应用模拟植物生长算法求解置换流水车间调度问题
基于模拟植物生长算法的车辆调度应用综述研究
中国储运网H t t p ://w w w .c h i n a c h u y u n .c o m1.引言模拟植物生长算法是李彤[1]通过模拟植物向光性的特点，探索出一种仿生类求解整数规划的概率搜索算法。
目前，智能算法是解决优化问题的主流算法，但是一些智能算法的一些尖锐问题也凸显出来，智能算法对参数的设定缺乏理论依据，比如，遗传算法的交叉和变异概率，粒子群算法的加速因子等。
此问题对算法的求解精度和效率产生了巨大影响。
而模拟植物生长算法有效的解决了这一难题，开发了一种“无参数智能算法”[2]。
由于该算法回避了其它智能算法存在的参数难确定的问题，被国内外学者广泛应用。
模拟植物生长算法在工程技术领域和管理领域应用广泛，本文主要对车辆调度在模拟植物生长算法的应用研究展开相关综述。
2.模拟植物生长算法（P G S A ）的理论描述模拟植物的生长是由随机机制驱动，新枝的是否生长取决于每个新枝上生长点的概率浓度，每个树枝都隐藏着一个局部区域进行搜索，而植物生长偏向于生长点概率浓度较高的区域，每个生长节点都是优化问题的可能解方案。
植物从根部（记作B 0）长出一根茎。
假设茎上有K 个节点，且比根节点有更好的适应度。
假设节点的适应度函数为G ，每个节点的生长素浓度为该节点B M i 的适应度G （B M i ）与根部节点B 0的适应度G （B 0）的差值，再除以这些差值的总和。
C M i=G （B 0）-G （B M i）Δ1Δ1=kj =1i（G （B 0）-G （B M i ））i =1，2，...，k从上式可得，所有节点的生长素浓度均在[0，1]范围之内，根据随机原则随机选择一个节点进行生长分支，在节点按照L -系统生长后，新分支上会产生q 个新节点，这时需重新计算每个生长节点的形态素浓度，由此可知，每次生长过后，所有生长节点的形态素浓度都会变化，需重新计算。
以上分支过程会反复迭代，直到达到提前设置的终止迭代次数。
求解置换流水车间调度问题的memetic算法
求解置换流水车间调度问题的memetic算法
Memetic算法是一种基于遗传算法和局部搜索算法结合的混合
算法，在求解置换流水车间调度问题时，可以通过将遗传算法和局部搜索算法结合，以提高求解效率。
步骤一：初始化参数
首先，需要初始化算法的参数，包括种群规模、变异率、交叉率、迭代次数等。
步骤二：初始化种群
然后，初始化种群，即产生一组初始解，用于进行后续的搜索。
步骤三：进行遗传算法迭代
接着，进行遗传算法的迭代，即对当前种群进行变异、交叉、选择等操作，以获得新的种群，并计算当前种群的适应度。
步骤四：进行局部搜索
然后，对当前种群中的某个解进行局部搜索，以求得更优的解。
步骤五：更新种群
最后，将局部搜索得到的更优解替换原有解，更新当前种群，并重复以上步骤，直至达到迭代次数为止。
求解置换流水车间调度问题的改进遗传算法
求解置换流水车间调度问题的改进遗传算法作者：李小缤白焰耿林霄来源：《计算机应用》2013年第12期摘要：目前求解置换流水车间调度问题的遗传算法中，加工顺序编码方法导致交叉、变异算子复杂，且子代与父代不相似，算法易陷入局部最优为解决以上问题，提出了一种基于优先权值编码并含有限优算子的改进遗传算法利用各工件的优先权值进行编码，避免遗传算子中不合法编码的出现；加入限优算子限制种群中最优个体的繁殖数量，防止种群陷入局部最优点，改善寻优质量实验结果表明，该算法中的编码方法可行且易于应用于求解紧急工件优先加工的实际问题；同时用基准算例验证了具有限优算子的改进算法求解结果相对误差小且求解稳定性高关键词：置换流水车间调度；遗传算法；优先权值；最大完工时间；局部收敛中图分类号： TP18 文献标志码：A0引言置换流水车间调度问题（Permutation Flow shop Scheduling Problem，PFSP）是流水车间调度中的典型问题之一，也是实际制造系统中重要的规划问题该调度问题被广泛应用于实际生产，尤其适用于单件大批量生产制造企业，可以有效提高企业生产效率与设备利用率由于工件加工顺序的多样性置换流水车间调度问题属于典型的NP问题[1]，开发和研究高效的求解算法具有非常重要的理论和实际意义已有的研究成果表明粒子群算法[2]、禁忌搜索算法[3]、遗传算法[4]以及蚁群优化算法[5]等智能算法均对此调度优化问题得到了最优解或接近最优解本文在目前已有成果的基础上，进一步研究置换流水车间调度问题，提高解的质量和求解稳定性首先，目前应用的遗传算法均采用工件加工顺序编码作为算法中的染色体，由于重复基因将导致不合法编码，故算法中交叉和变异算子都比较复杂本文提出了基于工件优先权值的编码方法，能避免不合法编码的出现，简化交叉、变异算子该编码方法还可以由人工定义工件优先权值，通过实验证实这一特性易于实现紧急工件优先加工等实际生产需求问题考虑到置换流水车间调度问题存在多个局部最优的特点以及遗传算法求解易陷入局部最优的缺陷，提出了一种限优算子，限制种群中最优个体繁殖数量，本文将该遗传算法称为限优遗传算法（Optimum Limited Generic Algorithm， OLGA），最后通过对基准算例仿真实验验证算法性能1问题描述置换流水车间调度问题的目的是根据设定的目标，确定工件的加工顺序，使所有工件最大完工时间（Makespan）最短置换流水车间调度问题具有以下特征：n个工件以相同顺序在m台机器上加工，所有工件在每台机器上的加工顺序也是相同的；同一工件在任一时刻只允许在一台机器上加工；每台机器同时只能加工一个工件；工件在上一个机器加工完成后，立即送到下一台机器加工；工件在每台机器上加工的过程不允许中断[6]2限优遗传算法置换流水车间调度问题是组合优化的典型问题，可行解的数量随工件数的增多而骤增，工件数目为n的加工方案数为n！