下载文档原格式
基于改进多目标遗传算法求解混合流水车间调度问题张志鹏;黄明【摘要】为解决混合流水车间调度问题（HFSP），基于多目标遗传算法和粒子群算法的优点，提出一种多目标混合算法。
该算法引入一种扩展的基于工序的编码，将两种算法产生的最优解分别作为彼此的初始因子，增强了遗传算法的进化速度，有效避免了粒子群算法陷入局部最优，并实现了不同加工路线的生产车间的灵活性调度。
最后通过实例的数值仿真验证了算法的有效性。
%Based on the advantages of multi-objective genetic algorithm and particle swarm optimisation,we proposed a multi-objective hy-brid algorithm for solving hybrid flow-shop scheduling problem (HFSP).It introduces an extended process-based encoding,takes the optimal solutions of these two algorithms as the initial factor for each other,and speeds up the evolution of genetic algorithm as well as avoids PSO falling into local optimum,thus realises the flexible scheduling of production workshops with different processing routes.Finally,through nu-merical simulation of example we verified the effectiveness of the algorithm.【期刊名称】《计算机应用与软件》【年(卷),期】2015(000)010【总页数】4页(P291-293,314)【关键词】混合流水车间调度;遗传算法;粒子群算法;多目标优化【作者】张志鹏;黄明【作者单位】大连交通大学软件学院辽宁大连 116028;大连交通大学软件学院辽宁大连 116028【正文语种】中文【中图分类】TP278多目标遗传算法MGA（Multi-objective Genetic Algorithms）进化过程和编码相对简单，具有良好的群体寻优能力和较强的鲁棒性，并且能够并行地在全局解空间中搜索出问题的解，适用于在总体上把握进化的方向，可以作为有效的工具解决生产车间调度等组合优化问题，但其存在后期搜索效率低和过早收敛的问题［1］。
第10卷第8期计算机集成制造系统Vol.10No.82004年8月Computer Integrated Manufacturing Systems Aug.2004文章编号:1006-5911(2004)08-0966-05求解作业车间调度问题的一种改进遗传算法张超勇,饶运清,李培根,刘向军收稿日期:2003-07-15;修订日期:2003-12-08。
基金项目:国家自然科学基金资助项目(50105006;50305008)。
作者简介:张超勇(1972-),男,江苏海门人,华中科技大学博士研究生,主要从事智能调度算法、网络化制造、敏捷供应链等研究。
E -mail :superbrave-2002@ 。
(华中科技大学机械科学与工程学院,湖北 武汉 430074) 摘 要:为克服传统遗传算法解决车间作业调度问题的局限性,综合遗传算法和局部搜索的优点,提出一种改进的遗传算法。
为基于工序的编码提出了一种新的POX 交叉算子。
同时,为克服传统遗传算法在求解车间作业调度问题时的早熟收敛,设计了一种子代交替模式的交叉方式,并运用局部搜索改善交叉和变异后得到的调度解,将提出的改进遗传算法应用于Muth and Thompson 基准问题的实验运行,显示了该算法的有效性。
关键词:车间作业调度;遗传算法;交叉算子;局部搜索中图分类号:TP278 文献标识码:A0 引言为适应用户多样化和个性化的要求,现代生产方式也由大批量向中小批量和多品种生产转变,调度在这种生产方式中的作用显得更加重要。
