下载文档原格式
约束满足混合算法求解并行机Job-Shop调度问题李俊芳;李铁克;屈国强【期刊名称】《计算机应用研究》【年(卷),期】2011(28)8【摘要】分析并行机Job-Shop调度问题的特点并建立其约束满足优化模型,结合约束满足与变邻域搜索技术设计了一个求解该问题的混合优化算法.该算法采用变量排序方法和值排序方法选择变量并赋值,利用回溯和约束传播消解资源冲突,生成初始可行调度,然后应用局部搜索技术增强收敛性,并通过结合问题特点设计的邻域结构的多样性提高求解质量.数据实验表明,提出的算法与其他两种算法相比,具有一定的可行性和有效性.%Analyzed the Job-Shop scheduling problem with parallel machines and established its constraint satisfaction optimization model. Proposed a hybrid optimization algorithm combined with constraint satisfaction and variable neighborhood search technique. In the algorithm, chosen a variable and assigned by variable ordering and value ordering method. Resolved resource conflicts using backtracking and obtained constraint propagation technology until a feasible schedule. Then the feasible schedule acted as an initial solution of the variable neighborhood search algorithm. Enhanced the convergence through local search technology and improved the quality of solution through the diversity of the designed neighborhood structures according to the characteristics of the problem. The feasibility and validity of the proposedhybrid method is demonstrated by the data experiment compared with the other two algorithms.【总页数】3页(P2822-2824)【作者】李俊芳;李铁克;屈国强【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.求解Job-Shop约束满足问题的变量排序算法比较研究 [J], 尹静;李铁克2.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3.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;王伟玲4.用约束满足自适应神经网络和有效的启发式算法解Job-shop调度问题 [J], 杨圣祥;汪定伟5.用遗传算法解决在并行机上带有不同交货期窗口的Job-Shop调度问题 [J], 童刚;李光泉;刘宝坤因版权原因，仅展示原文概要，查看原文内容请购买。
求解柔性作业车间调度问题的遗传-蚁群算法陈成;邢立宁【期刊名称】《计算机集成制造系统》【年(卷),期】2011(017)003【摘要】为更有效地求解柔性作业车间调度问题,提出了一种遗传一蚁群算法,该算法采用遗传算法解决机器分配问题,采用蚁群算法解决工序排序问题.存算法的求解过程中,不断从前期优化中挖掘、学习知识,并采用已获得的知识指导后续优化过程.通过标准实例测试,验证了所提算法的有效性.%To solve flexible job shop scheduling problem effectively, a hybrid approach which combined Genetic Algorithm(GA)with Ant Colony Optimization(ACO)was proposed. GA was applied to tackle machine assignment problem, while AC() was employed to deal with operation sequencing problem. In the solution process, knowledge was continuously learned from previous optimization process and then adopted to guide subsequent optimization. Effectiveness of the proposed algorithm was validated through an experiment.【总页数】7页(P615-621)【作者】陈成;邢立宁【作者单位】国防科学技术大学,信息系统与管理学院,湖南,长沙,410073;国防科学技术大学,信息系统与管理学院,湖南,长沙,410073【正文语种】中文【中图分类】TP312;TPL8【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.求解柔性作业车间调度问题的两阶段参数自适应蚁群算法 [J], 凌海峰;王西山3.一种异步蚁群算法求解柔性作业车间调度问题 [J], 田松龄;陈东祥;王太勇;刘晓敏4.改进遗传蜂群算法求解分布式柔性作业车间调度问题 [J], 李佳路;王雷;王静云5.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;刘雄辉因版权原因，仅展示原文概要，查看原文内容请购买。
量子鲸鱼优化算法求解作业车间调度问题
量子鲸鱼优化算法是一种新兴的基于量子计算的多目标优化方法，能够有效地解决作业车间调度问题。
该算法利用量子计算来实现灵活且可扩展的搜索过程，从而实现更有效的解决方案。
使用量子鲸鱼优化算法解决作业车间调度问题，要充分考虑客户的需求灵活性、劳动力限制、生产时间和成本等多个目标，同时考虑到各种主要限制条件，如完成作业时间、货物运输时间和距离等限制因素。