遗传算法是一种以自然进化和选择机制为基础的算法，在很多领域得到应用，优点有全局近优、快速、易实现等[7]，同时也有易陷入局部最优和编码困难的缺点目前相关文献中置换流水车间调度问题的遗传算法都使用工件加工顺序进行编码[8-11]，即把一个染色体编码为一组元素为1到n的排列，例如4个工件，n=4，一个染色体编码为（3，4，2，1），表示各台机器先加工工件3，再依次加工工件4、2、1此编码方法若采用常规的交叉、变异算子会使染色体中出现重复基因，导致不合法的编码为防止不合法编码出现，各文献中使用的交叉算子都比较复杂，变异算子则由禁忌搜索、退火等综合方法构成，并且，这些复杂算子得到的子代有极大的可能性与父代不具有相似性，很难保留父代的优良特性本文提出一种基于工件优先权值的编码方法，简化求解过程，并能保证子代与父代的相似性另外，针对遗传算法易陷入局部最优的缺陷，提出一种具有限优算子的遗传算法——限优遗传算法（OLGA）2.1基于优先权值的编码方法置换流水车间调度问题求解，首先要解决编码问题，编码的主要目的是使优化问题解的表现形式适宜于用遗传算法运算本文提出基于工件优先权值的编码方法，设vi为工件i的优先权值，为保证交叉算子的有效性，考虑一般问题的工件数量，经测试后将vi的定义域设置为vi∈[0，2]n个工件的优先权值v={v1，v2，…，vn}，即为本文遗传算法的染色体编码若va>vb（a，b∈[1，n]），则加工顺序中工件a在工件b之前例如n=4，一种加工顺序πq下的编码vπq={01234 05675 17342 13765}，按大小排序可知，该个体解码得加工顺序为πq={3，4，2，1}若染色体中出现重复基因vc=vd，则按工序编号排列，如c该编码方法使遗传算法中可以使用常规交叉、变异算子，保证交叉、变异产生的子代继承父代特性；同时，该编码方法易于应用于实际工程中紧急工件优先加工问题目前研究中的遗传算法由于其交叉、变异算子的复杂性，用于紧急工件优先加工问题的限制较多，而本文提出的编码方法中，当要求某一工件Xj紧急加工时，将该工件的优先权值vj设为大于2的数，且该工件不参与遗传操作，该算法求解结果即能满足Xj在各工序均优先加工，得到满足紧急工件优先加工条件的最短最大完工时间和对应的加工顺序2.2初始种群的产生根据实际问题规模，选定种群大小N，并根据基于优先权值的编码方法，以0到2的随机数，对种群中的染色体个体进行初始化，保证种群个体的多样性2.3适应度函数2.4选择算子本文算法中，把父代种群和交叉、变异操作后的种群（称为预子代种群）合并为一个待选择种群，在种群中随机两两配对比较，根据适应度函数保留适应度函数大的个体，作为子代种群，比赌轮选择法、最优保存策略法等传统方法能更好地保证种群多样性在选择的同时，记录下该代种群中最优的个体v*2.5交叉算子2.6变异算子对预子代个体中所有染色体个体，循环每一个基因位，以变异概率pm对该位基因进行变异操作2.7限优算子本文提出限优算子，以解决遗传算法易陷入局部最优解的问题在连续g代种群的最优适应度不变时，计算当前种群中每个个体解码所得加工顺序与该种群中最优个体v*解码所得加工顺序的汉明距离，将汉明距离等于0的个体的每个基因重新以0到2之间的随机数赋值，即把与当前最优种群相同的个体消灭，让新产生的个体与剩余个体继续进行交叉、变异操作，保证种群个体多样性，避免陷入局部最优点在消灭最优个体的同时，将记录下的v*放入操作后的种群中，即保留且仅保留一个当前最优个体继续与其他个体进行遗传操作，防止当前优秀基因丢失基于以上条件，本文提出的改进遗传算法的流程如图1所示3实验结果与分析3.1求解紧急工件优先加工问题能力测试实验1：求解Car7最短Makespan，输出对应最优值的甘特图甘特图横坐标表示加工时间，各行为各机器加工顺序，方框表示工件加工时长，方框内数字表示工件编号实验2：设定工件3的优先权值为2.5，使算法求解工件3优先加工时的最短Makespan，输出甘特图实验3：从实验1甘特图得无紧急工件时首先加工的工件为X，在此将此工件权值设为2.5，求解工件X优先加工时的最短Makespan，输出甘特图，与实验1结果进行对比分析实验结果：1）由图3可知，实验2设定工件3的优先权值为2.5，得到的加工顺序满足工件3优先加工，证明该编码方法可以实现求解紧急工件优先加工问题2）由图2可知，实验1得到的最短完工时间与文献[12]中提供的Car7最优值（6590）一致，求解正确，且得到实验1中对应最优值的加工顺序中工件5为首先加工工件故实验3设定工件5的优先权值为2.5，由图4知，实验3所得求解结果和甘特图与实验1一致，证明了该编码方法在求解紧急工件优先加工问题应用的可行性和正确性3.2算法性能测试为测试本文算法的性能，选择Carlier提出的Car系列的基准测试问题[12]，以及Reeves提出的Rec基准测试问题[13]进行仿真实验用Matlab软件编程实现，硬件环境的处理器主频为2.13GHz，内存为2GB，操作系统为Windows 7；参数设置根据问题的规模调整，如Car8问题中，进化次数M=50，种群规模N=100，交叉概率pc=1，变异概率pm=0.01，限优操作判断代数g=5C*为问题最优值或目前已知下界值，RE表示算法求出的最优值C与C*的相对误差（RE=（C-C*）/C*×100%）BRE表示最佳相对误差，ARE表示平均相对误差，WRE表示最差相对误差，分别表示对算例独立运行20次得到的最佳值、平均值以及最差值与C*的相对误差，以这三个指标评价算法性能表1为本文提出的OLGA与目前已有研究中综合性能相对优越的一种综合遗传算法（Comprehensive Generic Algorithm， CGA）[14]和一种混合遗传算法（Hybrid Heuristic Generic Algorithm， HGA）[15]的性能比较由实验结果可知：1）本文算法OLGA具有很好的优化质量，对20×10及以下规模的问题均能得到最优解，尤其对Car系列的基准测试问题能100%得到最优解对较大规模的问题能够获得较好的近似最优解，除Rec31、Rec33的最佳值比CGA、HGA略差外，其他算例最佳值均大大优于CGA、HGA并且，计算得三种算法对29组算例的平均BRE分别为0.48%、0.69%、062%，平均ARE分别为0.92%、1.23%、1.16%；平均WRE分别为1.33%、2.27%、1.89%，可以明显看出本文算法在总体求解质量上的优越性2）本文算法OLGA具有很好的稳定性，对较大规模的问题也能保持平均相对误差很小，除Rec33算例略差外，ARE均为三种算法中最优并且，三种算法的最差与最佳相对误差之差（WRE-ARE）分别为0.84%，1.58%，1.26%，可以看出本文算法的稳定性更优3）本文算法OLGA避免陷入局部最优点的能力较好，除Rec31算例求解比HGA略差外，最差相对误差全面地大大优于CGA、HGA，自身波动性小，利于实际应用分析Rec31、Rec33算例算法效果不明显的原因应该是其局部最优点过深而难以跳出，限优算子中消灭最优个体后剩下的次优个体群极易带动种群再次陷入局部最优点，但现实中这样的情况不多CGA和HGA提出时已证明能够大幅度优于传统GA，而本文实验数据证明OLGA的求解质量优于CGA和HGA4结语本文提出了求解置换流水车间调度问题的一种基于工件优先权值编码的改进遗传算法（OLGA），通过实验证明了本文提出的编码方法的可行性及其在求解紧急工件优先加工问题的有效性经Car和Rec基准问题测试表明本文提出的改进遗传算法的相对误差比现有算法大幅缩小，验证了该改进算法在求解质量、求解稳定度上的优越性基于该改进算法的良好性能，下一步研究中，可经过适当改进，将算法运用于解决置换流水车间的动态调度等问题参考文献：[1]GAREY