车间作业调度中基于领域搜索的混合遗传算法

车间作业调度问题是一个 NP完全问题,很难用一般的方法解决.遗传算法(GA)作为全局搜索算法广泛应用于各种寻优操作中,并己成为求解车间作业调度问题(JSP)的主要方法.本文针对遗传算法应用的局限性,把领域搜索的思想应用到变异操作中,提出了一种应用于车间调度中基于领域搜索的混合遗传算法,该算法不仅保证了算法的全局收敛性、而且提高了算法的收敛速度和稳定性.     

双链遗传算法在作业车间调度中的应用

针对简单遗传算法在解决作业车间生产调度问题时存在收敛效率低与过早收敛的局限，将一种改进的遗传算法——“双链遗传算法”应用于求解作业车间生产调度问题．与简单遗传算法相比，双链遗传算法在解决作业车间调度问题上，显著提高了搜索效率，还增强了避免早熟的能力．对双链遗传算法求解作业车间调度问题的某些策略和基本步骤作了简要的归纳和总结，编制了双链遗传算法求解作业车间调度问题的程序，通过调度例子测试表明了算法的有效性和可行性。     

双链遗传算法在作业车间调度中的应用

针对简单遗传算法在解决作业车间生产调度问题时存在收敛效率低与过早收敛的局限,将一种改进的遗传算法--"双链遗传算法"应用于求解作业车间生产调度问题.与简单遗传算法相比,双链遗传算法在解决作业车间调度问题上,显著提高了搜索效率,还增强了避免早熟的能力.对双链遗传算法求解作业车间调度问题的某些策略和基本步骤作了简要的归纳和总结,编制了双链遗传算法求解作业车间调度问题的程序,通过调度例子测试表明了算法的有效性和可行性.     

改进的量子遗传算法在车间调度中的应用

在对车间作业调度问题及其调度方法进行描述的基础上,提出改进量子遗传算法(IQGA)并用于解决车间调度问题,改进的量子遗传算法用路由选择算法来选择染色体,进行编码,并用最优个体来更新量子旋转门,旋转角是自适应调整的,这样使算法更好的收敛到全局最优解,经过仿真,验证了算法的有效性.     

改进的量子遗传算法在车间调度中的应用

在对车间作业调度问题及其调度方法进行描述的基础上,提出改进量子遗传算法（IQGA）并用于解决车间调度问题,改进的量子遗传算法用路由选择算法来选择染色体,进行编码,并用最优个体来更新量子旋转门,旋转角是自适应调整的,这样使算法更好的收敛到全局最优解,经过仿真,验证了算法的有效性。     

作业车间调度问题的改进遗传算法

研究了作业车间调度问题，并提出了一种新的求解方法，将邻域搜索与遗传算法相结合，提高遗传算法的局部搜索能力，加速进化过程，详细论述了该方法的优越性．     

求解Job-Shop车间作业调度的混合算法

提出了一种解决车间作业调度最短完成时间的有效的混合算法．基于考虑到遗传算法的早熟收敛问题和禁忌搜索算法的自适应优点，该算法结合了遗传算法和禁忌搜索算法对Job—Shop车间作业调度问题的解进行编码，通过实例表明该算法是可行和有效的．     

作业车间调度问题的改进遗传算法

研究了作业车间调度问题,并提出了一种新的求解方法,将邻域搜索与遗传算法相结合,提高遗传算法的局部搜索能力,加速进化过程,详细论述了该方法的优越性.     

求解Job-Shop车间作业调度的混合算法

提出了一种解决车间作业调度最短完成时间的有效的混合算法.基于考虑到遗传算法的早熟收敛问题和禁忌搜索算法的自适应优点,该算法结合了遗传算法和禁忌搜索算法对Joh-Shop车间作业调度问题的解进行编码,通过实例表明该算法是可行和有效的.     

资源受限项目调度中基于邻域搜索的混合遗传算法

分析了资源受限项目调度问题,针对其具有NP-hard的特点,提出了一种基于邻域搜索的混合遗传算法,将启发式算法与遗传算法相结合,用邻域搜索的思想进行变异操作.结果表明,该算法不仅保证了算法的全局收敛性、而且提高了算法的收敛速度和解的稳定性.     

基于邻域极值数的协同粒子群优化算法

提出了一种基于邻域极值数的协同粒子群优化算法。该算法将种群分为若干个独立进化的子种群。根据邻域极值数确定各子种群的生存状态。根据子种群的生存状态对子种群实施相应的控制操作,提高子种群的搜索能力,实现子种群之间的信息共享,共同进化。测试结果表明基于邻域极值数的协同粒子群优化算法是一种高效稳健的全局优化算法。     

不确定箱重下内河集装箱班轮航线配载决策

与集装箱海运相比内河集装箱班轮运输具有其独特性,同时对于内贸箱而言,货主订舱时箱重信息的不确定性导致其航线配载决策变得更加复杂.本文考虑不确定箱重影响,以最小化航线班轮堆栈占用数量为目标,构建内河集装箱班轮航线配载决策的随机规划模型.为实现求解,基于随机规划理论,采用机会约束描述随机约束,将随机规划模型转化为随机机会约束规划模型,并设计混合邻域搜索算法求解.算法由蒙特卡罗随机模拟、神经元网络训练及邻域搜索启发式3个部分组成.算例研究表明,混合邻域搜索算法的鲁棒性较好,可实现配载计划对不确定因素的有效吸收.     