一般典型的Job -Shop 调度问题可描述为:假设n 个工件在m 台机器上加工,由于工件加工工艺的要求,每个工件使用机器的顺序及每道工序所花的时间给定,且①不同工件的工序之间没有顺序约束;②某一工序一旦开始加工就不能中断,每个机器在同一时刻只能加工一个工序;③机器不发生故障。
调度的目标就是确定每个机器上工序的加工顺序和每个工序的开工时间,使完成所有工序所需的时间(makespan )最小。
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]。
启发式算法求解等待时间受限的两阶段流水车间调度问题王柏琳;李铁克【摘要】等待时间受限的两阶段流水车间调度问题具有强NP难的复杂性,有必要探索问题特征来开发近似求解算法.本文分析了此问题与一般两阶段流水车问调度和无等待两阶段流水车间调度的关系,给出了两类特殊问题的多项式求解方法,探讨了最优调度的工件序列特征.在此基础上,设计了基于排列排序的启发式算法,算法应用Gilmore-Gomory启发式生成初始序列,构造调度解的可替换集合实现迭代寻优,并利用工件序列特征调整工件顺序以优化当前调度.通过对算法的求解性能进行理论分析和实验验证,进一步表明了该算法的有效性.【期刊名称】《管理工程学报》【年(卷),期】2014(028)002【总页数】9页(P182-190)【关键词】调度;两阶段流水车间;等待时间受限;启发式【作者】王柏琳;李铁克【作者单位】北京科技大学东凌经济管理学院,北京100083;钢铁生产制造执行系统技术教育部工程研究中心,北京100083;北京科技大学东凌经济管理学院,北京100083;钢铁生产制造执行系统技术教育部工程研究中心,北京100083【正文语种】中文【中图分类】F406.20 引言在玻璃加工、钢铁生产［1，2］等流程性工业，由于生产过程的高温连续性或中间产品的不稳定性，往往要求工件在相邻阶段的等待时间不能超过一定的时间上限，从而产生等待时间受限的流水车间调度问题。
目前相关理论研究主要集中于无等待(即等待时间上限为零)调度方面［3，4］，而针对一般性等待时间受限调度的研究成果较少。
其中，对于两阶段的情况，在问题性质方面，文献［5］初步研究了等待时间受限的两阶段流水车间调度问题，证明了问题是NP难的;文献［6］进一步证明了等待时间上限相同时两阶段流水车间调度问题的强NP难特性，研究了排列排序问题与原问题之间的关系，为设计求解算法提供了理论依据;在算法求解方面，文献［5］应用分支定界法求解;文献［7］扩展了已有的启发式算法并进行了比较分析;文献［8］对第一台机器为批处理机的特殊问题建立了混合整数规划模型，并提出了两阶段启发式方法。
基于模糊关联熵的高维多目标流水车间调度优化贺利军;刘超;朱光宇【摘要】针对现有优化方法在求解高维多目标问题上的弊端,将多目标解映射为模糊集,提出利用表征模糊集间关联相似程度的模糊关联熵方法解决多目标优化问题.建立基于模糊关联熵的多目标优化方法,以模糊关联熵系数的大小衡量Pareto解模糊集与理想解模糊集的相似程度,并以该系数作为粒子群优化算法适应度值引导算法进化,建立基于模糊关联熵的多目标粒子群优化算法.实验表明,基于模糊关联熵的粒子群优化算法可以有效解决高维多目标Flow Shop调度问题,算法在优化解和各性能指标上皆优于基于随机权重的粒子群优化算法,特别在求解较大规模问题时,基于此法的粒子群优化算法表现更佳.【期刊名称】《计算机集成制造系统》【年(卷),期】2015(021)010【总页数】7页(P2704-2710)【关键词】模糊集;模糊关联熵;多目标优化;粒子群优化算法;流水车间【作者】贺利军;刘超;朱光宇【作者单位】福州大学机械工程及自动化学院,福建福州 350116;福州大学机械工程及自动化学院,福建福州 350116;福州大学机械工程及自动化学院,福建福州350116【正文语种】中文【中图分类】TP3910 引言实际生产中由于制造企业与客户之间的诸多需求，流水车间调度问题（Flow Shop Scheduling Problem，FSSP）已由单一目标向多目标发展，并涌现出许多求解多目标流水车间调度问题的方法，如运筹学方法、启发式方法、智能算法等。
其中遗传算法（Genetic Algorithms，GA）、粒子群优化（Particle Swarm Optimization，PSO）等智能算法已成为常用的方法，文献［1-2］采用改进型GA 求解置换流水车间调度问题；文献［3］采用多目标PSO 算法求解流水车间调度问题；文献［4］采用改进的PSO 算法求解置换流水车间调度问题。