M R， JOHNSON D S， SHTHI R. The complexity of flowshop and jobshop scheduling[J]. Mathematics of Operations Research， 1976，1（2）：117-129.[2]张其亮，陈永生，韩斌等.改进的粒子群算法求解置换流水车间调度问题 [J].计算机应用，2012，32（4）：1022-1024，1029.[3]NOWICKI E， SMUTNICKI C. A fast tabu search algorithm for the permutation flowshop problem [J]. European Journal of Operational Research， 1996， 91（1）： 160-175.[4]求解置换Flowshop调度问题的改进遗传算法[J].计算机工程与应用，2007，43（22）：41-44.[5]刘延风，刘三阳. 置换流水车间调度的蚁群优化算法[J].计算机应用， 2008，28（2）：302-304.[6]SVIRIDENKO M， WOEGINGER G J. Approximability and inapproximability results for nowait shop scheduling[C]// FOCS 00： Proceedings the 41st Annual Symposium on Foundations of Computer Science. Washington， DC： IEEE Computer Society， 2000：116-124.[7]RUIZ R， MAROTO C. A comprehensive review and evaluation of permutation flowshop heuristics[J]. European Journal of Operational Research， 2005，165（2）：479-494.[8]涂雪平，施灿涛，李铁克.求解置换流水车间调度问题的改进遗传算法[J].计算机工程与应用， 2009，45（36）：50-53，70.[9]DUAN J H， ZHANG M， QIAO G Y， et al. A genetic algorithm for permutation flowshop scheduling with total flowtime criterion[C]// CCDC 2011： Proceedings of the 2011 Chinese Control and Decision Conference. Piscataway： IEEE， 2011：1514-1517.[10]IYER S K， SAXENA B. Improved genetic algorithm for the permutation flowshop scheduling problem [J]. Computer and Operations Research， 2004，31（4）：593-606.[11]A block mining and recombination enhanced genetic algorithm for the permutation flowshop scheduling problem[J]. Economics，2013，141（1）：45-55.[12]CARLIER J. Ordonnancements à contraintes disjonctives [J]. RAIRO — Operations Research — Recherche Opérationnelle， 1978，12（4）： 333-350.[13]REEVES C R. A genetic algorithm for flowshop sequencing [J]. Computers and Operations Research， 1995，22（1）： 5-13.[14]王凌.车间调度及其遗传算法[M].北京：清华大学出版社， 2003：114-122.[15]ZHENG D Z， WANG L. An effective hybrid heuristic for flow shop scheduling [J]. International Journal of Advanced Manufacturing Technology， 2003， 21（1）：38-44.。
分布式装配置换流水车间调度问题研究综述
分布式装配置换流水车间调度问题研究综述
张静;宋洪波;林剑
【期刊名称】《计算机工程与应用》
【年(卷),期】2024(60)6
【摘要】近几十年来,现代制造业发展迅速,一种趋势是在分布式生产工厂进行工件的加工,待完成后到装配工厂集中装配成最终产品。
该模式在带来诸多好处的同时,对资源调度提出了新的挑战。
针对分布式装配置换流水车间调度问题(distributed assembly permutation flowshop scheduling problem,DAPFSP),介绍了DAPFSP的背景和存在的主要困难,进而对以最小化最大完工时间为优化目标的DAPFSP,从数学模型、编解码策略、全局和局部搜索算法角度进行探讨,分别综述了以最小化总流程时间等为优化目标,具有零等待等约束,以及考虑准备时间等因素的DAPFSP研究成果。
最后,对有待进一步开展的研究工作进行展望。
【总页数】9页(P1-9)
【作者】张静;宋洪波;林剑
【作者单位】浙江警察学院计算机与信息安全系;浙江树人学院信息科技学院;浙江财经大学人工智能系
