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．     

基于知识的具有关键设备的生产调度问题遗传编码方法与算法

针对具有关键设备的调度问题,提出了基于知识的问题编码方法,包括染色体结构表法、染色体构造算法和操作序列生成算法,并给出了编码实例。     

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。     

灵活检修工艺下地铁车辆架大修作业调度优化方法

架大修作业调度方案是影响架大修作业效率的关键,其制定的重要依据是车辆检修工艺。首先,分析以人工调度为主的车辆架大修工艺的局限,根据车辆架大修作业的项目分解结构、工艺次序关系和执行对象,建立基于灵活检修工艺的车辆架大修作业调度优化模型,实现列车库内检修作业时间最小化;其次,针对模型中存在复杂次序关系约束的特点,设计改进的遗传算法进行求解;最后,通过对多种场景下车辆架大修作业调度优化方案开展案例研究,验证模型与算法的正确性和有效性。案例研究结果表明：采用灵活检修工艺可有效缩短车辆库内检修时间,显著提高架大修的作业效率,较 3 种对比检修工艺,架大修平均作业时间分别下降 22.3%,15.2%,11.1%;双列同步作业时,采用不同修程混合维修模式,可有效降低维修作业瓶颈的影响。     

求解具有恶化工件单机调度问题的改进遗传算法

为克服现有算法求解工件数较多的单机调度问题计算量大的缺点,分析了加工时间为阶梯函数的工件排序规则,以极小化最大完工时间为目标,提出了基于局部搜索的改进遗传算法,对基于工序编码方式的染色体设计了线性顺序交叉算子和融合工件排序性质的局部变异算子,并引入局部搜索策略,提高了算法局部搜索能力和收敛速度.算例测试结果表明:工件数为40件时,与模拟退火算法相比,本文算法求得的最大完工时间平均减少了56.6%,显著缩短了制造周期,并有效地避免了局部最优解,收敛速度显著提高.     

用遗传算法解决固定需求交通平衡分配问题

为了提高交通量预测模型的可靠性,利用遗传算法的结构并行性将其用于求解固定需求交通平衡分配问题中。算法设计中采用多维并行交叉、变化的交叉率与变异率、优先策略及目标函数加惩罚项等改进措施,从而大大提高计算速度,减少了交通分配的时间,降低了分配的复杂性,为交通分配问题开创了一条新的途径,同时显示出遗传算法在交通规划中潜在的实用前景。     

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。     

基于Multi—agent技术的城市快捷客运车辆调度系统研究

社会经济的发展给城市交通带来了新的问题和挑战,发展城市快捷客运系统是解决这一问题的有效途径。基于Multi—agent技术的城市快捷客运车辆调度系统为实现城市快捷客运系统的车辆调度提供了一种理论上的可能性。     

不确定条件下的作业车间多目标调度模型及其遗传优化

针对不确定条件下的作业车间特点,区别于传统调度模型采用决策系数策略,提出了一种新的不确定条件下的多目标车间调度模型,新模型为两维调度模型,不仅处理了生产过程中的应急调度问题,还在调度目标为作业时间最短的基础上,从库存、机器-人资源约束、生产效率三个方面归纳了企业相关成本调度指标,具有很高的实用性;采用改进的遗传算法求解新模型,得到一组Pareto最优解,可以在兼顾机器使用率的同时使生产成本最小化.最后采用某机车厂的部分生产数据对改进的模型及算法进行了仿真实验,结果证明了模型和算法的有效性.     

不确定条件下的作业车间多目标调度模型及其遗传优化

针对不确定条件下的作业车间特点,区别于传统调度模型采用决策系数策略,提出了一种新的不确定条件下的多目标车间调度模型,新模型为两维调度模型,不仅处理了生产过程中的应急调度问题,还在调度目标为作业时间最短的基础上,从库存、机器一人资源约束、生产效率三个方面归纳了企业相关成本调度指标,具有很高的实用性;采用改进的遗传算法求解新模型,得到一组Pareto最优解,可以在兼顾机器使用率的同时使生产成本最小化．最后采用某机车厂的部分生产数据对改进的模型及算法进行了仿真实验,结果证明了模型和算法的有效性．     

基于Multi-agent技术的城市快捷客运车辆调度系统研究

社会经济的发展给城市交通带来了新的问题和挑战,发展城市快捷客运系统是解决这一问题的有效途径。基于Multi-agent技术的城市快捷客运车辆调度系统为实现城市快捷客运系统的车辆调度提供了一种理论上的可能性。     

JD多车型配送车辆调度问题的模型及其禁忌搜索算法研究

在建立多车型配送车辆调度问题的数学模型的基础上,通过设计一种新的解的表示方法建立了求解该问题的禁忌搜索算法.实验计算证明,该算法不仅可以取得很好的计算结果,而且计算效率较高,收敛速度较快,计算结果也较稳定.     

