不同的机器上加工,m ik =|M ik |,M ik ΑM 为能够加工O ik的机器集合。

按照α|β|γ三参数法[7],本文考虑的FJ SP 可以归结为FJ m |m ik ≥1,recrc |C max ,其中:FJ m 表示由m 台机器组成的柔性作业车间,m ik ≥1表示每道工序O ik 由一台及以上的机器来加工,re 2crc (即循环)表示一个工件可能多次访问同一台机器,C max 表示问题的目标函数是最小化最大完工时间。

上述柔性作业车间调度问题包括两个子问题:(1)为每道工序O ik 在对应的可用机器集合M ik 中选择合适的机器M j ,即机器分配问题。

(2)为已经选定的机器集M 安排n 个工件集J 的排列工序,并在满足一定约束条件的同时优化一个或者多个给定的性能指标,即作业调度问题。

2002年,Kacem 等[8]将FJ SP 分成如下两类:(1)全柔性作业车间调度问题(Total Flexible Job 2shop Scheduling Problem ,T 2F J SP )。

对于工序O ik ,M ik =M 且X ik =m ,即任意工件J i 的任意工序O ik 都可以在机器集合M 中的任意机器M j 上加工。

(2)部分柔性作业车间调度问题(Partial FlexibleJob 2shop Scheduling Problem ,P 2F J SP )。

对于工序O ik ,M ik <M 且X ik <m ,即每个工件J i 的任意工序O ik 只能在机器集合M 子集的部分机器上加工。

P 2FJ SP 是T 2FJ SP 的一般形式,如果问题的规模相同,则P 2FJ SP 比T 2FJ SP 的求解难度更大。

但是,通过将不可用机器的加工时间设为无穷大,可以把P 2FJ SP 转化为T 2FJ SP ,从而降低P 2FJ SP 的求解复杂度。

本文所提出的编码方式对两种问题类型都适用。

2　求解算法211　算法框架文化算法由主群体空间和信仰空间两部分组成。

在微观层面,主群体空间进行问题的迭代求解形成知识信息;在宏观层面,信仰空间保存上述知识信息并通过与微观层面的交流,对主群体空间的迭代过程进行指导,从而形成一种双重的继承机制。

主群体空间可以选择任意一种群体智能算法。

文化算法求解组合优化问题的关键是:(1)信仰空间的设计　即信仰空间如何提炼主群体空间中个体的经验知识,提炼什么类型的知识才能对主群体空间的进化过程具有指导作用。

(2)学习策略的制定　即信仰空间的知识信息如何才能更有效地引导群体空间的进化过程。

因此,本文给出采用GA 作为FJ SP 主群体空间的文化遗传算法(下称FJ SP 2CGA ):针对FJ SP 是离散性优化问题特点,从主群体空间中抽取优良调度方案的不同染色体模板保存在信仰空间,用来指导迭代过程;利用K 近邻法的思想使信仰空间A 的个体影响选择操作。

FJ SP 2CGA 的总体框架如图1所示。

212　算法描述21211　编码针对FJ SP ,Chen 等[9]提出用两个字符串分别来确定工件的加工设备以及在每台机器上工件的加工顺序的编码方法,但没有考虑相邻工序之间的优先顺序约束关系,导致不可行解生成;Kacem 等[10]提出一种表格赋值的编码方法,但存在冗余的机器赋值,导致时间复杂度增加。

本文提出一种同时考虑工件排序和机器分配的集成编码方式,它由两个一维子矩阵B 1和B 2构成的二维矩阵B 2×K 来表示一条染色体B =[B 1B 2]T2×K ,268第4期李铁克等:基于文化遗传算法求解柔性作业车间调度问题具体介绍如下:(1)基于工序顺序的编码　B 1采用文献[11]中重复置换工件号的编码方法确定工件的排序。