【正文语种】中文
【中图分类】TP18
【相关文献】
1.分布式置换流水车间调度问题研究概述
2.基于改进生物地理学优化算法的分布式装配置换流水车间调度问题
3.基于离散人工蜂群算法的分布式装配置换流水车间调度问题
4.超启发式人工蜂群算法求解多场景鲁棒分布式置换流水车间调度问题
因版权原因，仅展示原文概要，查看原文内容请购买。
有限等待置换流水车间调度问题的IGA算法
有限等待置换流水车间调度问题的IGA算法任魏翔;秦永彬;许道云【摘要】在对经典遗传算法进行研究的基础上,针对具有等待时间置换流水车间调度问题,以最小化最大完成时间为优化目标建立整数规划模型,并提出一种解决该问题的IGA算法;算法中部分染色体的初始种群由原问题所转化而成的具有等待时间两台机器的置换流水车间调度问题的解所组成;交叉方法采用基于顺序和位置相结合的OPX方法;通过对Taillard算例中置换流水车间调度问题基准数据的测试,并对仿真实验的结果进行了分析,验证所提出IGA算法的有效性和可行性.【期刊名称】《计算机测量与控制》【年(卷),期】2015(023)006【总页数】4页(P2086-2089)【关键词】遗传算法;等待时间;最大完成时间;置换流水车间调度【作者】任魏翔;秦永彬;许道云【作者单位】贵州大学计算机科学与技术学院,贵阳550025;贵州大学计算机科学与技术学院,贵阳550025;贵州大学计算机科学与技术学院,贵阳550025【正文语种】中文【中图分类】TP399流水车间调度问题相关研究成果在制造、物流、冶金、采矿、航空以及交通运输等行业已得到广泛应用。
该类问题的研究内容是在满足给定约束条件情况下，合理安排任务的调度顺序以使目标函数值最优。
利用Johnson法则能够在多项式时间内求解具有2台机器的流水车间调度问题。
机器数量大于2的流水车间调度问题经已被证明是NP－Completeness［1］。
精确算法已在多项式时间内无法有效求解该类问题。
因此，针对此类问题已提出各种启发式算法，如CDS［2］、Pamler［3］、Gupta［4］、RA［5］、HEH［6］等。
近年来，各种智能优化算法也被用于求解该类问题，如模拟退火算法［7］、禁忌搜索算法［8］、遗传算法［9］、蚁群算法［10］、粒子群算法［11］、蜂群算法［12］模拟植物生长算法［13］、混合蛙跳算法［14］等。
具有等待时间的流水车间调度问题是一类更为复杂的优化问题，这类问题要求生产线在相邻两道工序的处理之间具有一定的等待时间。
求解置换流水车间调度问题的Memetic算法
求解置换流水车间调度问题的Memetic算法苏志雄;伊俊敏【摘要】针对以最小化最大完工时间为目标的置换流水车间调度问题,建立了0-1型混合整数线性规划模型.在对模型进行Benders分解的基础上,提出了问题的求解策略,进而设计了一种Memetic调度算法,并探讨了基于组合规则的种群初始化方法和混合遗传操作.为了提高算法的搜索效率,采用了更加高效的适应度值计算方法以及两种邻域搜索方法.最后,基于Benchmark算例的仿真实验结果表明了该算法的有效性,可以找到26个算例中的17个最优解(65.38％),且其平均相对误差的均值仅为0.88％.【期刊名称】《厦门理工学院学报》【年(卷),期】2015(023)006【总页数】5页(P25-29)【关键词】生产调度;置换流水车间;Memetic算法;邻域搜索【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】F273;TP278流水车间调度问题通常可以描述为n个工件要在m台机器上加工，每个工件有m 道工序，每道工序都要在不同的机器上加工，所有工件的加工顺序都相同，各工件在各机器上的加工时间已知，调度目标是确定每台机器上工件的加工顺序及开工时间，使得特定的性能指标最优。
置换流水车间调度问题(permutation flow shop scheduling problems,PFSP)是对流水车间调度问题的进一步约束，即约定每台机器上所有工件的加工顺序相同，其解空间的规模为n!，远远小于流水车间调度问题的规模(n!)m。
PFSP中的最小化最大完工时间问题，利用三元组表示法可以记为此类调度问题是研究流水车间调度问题最为自然的起点，其研究成果可以为更加复杂的实际调度问题研究提供基础，因此研究和开发高效的生产调度算法具有非常重要的理论意义和应用价值。
由于此类调度问题的NP难特性[1]，精确算法只能求解很小规模的算例，而启发式算法[2-5]可以在很短的时间内获得调度解，但是其求解质量和通用性较差。
置换流水车间调度问题的两阶段分布估计算法
基金项目： 国家青年基金资助项目 （No.71301066） ； 国家科技支撑计划项目 （No.20141BAB02B03） ； 辽宁省科学事业公益研究基金 项目 （No.2014003021） 。 作者简介： 孙良旭 （1979—） ， 男， 博士， 讲师， 主要研究方向为钢铁冶金、 计算机算法， E-mail： sunliangxumail@； 曲殿利 （1955—） ， 男， 博士， 教授， 主要研究方向为钢铁冶金； 刘国莉 （1979—） ， 女， 博士， 副教授， 主要研究方向为智能优化算 法与组合优化。 收稿日期： 2016-04-19 修回日期： 2016-06-23 文章编号： 1002-8331 （2017） 02-0064-08 CNKI 网络优先出版： 2016-09-28, /kcms/detail/11.2127.TP.20160928.1625.072.html
阶段先利用 NEH （Nawaz-Enscore-Ham， NEH） 启发式构造一个较优的初始个体， 然后随机生成初始种群， 为保留种 群的多样性， 提出一种择优机制来选择个体并建立概率模型， 同时在当代种群中利用精英机制保留当代种群中的最 优解， 最后利用概率模型采样并生成下一代种群。第二阶段采用插入、 互换操作算子对第一阶段得到的最优解进行 邻域搜索， 来提高分布估计算法的全局搜索能力， 阻止其陷入局部最优解。通过对算例进行实验、 对比和分析， 证明 该算法的可行性和有效性。 关键词： 分布估计算法； 置换流水车间调度问题； NEH 启发式； 择优机制； 邻域搜索 文献标志码： A 中图分类号： TP301 doi： 10.3778/j.issn.1002-8331.1604-0262
64
2017， 53 （2）