���������ij������������ģ�����㷨�о�

在对多配送中心车辆调度问题进行直观描述的基础上，建立了该问题的数学模型。提出了采用距离最近分配法将多配送中心车辆调度问题分解为多个单配送中心车辆调度问题进行求解的策略．基于求解单配送中心车辆调度问题的禁忌搜索算法，设计了求解多配送中心车辆调度问题的算法，并进行了实验计算．计算结果表明，用本文设计的算法求解多配送中心车辆调度问题，不仅可以取得很好的计算结果，而且算法的计算效率较高，收敛速度较快，计算结果也较稳定．     

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．     

启发式Hopfield神经网络在车间调度中的应用

调度问题是一类非常复杂的组合优化问题，而Hopfield神经网络通常被广泛应用于各种组合优化问题．针对车间调度问题(JSP)的约束条件和换位矩阵，提出了包含所有约束条件的计算能量函数表达式，并针对神经网络依赖初始解，提出了启发式算法与神经网络相结合的方法，并得到解决车间调度的Hopfield神经网络结构和权值解析表达式．实验仿真结果表明了该方法的有效性．     

�Ľ����Ŵ��㷨����ʱ�䴰���ͳ��������е�Ӧ��

针对有时间窗的车辆调度问题，在标准遗传算法的基础上，加入爬山算法增强算法的局部搜索能力，通过保护全局最优基因的方法提高了算法的收敛能力，并辅以自适应变异算子，构造了一种改进的混合遗传算法。实验结果表明，改进后的算法具有抗“早熟”能力强、收敛速度快和局部搜索能力强的特点。     

遗传算法在并行多机调度问题中的应用

从车间生产调度的实际情况出发，针对最小化完工时间的并行多机调度问题，提出了一种优化遗传算法．充分考虑紧急任务的插入，通过提供一个记录设备当前负荷的数组，实现对任务的动态调度．仿真结果表明该遗传算法能够较好的解决并行多机生产调度问题．     

过站保障车辆集中式调度的单亲遗传算法

针对飞机过站保障车辆集中式调度问题,提出递阶式编码结构单亲遗传算法.该算法采用保障作业编号构成控制基因染色体、车辆编号构成参数基因染色体,分别体现过站保障作业时序约束和车辆指派规则约束,使算法对问题具有良好的适用性;设计控制基因染色体片段段内换位变异和参数基因染色体片段段间换位变异相结合的遗传算子,并引入车辆可调度能力空间概念提出解码算法,实现对解空间搜索能力优化;以过站保障造成的航班延误惩罚费用和车辆行驶费用之和最小为优化目标,建立算法适应度函数,可衡量过站保障和车辆使用综合效率.采集某机场过站航班数据验证所给算法有效性并对比分析车辆就近指派和使用率均衡两种调度策略,结果表明,算法收敛性良好,且就近指派策略相对于使用率均衡策略,在过站保障延误方面改进较小,但在车辆行驶时间方面改进达40%.      

一种改进的遗传算法在动态交通分配中的应用

以遗传思想为基础设计了新的启发式优化算法,针对动态交通分配问题,对遗传操作中的选择、交叉、变异算子进行修改,同时采用了模拟退火收敛准则,克服了传统遗传算法早熟收敛的弊端,并提高了全局寻优能力。仿真实验表明,该算法有快速高效的特点,提高了该动态交通分配模型的实用价值。     

遗传算法在电力系统无功优化中的应用

详细介绍了浮点数编码遗传算法的编码、选择、交叉、变异等操作.该编码不仅可以降低算法的搜索空间,而且可以避免初始化及在遗传操作中生成的不可行解.将该算法用于IEEE30节点系统,结果表明,该方法降低了网络损耗,实现了电力系统的无功优化,得到了满意的结果.