基于遗传算法的交货期Job-shop调度问题研究

研究遗传算法求解非传统的交货期Job-shop调度问题,其染色体编码采用基于工序的编码。为了减少搜索空间,利用插入式贪婪解码机制将染色体解码至主动调度。为了克服传统遗传算法易于早熟收敛的缺点,运用一种优先交叉操作POX(precedence operation crossover)和设计了一种子代产生模式的遗传算法。将提出的遗传算法求解交货期调度问题,试验结果验证提出算法的有效性。     

������Լ����������-��ʽ�����������

针对无容量约束的单分配轴-辐式物流网络设计问题的特点,为其建立了单分配p-枢纽中位模型,并提出了一种基于蚁群算法的启发式求解算法. 该算法分两步实现：首先利用蚁群算法来确定网络中枢纽节点的位置,然后用另一种启发式算法将非枢纽节点分配给枢纽节点,同时,将一种基于6种邻域结构的变邻域搜索算法作为蚁群算法的局域搜索策略以提升算法的全局搜索能力,并加快收敛速度. 最后结合澳大利亚邮政数据进行了算例仿真实验,并对蚁群算法中参数的合理设置进行了测试分析,实验结果表明,该算法在求解此问题时有着良好的有效性和较快的求解效率.     

无容量约束单分配轴-辐式物流网络设计

针对无容量约束的单分配轴-辐式物流网络设计问题的特点,为其建立了单分配p-枢纽中位模型,并提出了一种基于蚁群算法的启发式求解算法. 该算法分两步实现：首先利用蚁群算法来确定网络中枢纽节点的位置,然后用另一种启发式算法将非枢纽节点分配给枢纽节点,同时,将一种基于6种邻域结构的变邻域搜索算法作为蚁群算法的局域搜索策略以提升算法的全局搜索能力,并加快收敛速度. 最后结合澳大利亚邮政数据进行了算例仿真实验,并对蚁群算法中参数的合理设置进行了测试分析,实验结果表明,该算法在求解此问题时有着良好的有效性和较快的求解效率.     

考虑车辆随机到站时间的动态需求响应型接驳公交线路优化

车辆到站时间的不准时性严重影响着需求响应型公交的服务水平和乘客选择公共交通的出行意愿，因此，本文对考虑车辆随机到站时间的动态需求响应型接驳公交线路优化问题进行研究。以运营商成本、乘客乘车时间成本、乘客等待时间成本组成的系统总成本最小为目标建立数学模型，通过优化车辆路径寻求系统总成本最优的需求响应型接驳公交服务方案，其创新之处在于，在服务过程中允许乘客提交实时出行需求；定义车辆到站时间服从已知分布以描述其随机性。提出一种遗传算法和邻域搜索相结合的启发式算法对模型进行求解，该算法融合了遗传算法的全局搜索优势和邻域搜索的局部搜索能力，通过算例测试分析对本文算法的有效性及先进性进行验证。最后，基于西安市延平门地铁站设计数值实验，结果表明，考虑车辆随机到站时间可以在一定程度上减少乘客时间成本和系统总成本。     

基于最佳熵匹配的多通道海量数据快速搜索

为快速、准确地从海量试验数据中获取所需的与某一工况或状态对应的数据,通过分析常规时序搜索方法存在的问题,根据信源熵的原理和特点,提出了一种基于最佳熵匹配的多通道海量数据快速搜索方法.该方法用“状态匹配”代替常规的“时序匹配”,以检测熵值为主,所需参数少,对邻近时间的依赖性小,降低了因通道间时间同步产生的误差,搜索步伐大,速度快.结果表明,对于一些特定的工况,搜索速度可提高数千倍,匹配准确度提高,主要参数的相对误差均在0.05以下.     

集装箱码头岸桥调度优化模型及算法

为弥补集装箱码头岸桥调度问题的传统优化方法仅适用单船舶情况的不足,以总费用(所有岸桥使用费用和船舶停靠费用)最小为优化目标,考虑岸桥不可穿越性和安全距离约束条件,建立了了面向多艘船舶的集装箱码头岸桥统一调度和卸船任务分配问题的混合整数规划优化模型.使用任务网络图方法,搜索影响卸船任务最终完成时间的关键任务及其相应的限制任务路径,设计了基于限制任务路径进行邻域搜索的双层模拟退火算法求解模型.12个不同规模的算例结果表明:与分支定界法和遗传算法相比,本文算法节省时间6.32%~18.36%,近似最优解的质量更高,而且最优解目标值之间的差距仅为0.38%~2.20%;考虑岸桥之间的安全距离约束导致系统运营成本增加3.41%~11.21%.      

航空公司不正常航班机组恢复模型和算法研究

不正常航班机组恢复问题的建模和快速有效求解对民航资源优化利用、降低民航企业运营成本和提高旅客服务水平至关重要.采用约束规划建模,在ILOG Solver优化组件提供的框架基础上,设计了不正常航班机组恢复问题的禁忌搜索算法.该算法与直接使用CPLEX优化组件相比,提高了邻域搜索效率,能够满足大规模机组恢复问题的时间要求,给出算例验证了算法的实时性和有效性.     

Local Search Algorithm with Hybrid Neighborhood and Its Application to Job Shop Scheduling Problem

A new local search method with hybrid neighborhood for Job shop scheduling problem is developed. The proposed hybrid neighborhood is not only efficient in local search, but also can help overcome entrapments while search procedure get trapped at local optima and carry the search to areas of the feasible set with better prospect. New strategies used for breaking out of entrapments are presented and they are helpful for the procedure to improve local optima. A performance comparison of the proposed method with some best-performing algorithms on all 10-job, 10-machine benchmark problems and the other two problems generated by Fisher and Thompson ( ie. , FT6 and FT20) is made. The experiment results show the better optimal performance of the proposed algorithm.