改进模拟植物生长算法求解汽车维修车间瓶颈工序的多目标动态调度问题
改进模拟植物生长算法求解汽车维修车间瓶颈工序的多目标动
态调度问题
杨琴;周国华;林晶晶
【期刊名称】《系统管理学报》
【年(卷),期】2011(20)5
【摘要】通过对瓶颈的合理调度可以有效地提升系统效率,钣喷工序是整个汽车维修服务系统的瓶颈。
针对于此,结合优化调度理论,对汽车维修车间瓶颈工序调度问题的特性、模型和算法进行了研究,提出了多目标动态调度策略。
从最小化目标、机器环境、加工特征和约束等方面分析了瓶颈工序调度问题的特征,建立了对应的数学模型。
运用混合重调度策略和改进模拟植物生长算法实现了瓶颈工序多目标动态调度问题的求解。
最后,以实例分析验证了算法的可行性和有效性。
【总页数】7页(P595-599)
【关键词】模拟植物生长算法;瓶颈工序;多目标;动态调度
【作者】杨琴;周国华;林晶晶
【作者单位】西南交通大学经济管理学院;四川师范大学商学院
【正文语种】中文
【中图分类】F406.2
【相关文献】
1.改进粒子群算法求解应急项目瓶颈资源动态调度问题 [J], 杨琴;廖斌;吴秋琴;李金奇
2.多目标旅行商问题的模拟植物生长算法求解 [J], 郗莹;马良;戴秋萍
3.应用模拟植物生长算法求解置换流水车间调度问题 [J], 唐海波;叶春明;张新功
4.工序顺序柔性的作业车间调度问题的改进遗传算法求解 [J], 黄学文;马雪丽;曹德弼
5.基于改进的多种群遗传算法求解工序可拆分车间调度问题 [J], 马卫民;吴凌霄因版权原因，仅展示原文概要，查看原文内容请购买。
改进的蚁群算法求解置换流水车间调度问题
改进的蚁群算法求解置换流水车间调度问题张丽萍【摘要】In order to avoid the shortcomings of ant algorithm for solving permutation flow shop scheduling problem that easily fall into local best situation and long calculation time, in this paper, an improved Max-MinAnt System (MMAS)algorithm which apply Nawaz-Enscore-Ham ( NEH ) heuristic algorithm to enhance the quality of the initial solutions and further improve the search capabil-ities through regulation of adaptive strategies is proposed . Finally we use the proposed algorithm to solve Taillard benchmarks set . Compared with other approaches , the experimental results show the effectiveness of the proposed algorithm .%针对蚂蚁算法在求解置换流水车间调度问题时易陷入局部最优以及计算时间较长的缺点，对最大最小蚂蚁系统( MMAS )进行了改进。
在该算法中，采用 NEH 启发式算法提高初始解质量，并通过自适应的调节策略进一步提高蚁群算法的搜索能力。
运用提出的混合算法求解 Taillard 基准测试集，并将测试结果与其他算法进行比较，验证了该调度算法的有效性。
求解置换流水车间调度问题的一种混合算法
求解置换流水车间调度问题的一种混合算法【摘要】置换流水车间调度问题是一类经典的组合优化问题，智能优化算法是求解该问题的首要方法。
遗传算法和分布估计算法在PFSP问题上均存在着一定的缺陷，即无法平衡局部搜索和全局搜索。
为了克服它们的缺陷，本文将分布估计算法与遗传算法结合，并引入模糊逻辑控制来调节两种算法的参与率，最后用基准算例的测试结果证实了本文所设计的混合算法是有效的。
【关键词】置换流水车间调度；分布估计算法；遗传算法；模糊逻辑控制0.前言置换流水车间调度问题（PFSP）是对经典的流水车间调度问题进行简化后得到的一类子问题，最早在石化工业中得到应用，随后扩展到制造系统、生产线组装和信息设备服务上[1]。
该问题一般可以描述为，n个待加工工件需要在m 台机器上进行加工。
问题的目标是求出这n个工件在每台机器上的加工顺序，从而使得某个调度指标达到最优，最常用的指标为工件的总完工时间（makespan）最短。
PFSP最早由Johnson于1954年进行研究[2]，具有NP难性质[3]。
求解方法主要有数学规划，启发式方法和基于人工智能的元启发式算法[4]。
数学规划等适用于小规模问题，启发式方法计算便捷，却又无法保证解的质量。
随着计算智能的发展，基于人工智能的元启发式优化算法成为研究的重点。
遗传算法（GA）是研究与应用得最为广泛的智能优化算法，利用遗传算法求解PFSP问题的研究也有很多。
遗传算法具有操作简单、容易实现的优点，且求解时不受约束条件限制。
然而，遗传算法通常存在着过早收敛，容易陷入局部最优的现象。
导致这一现象的原因在于遗传算法的交叉、变异操作具有一定的随机性，在求解PFSP问题的过程中往往会破坏构造块，产生所谓的连锁问题。
为了克服遗传算法的缺陷，研究人员提出了一种不进行遗传操作的分布估计算法[5]（EDA）。
EDA是一种运用统计学习的新型优化算法。
相比GA，EDA在全局搜索上有较大的优势，而局部搜索能力不足，同样会导致局部最优[6][7]。
求解置换流水车间调度问题的改进遗传算法
求解置换流水车间调度问题的改进遗传算法
涂雪平;施灿涛;李铁克
【期刊名称】《计算机工程与应用》
【年(卷),期】2009(45)36
【摘要】针对置换流水车间调度问题的基本特征和传统遗传算法易早熟的缺陷,设计了改进遗传算法来求解此问题.采用NEH和Palmer启发式算法进行种群初始化,以提高初始解的质量;根据Metropolis准则对染色体进行选择操作,避免陷入局部最优;在变异过程中引入禁忌算法,避免迂回搜索;在算法迭代过程中引入了保优机制,避免丢失优秀染色体的基因信息;采用自适应终止准则,以保证解的质量.基于典型Benchmark算例的仿真实验结果表明,算法在求解质量和收敛速度方面明显优于NEH算法和种群经过初始优化的传统遗传算法.