在多目标智能算法中，适应度值分配机制是决定算法性能和区分算法种类的关键因素［5］。
应用混合蚁群算法求解模糊作业车间调度问题宋晓宇;朱云龙;尹朝万;李富明【期刊名称】《计算机集成制造系统》【年(卷),期】2007(13)1【摘要】为解决蚁群算法求解时间过长和易陷入局部最优的问题,提出了一种求解模糊作业车间调度问题的混合算法,该算法将蚁群算法用于全局搜索.为了提高搜索效率,根据作业车间调度问题解的特征,提出一种基于关键工序的邻域搜索方法,并使用此邻域搜索方法的禁忌搜索算法嵌入蚁群算法.利用禁忌搜索算法较强的局部搜索能力,提高了蚁群算法的优化能力,改善了作业车间调度问题解的质量.实验结果验证了该混合搜索算法的有效性,其优化效果优于并行遗传算法和禁忌搜索算法.【总页数】6页(P105-109,125)【作者】宋晓宇;朱云龙;尹朝万;李富明【作者单位】中国科学院,沈阳自动化研究所,辽宁,沈阳,110016;中国科学院,研究生院,北京,100039;中国科学院,沈阳自动化研究所,辽宁,沈阳,110016;中国科学院,沈阳自动化研究所,辽宁,沈阳,110016;中国科学院,沈阳自动化研究所,辽宁,沈阳,110016;中国科学院,研究生院,北京,100039【正文语种】中文【中图分类】TP278【相关文献】1.求解多目标柔性作业车间调度问题的两阶段混合Pareto蚁群算法 [J], 赵博选;高建民;陈琨2.混合粒子群优化算法求解模糊柔性作业车间调度问题 [J], 蔡敏;王艳;纪志成3.求解模糊作业车间调度问题的混合优化算法 [J], 李俊青;潘全科4.应用改进蚁群算法求解柔性作业车间调度问题 [J], 刘志勇;吕文阁;谢庆华;何明玉;杨杰;刘雄辉5.用混合量子算法求解模糊柔性作业车间调度问题 [J], 刘晓冰;焦璇;黄明;宁涛因版权原因，仅展示原文概要，查看原文内容请购买。
基于QPSO算法的模糊流水车间调度问题金超;叶春明【期刊名称】《计算机工程与应用》【年(卷),期】2012(048)002【摘要】实际生产过程中由于各种客观因素的影响,流水车间调度问题往往具有模糊不确定性.介绍了模糊流水车间调度问题,在此基础上提出了一种收敛速度快、全局性能好的量子微粒群算法来解决该问题.通过仿真实例对该算法进行了验证.结果表明,在求解模糊流水车间调度问题时,量子微粒群算法有很好的效果.%The problem of fuzzy flow shop scheduling has uncertainty in actual production process owing to various objective factors. This scheduling problem is discussed in this paper, and Quantum Particle Swarm Optimization (QPSO) is proposed to solve the prob-lem, which has good convergence speed and performance in searching global optimum. A practical analysis is used to confirm the per-formance of the method. The results show that QPSO is effective in solving the problem.【总页数】3页(P238-240)【作者】金超;叶春明【作者单位】上海理工大学管理学院,上海200090;上海理工大学管理学院,上海200090【正文语种】中文【中图分类】TP301.6【相关文献】1.类电磁机制算法求解模糊流水车间调度问题 [J], 邵扬;王晓娟2.基于QPSO算法的作业车间调度问题的研究 [J], 冯斌;石锦风;孙俊3.基于知识进化粒子群算法的模糊交货期流水车间调度问题 [J], 唐海波;叶春明;刘长平;柯军4.用MC-QPSO算法求解并行流水车间调度问题 [J], 宋书强;叶春明5.模糊人工蜂群算法的置换流水车间调度问题求解 [J], 柳寅;马良;黄钰因版权原因，仅展示原文概要，查看原文内容请购买。