通过量子鲸鱼优化算法，可以找到有利的作业车间调度方案，并可以实现对运输时间、工作时间、作业距离和成本等指标的最优平衡。
一种求解Job Shop调度问题的混合粒子群优化算法宋晓宇;张峰;任义;曹阳【期刊名称】《沈阳建筑大学学报（自然科学版）》【年(卷),期】2008(024)003【摘要】目的解决单一粒子群算法求解Job Shop调度问题存在的不足,提高这类问题的求解质量.方法采用粒子群算法进行全局搜索,将禁忌搜索算法用于并行局部搜索,禁忌搜索在找到改进解的邻域时采用动态记忆的方式.结果在较短时间内,找到了LA21,LA24等典型benchmarks问题的最优解.十次求解的平均值的平均相对误差百分比比并行遗传算法和禁忌搜索算法分别小了2.94%和0.56%.结论提出一种混合粒子群算法,增强了粒子群算法的局部搜索能力,说明该混合粒子群优化算法是有效的.【总页数】5页(P494-498)【作者】宋晓宇;张峰;任义;曹阳【作者单位】沈阳建筑大学信息与控制工程学院,辽宁,沈阳,110168;沈阳建筑大学信息与控制工程学院,辽宁,沈阳,110168;沈阳建筑大学信息与控制工程学院,辽宁,沈阳,110168;沈阳建筑大学信息与控制工程学院,辽宁,沈阳,110168【正文语种】中文【中图分类】TP301.6【相关文献】1.求解Job-shop问题的改进混合离散粒子群优化算法 [J], 王书锋;肖小城;冯冬青2.求解柔性Job-shop调度问题的混合粒子群算法 [J], 宋存利;时维国3.一种求解Job-Shop调度问题的混合自适应变异粒子群算法 [J], 邓慈云;陈焕文;刘泽文;万杰4.求解job-shop调度问题的量子粒子群优化算法 [J], 石锦风;冯斌;孙俊5.求解随机Job Shop调度问题的混合分布估计算法 [J], 肖世昌;孙树栋;国欢;金梅;杨宏安因版权原因，仅展示原文概要，查看原文内容请购买。
物流配送路径优化问题求解的量子蚁群算法
量子蚁群算法是一种基于量子计算和蚁群算法的新型优化算法，可以应用于物流配送路径优化问题。
物流配送路径优化问题是一个复杂的组合优化问题，目的是找到一条最短的路径，使得从起点到终点的运输成本最小化。
量子蚁群算法通过将传统蚁群算法中的概率转移矩阵替换为量子门，使得算法在搜索空间中具有更好的探索和利用能力。
同时，量子蚁群算法还引入了量子比特来增加算法的搜索空间，从而可以更快地找到最优解。
在物流配送路径优化问题中，量子蚁群算法可以通过构建一个蚂蚁模型来模拟蚂蚁在路径上的行为，并使用量子蚁群算法进行路径搜索。
算法可以在保证每个物流配送点都得到服务的前提下，找到最优路径，从而优化物流配送效率和成本。
与传统的优化算法相比，量子蚁群算法具有更高的精度和更快的收敛速度。
在实际应用中，量子蚁群算法已经被广泛应用于物流配送、车辆路径规划、航空航天等领域，取得了很好的效果。
综上所述，量子蚁群算法是一种非常有效的优化算法，在物流配送路径优化问题中具有广泛的应用前景。
基于蚁群算法的Job-Shop多资源约束车间作业调度
刘志刚;李言;李淑娟
【期刊名称】《系统仿真学报》
【年(卷),期】2007(19)1
【摘要】针对多资源约束的车间调度问题,考虑资源种类变化的情况及资源在可用时间上的约束影响,建立了该类问题的通用调度模型。
提出了一种基于蚁群算法的作业优化调度算法,在Job-Shop问题图形化定义的基础上,设计了状态转移规则、轨迹强度更新规则以及工序时间的决策规则,借鉴精英策略的思路,对多资源约束车间的具体调度进行了分析与实现。
实例仿真表明,该方法对多资源的车间调度问题是可行的。
【总页数】5页(P216-220)
【关键词】蚁群算法;多资源约束;精英策略;优化调度
【作者】刘志刚;李言;李淑娟
【作者单位】西安理工大学机械与精密仪器工程学院
【正文语种】中文
【中图分类】TP301
【相关文献】
1.基于双向收敛蚁群算法在车间作业调度上的应用 [J], 朱福珍;陆静;毛文娟;许郡;蔡娟
2.基于自适应参数混合蚁群算法的双资源约束作业车间调度 [J], 李兢尧;孙树栋;黄
媛;王宁
3.基于混合蚁群算法的柔性模糊车间作业调度 [J], 王晓丽;王永栓;裘力博;孟祥辉
4.基于蚁群算法的车间作业调度问题研究 [J], 姬耀锋;党培;郭小波
5.基于启发式规则和蚁群算法的车间作业调度方法 [J], 温蕴;孙亚
因版权原因，仅展示原文概要，查看原文内容请购买。
基于改进蚁群算法的车间调度问题研究的开题报告一、研究背景车间调度问题（Job shop scheduling problem, JSSP）是制造生产中重要的问题之一，目的是合理地安排各项生产任务的时间，使得生产效率最大化。
因此，JSSP在制造业中有广泛的应用，尤其是在传统生产制造业中。
传统的JSSP问题涉及到工件的加工时间、可用机器数、工序数等参数，目标函数通常是工件的完成时间或者生产效率最大化。
然而，实际生产中的JSSP问题更加复杂，因为在实践中可能出现多种限制条件如优先级、智能规划和调度等，使问题更加难解。
蚁群算法（Ant Colony Algorithm, ACA）是一种解决复杂优化问题的常用算法，应用在JSSP中具有很高的潜力。
ACA的优点在于能够避免局部最优解，因为蚂蚁在路径选择时会采用随机游走，并在全局范围内进行更新，以找到最优解决方案。
基于以上背景，本研究旨在探讨改进蚁群算法在JSSP中的应用，以达到优化车间调度问题的目的。
二、研究内容和方法本研究将采用以下方法来解决JSSP问题：1. 改进蚁群算法的设计和实现：优化策略和算法参数，以提高算法的效率和优化性能。
2. 建立JSSP模型：在工件的加工时间、可用机械数量、工序数量等基础上，将优先级、智能规划和调度等限制条件考虑在内，建立JSSP模型。
3. 仿真测试：利用测试数据集对算法进行测试，实现优化车间调度问题。
4. 算法性能比较：对比改进蚁群算法和其他经典算法在JSSP问题中的求解速度和优化效果，在不同参数条件下进行对比。
三、预期结果本研究预计能够实现以下结果：1. 提出一种改进蚁群算法，以提高算法的效率和优化性能。
2. 建立JSSP模型，针对实际生产中的JSSP问题和不同需求制定相应的限制条件。
3. 在不同数据集上，利用测试函数对改进蚁群算法进行仿真测试，并与其他经典算法进行比较。
4. 实现优化车间调度问题，提高车间生产效率。
四、研究意义1. 探索智能计算在制造业中的应用，为解决实际生产中的JSSP问题提供新的思路和方法。