【总页数】5页(P50-53,70)
【作者】涂雪平;施灿涛;李铁克
【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】TP18
【相关文献】
1.变邻域改进遗传算法求解混合流水车间调度问题 [J], 崔琪;吴秀丽;余建军
2.求解置换流水车间调度问题的改进遗传算法 [J], 李小缤;白焰;耿林霄
3.基于改进多目标遗传算法求解混合流水车间调度问题 [J], 张志鹏;黄明
4.应用改进区块遗传算法求解置换流水车间调度问题 [J], 裴小兵;张春花
5.新型混合改进遗传算法求解零等待流水车间调度问题 [J], 裴小兵;李依臻
因版权原因，仅展示原文概要，查看原文内容请购买。
应用模拟植物生长算法求解置换流水车间调度问题
应用模拟植物生长算法求解置换流水车间调度问题
唐海波;叶春明;张新功
【期刊名称】《计算机应用研究》
【年(卷),期】2010(027)010
【摘要】针对置换流水车间调度问题,提出了一种基于模拟植物生长的调度算法.该算法利用置换流水车间调度的有向图表示,提出了可交换节点集概念,并将其融入模拟植物生长算法中,解决置换流水车间调度问题.采用所提算法对置换流水车间调度问题的基准数据进行测试,并比对标准遗传算法,结果表明算法的有效性.
【总页数】3页(P3670-3672)
【作者】唐海波;叶春明;张新功
【作者单位】上海理工大学,管理学院,上海,200093;上海理工大学,管理学院,上海,200093;上海理工大学,管理学院,上海,200093
【正文语种】中文
【中图分类】TP18
【相关文献】
1.变参数量子进化算法及其在求解置换流水车间调度问题中的应用 [J], 张先超;周泓
2.应用改进区块遗传算法求解置换流水车间调度问题 [J], 裴小兵;张春花
3.应用强化学习算法求解置换流水车间调度问题 [J], 张东阳; 叶春明
4.混合共生生物搜索算法求解置换流水车间调度问题 [J], 秦旋; 房子涵; 张赵鑫
5.应用改进混合进化算法求解零空闲置换流水车间调度问题 [J], 裴小兵;李依臻
因版权原因，仅展示原文概要，查看原文内容请购买。
置换流水车间调度问题的中心引力优化算法求解
置换流水车间调度问题的中心引力优化算法求解刘勇;马良【摘要】目前求解置换流水车间调度问题的智能优化算法都是随机型优化方法,存在的一个问题是解的稳定性较差.针对该问题,本文给出一种确定型智能优化算法——中心引力优化算法的求解方法.为处理基本中心引力优化算法对初始解选择要求高的问题,利用低偏差序列生成初始解,提高初始解质量;利用加速度和位置迭代方程更新解的状态;利用两位置交换排序法进行局部搜索,提高算法的优化性能.采用置换流水车间调度问题标准测试算例进行数值实验,并和基本中心引力优化算法、NEH 启发式算法、微粒群优化算法和萤火虫算法进行比较.结果表明该算法不仅具有更好的解的稳定性,而且具有更高的计算精度,为置换流水车间调度问题的求解提供了一种可行有效的方法.%The existing intelligent optimization algorithms for permutation flow-shop scheduling problem are all stochastic optimization methods.One problem with these approaches is that they have poor solution stability.In this paper,a method based on central force optimization algorithm which is a deterministic intelligent optimization algorithm is proposed to resolve this problem.The basic algorithm depends upon the choice of the initial solutions.To deal with this problem,low-discrepancy sequences are used to generate initial solutions to improve the quality of initial solutions.The acceleration and position equations are employed to update the solutions.A sorting method to swap two positions in a solution is used to conduct local searches,to enhance the performance of the algorithm.The benchmarks are used to perform numerical experiments.The presented algorithm is compared with basiccentral force optimization algorithm,NEH heuristic algorithm,particle swarm optimization algorithm,and firefly algorithm.The results demonstrate that the proposed method not only has better solution stability but also higher accuracy.The presented approach provides a feasible and effective way to solve the permutation flowshop scheduling problem.【期刊名称】《运筹与管理》【年(卷),期】2017(026)009【总页数】6页(P46-51)【关键词】置换流水车间调度;最大完工时间;中心引力优化算法;确定性【作者】刘勇;马良【作者单位】上海理工大学管理学院,上海200093;上海理工大学管理学院,上海200093【正文语种】中文【中图分类】O221.3置换流水车间调度问题(Permutation Flow-Shop Scheduling Problem，PFSP)是一种典型的生产调度问题，有着广泛的工程应用背景，大概10%的产品制造系统、装配线系统和信息服务设施都可以转换为PFSP模型[1]。
基于模拟植物生长算法的快线公共车辆优化调度研究
益。对乘 客高峰期 快线公共 车辆的调度进 行 了研究 。首先运 用 了三 元组 ａ ／ Ｂ ／ ｙ方法 对问题 进行 了描述 ， 将乘客高峰期快线车辆 的调度 描述 为一类 以最小化 制造期 和平均 等待 时间为 目标 ， 具有
先入先 出原则和机器适用限制 的流水车 间动态调度 问题 。并 在此基础上 建立 了相应 的数学模 型 ；
文章 编 号 ： １ ６ ７ ３—１ ９ ３ Ｘ （ ２ ０ １ ３ ）一 ０ ８— ０ １ ４ ６— ０ ６
基 于模拟植 物生长算法的快线公 共车辆优化调度研 究
李金 奇 ， 杨
（ 四川师范大学 商学院 ， 四川 摘
琴
成都 ６ １ ０ １ ０ １ ）
要： 公共车辆 的运营优化调度能够很好 的减少城 市交通拥堵 ， 缓解交通 压力 ， 保证多方 面的利
第 ９卷 第 ８期 ２ ０ １ ３年 ８月
中 国 安 全 生 产 科 学 技 术
Ｊ ｏ ｕ ｒ ｎ ａ ｌ ｏ ｆ Ｓ ａ ｆ ｅ ｔ ｙ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ ａ ｎ ｄ Ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ
Ｖｏ １ ． ９ Ｎｏ ． ８ Ａｕ ｇ ．２ ０１ ３
ｓ ｅ ａ ｒ ｃ ｈ ｏ ｂ ｊ ｅ ｃ ｔ ， ｔ ｈ ｅ ｄ ｙ ｎ ａ ｍｉ ｃ ｓ ｃ ｈ ｅ ｄ ｕ ｌ ｉ ｎ ｇ ｐ ｒ ｏ ｂ ｌ ｅ ｍ ｗ ａ ｓ ｄ ｅ ｓ ｃ ｉ ｒ ｂ ｅ ｄ ａ ｓ ｔ ｈ ｅ ｌ ｆ ｏ ｗ ｍ ａ ｃ ｈ ｉ ｎ ｅ ｓ ｗ ｉ ｔ ｈ ｔ ｈ ｅ ｒ ｕ ｌ ｅ ｏ ｆ ｉ ｆ ｒ ｓ ｔ ｉ ｎ ｉ ｆ ｒ ｓ ｔ ｏ ｕ ｔ
Ｌ Ｉ Ｊ ｉ ｎ — ｑ ｉ ， Ｙ Ａ Ｎ Ｇ Ｑ ｉ ｎ
（ Ｂ ｕ ｓ ｉ ｎ ｅ ｓ ｓ Ｓ ｃ ｈ ｏ ｏ ｌ ， Ｓ ｉ ｃ ｈ ｕ ａ ｎ Ｎ ｏ ｒ ｍａ ｌ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ， Ｃ ｈ ｅ ｎ ｇ ｄ ｕ Ｓ ｉ ｃ ｈ ｕ ａ ｎ ６ １ ０ １ ０ １ ， Ｃ ｈ ｉ ｎ ａ ）
置换流水车间调度问题上的蚁群算法研究的开题报告
置换流水车间调度问题上的蚁群算法研究的开题报告一、选题背景与意义在现代制造业中，流水线生产方式已成为常见的生产模式之一，而流水线的规划和管理是生产计划和控制中的重点加之管控人员操作不当或生产过程中存在问题等不可预知的因素，导致流水线的生产效率和品质难以保证。
为了提高生产效率和品质，必须要制定一种高效的流水线调度算法，将物料转化为成品所需的所有工序按照一定的顺序合理地安排到各个设备上，从而避免各个设备之间的空闲和滞后，进而优化整个流水线的生产效率和品质。
蚁群算法是一种模拟蚂蚁群集觅食行为的自然优化算法，其具有全局搜索能力，在求解各种优化问题时已被广泛应用。
通过模拟蚂蚁觅食过程中的信息素分泌与感知与依据信息素浓度进行选择的策略，实现了较高的求解精度和搜索效率，并且根据问题的不同调整问题参数，能够适应更多应用场景。
本研究将应用蚁群算法解决置换流水车间调度问题，从而提高制造业生产效率和品质，具有重要的现实意义和应用价值。
二、研究内容与技术路线（一）研究内容1、分析置换流水车间调度问题的本质和特点，建立数学模型。
2、研究蚁群算法的基本原理和相关参数设置。
3、设计基于蚁群算法的置换流水车间调度算法。
4、编写算法程序，通过模拟求解实现算法验证和评价。
5、分析算法的实验结果，优化算法设计。
（二）技术路线1、理论研究：对置换流水车间调度问题进行分析，并通过数学建模将问题转化为优化问题，进行理论分析和计算求解。
2、算法基础：对蚁群算法进行学习与研究，包括算法基本思想、构造过程和优化策略等。
3、算法设计：设计基于蚁群算法的置换流水车间调度算法。
根据问题的特点，选择合适的模型参数和算法参数，并对算法进行改进和优化。
4、算法实验：对提出的算法进行实验验证，评价算法效果，分析算法优化方向。
5、算法应用：将算法应用到实际生产中，提高生产效率和品质。
三、研究预期成果1、建立置换流水车间调度问题的数学模型，分析问题本质和特点。
2、设计基于蚁群算法的置换流水车间调度算法，并进行实验验证和评价。
- 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)。
中图分 类号 ：Ｔ Ｉ Ｐ８ 文献 标志码 ：Ａ 文章编号 ：１０ ．６ ５ ２ １ ）０ ３ ７ ． ３ ０ １３ ９ （ ０ ０ １ — ６ ０ ０
ｄｉ１ ．９ ９ ｊｉ ｎ １０ —６ ５ ２ １ ． ０ ０ ６ ｏ：０ ３６ ／． ｓ．０ １３ ９ ．０ ０ １ ． １ ｓ
Ｐ ａ ｔｇｏ ｈ ｓｍｕ ａｉｎ ａｇ ｒｔ ｍ ｏ ｅｍｕａｉｎ ｆｏ ｓ ｏ ｌｎ ｒ ｗｔ ｉ ｌｔｏ ｌｏ ｉ ｈ ｆｒｐ ｒ ｔｔｏ ｗ ｈ ｐ ｌ
ｔ ｎｆ ｗｓｏ ｈｄ ｌ ｇ ｉ ｅ ｒｅ ｏ ｉｉ ｉ ｅｍ ｘ ｕ ｏ ｐ ｔ ｎｔ ｅ（ ａ ｅｐｎ ．ｎｔ ｇｒｈ ｄ ｖｌ ｅ ｉ ｏ ｐｓ ｅｕｉ ｔ ｔ ｉ ｒ ｎ ｏ ｎｍｚ ｔ ａｉ ｍ ｃｍ ｌ ｉ ｍ ｍ ｋｓａ ） Ｉ ｅａ ｏ ｔｍ，ｅｅｏ ｄ ｏｌ ｈ ｃ ｎ ｗ ｈ ｈ ｃｔ ｉ ｔｍ ｅｈ ｍ ｅｏ ｉ ｈ ｌｉ ｐ
ｍ ａｋ ｎｄ ｃ ｍｐ ｒ ｔ ｔ ｎ ａ ｄ ｇ ｎ ｔｃ ａｇ ｒｔ ｍ ｍｏ ｔａｅｔ ｅ ｅｆ ｃｉｅ ｅ ｓｏ ｈ ｏ ｓ ｄ ｂ ｏ ｃ ａ ｇ ｒｔ ｍ ． ｒ ｓ ａ ｏ ａ ｅｗｉｈ ｓａ ｄ ｒ ｅ ｅｉ ｌ ｏ ｈ ｄｅ ｎｓｒｔ ｈ ｆｅ ｔｖ ｎ ｓ ｆｔｅ ｐｒｐｏ ｅ ｉｎｉ ｌｏ ｈ ｉ ｉ Ｋｅ ｒ ｙ ｗｏ ｄｓ： ｐ ｒ ｔｔｏ ｆｏ ｅ ｍｕ ａｉｎ ｌ ｗ ｓ ｐ ｃ ｅ ｕｉ ｇ； ｉ ｔｌｉｅ ｔ ｐ ｉ ｚ ｔｏ ａｇ ｒｔ ｈｏ ｓ ｈ ｄ ｌｎ ｎｅｌｇ ｎ ｏ ｔｍｉａｉｎ ｌ ｏ ｈｍｓ ｐａ ｇｏ ｈ ｉ ｌ ｔ ｎ ｌｇ ｒｔ ； ｉ ； ｌｎｔ ｒｗｔ ｓｍｕ ａｉ ａ ｏ ｈｍ ｏ ｉ
唐海波 ，叶春明 ，张新功
（ 海理 工大 学 管理 学院 ， 海 ２０９ ） 上 上 ００ ３ 摘 要 ：针对 置换流 水车 间调度 问题 ， 出了一种基 于模 拟植 物生长 的调 度算 法。该算 法利 用置换 流水 车 间调 提
度 的有向 图表 示 ， 出了可 交换 节点 集概 念 ， 提 并将其 融入模拟 植物 生长算 法 中， 决置换 流水 车 间调 度 问题 。 采 解 用所提 算法对 置换流 水车 间调度 问题 的基 。 关键 词 ：置换 流水车 间调 度 ；智能优化算 法 ；模拟植 物 生长算法 ；最大完工 时间
化模型 ， 任务是在有 限的资源约束下 ， 个 工件 在 ｍ台机器 中 ｎ
的每一台机器上依次以相同的顺序加工 ， 台机器每次只能加 每 工一个工件 ， 每个工件每次 只能由一 台机器 加工 ， 目的是使得 总完工时间最小 。自从 Ｊｈ ｓｎ发表 第一篇 关 于流水车 间调 ｏｎｏ
ｓ ｈ ｄ ｌ ｇ ｔ ｎ ｍｉｅ ｍａ ｅ ｐ ｎ ｃ ｅ ｕ ｉ ｏ ｍｉ ｉ ｚ ｋ ｓ ａ ｎ
Ｔ ＡＮＧ Ｈａ — ｏ ｉ ，ＹＥ Ｃ ｕ — ｎ ｂ ｈ ｎ ｍｉｇ，Ｚ ＨＡＮ Ｘｉ ・ ｏ ｇ Ｇ ｎ ｇ ｎ
（ ｏｌ ｅｆＭａａ ｅ ｅｔ ｎ ｅｓｙｏ ｈｎ ｈ ｉｏ ｃ ｎｅ＆ Ｔｃｎｌｇ ，Ｓａ ｇ ａ ２ ０９ Ｃ ｉ ） Ｃ ｌｇ ｅ ｏ ｎ ｇｍ ｎ，Ｕ ｉｒｔ ｖ ｉ ｆＳａ ｇ ａｆｒ ｉ ｃ Ｓｅ ｅ ｏ ｙ ｈｎ ｈ ｉ ００ ３， ｈｎ ｈ ｏ ａ
ａ ｄ ｒ ｃｅ ｒｐ ｈ ｃ ａ ｅ ｎ ｔ ｅｃ ａａ ｔｒ ｔ ｆｆ ｗ ｓ ｏ ｃ ｅ ｕ ｉｇ ｐｏ ｌｍ ｅ ｒｓ ｎ ａｉｎ， ｒ ｐ ｓ ｄ ａ ｄ ｉ ｃ ｒ ｏ ａｅ ｉ ｔ ｄ ｇａ ｈ ｗ ｉｈ ｂ ｓｄ ｏ ｈ ｒ ｃｅ ｓｉ ｏ ｏ ｈ ｐ ｓ ｈ ｄ ｌ ｒ ｂｅ ｒ ｐ ｅ ｅ ｔｔ ｅ ｈ ｉ ｃ ｌ ｎ ｏ ｐ ｏ ｏ ｅ ｎ ｎ ｏｐ ｒｔｄ
ａ ｄ ａ ｆ ｃｅ ｔｅ ｃ ａ ｇ ａ ｌ ｏ ｅ ｓ ｔ ｎｏ ｐ ａ ｔｇｏ ｈ ｓｍｕ ａｉｎ ａｇ ｒ ｈ Ｓ ｍｕａ ｉｎ ｒ ｓ ｌ ａ ｅ ｎ ｗｅ ｎ ｗ ｅ ｃ — ｎ ｎ ｅｆ ｉｎ ｘ ｈ ｎ ｅ ｂ ｅ ｎ ｄ ｅ ｔ ｌｎ ｗｔ ｉ ｌｔ ｌ ｏ ｔ ｍ． ｉ ｌｔ ｅ ｕ ｔ ｂ ｓ ｄ ｏ ｌ ｋ ｏ ｎ ｂ ｎ ｈ ｉ ｉ ｒ ｏ ｉ ｏ ｓ ｌ
ｍａ ｅ ｐ ｎ ｋ ｓａ
．
置换 流水车间调度问题是许 多实际流水线 生产调度的简
上应用了模拟植物生长算法 。丁雪枫等人 在易腐物 品物流
中心选址 问题 中也应用到模拟植 物生长算法 。杨磊 等人 在 核技术中用该算法解决材料 排列优化 问题 。这些都是应用 于 工程应用 领域 ， 生产调度领域 的应用尚未见于文献 中。本文将 采用基 于模拟植物生长的思想来解决置换流水车间调度 问题 ，
第２ 第１ ７卷 ０期
２１ ００年 ｌ 月 Ｏ
计 算 机 应 用 研 究
Ａｐ ｌ ａｉｎ Ｒｅ ｅ ｒｈ ｏ ｍｐ ｔ ｍ ｐ ｉ ｔ ｓ ａ ｃ ｆＣｏ ｕ ｅ ｃ ｏ
Ｖｏ ＿ ７ Ｎｏ １ ｌ２ ． ０ ０ｅ ． ２ １ ｔ ００
应 用模 拟 植 物 生长算 法求解 置 换 流 水 车 间调 度 问题 术