CN106611229A - 一种求解作业车间调度问题的改进扰动方式的迭代局部搜索算法 - Google Patents
一种求解作业车间调度问题的改进扰动方式的迭代局部搜索算法 Download PDFInfo
- Publication number
- CN106611229A CN106611229A CN201510888807.8A CN201510888807A CN106611229A CN 106611229 A CN106611229 A CN 106611229A CN 201510888807 A CN201510888807 A CN 201510888807A CN 106611229 A CN106611229 A CN 106611229A
- Authority
- CN
- China
- Prior art keywords
- pool
- solution
- algorithm
- local search
- elite
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000010845 search algorithm Methods 0.000 title claims abstract description 15
- 238000000034 method Methods 0.000 claims abstract description 68
- 230000008569 process Effects 0.000 claims abstract description 20
- 238000012545 processing Methods 0.000 claims description 24
- 238000004519 manufacturing process Methods 0.000 claims description 12
- 230000006872 improvement Effects 0.000 claims description 11
- 230000001174 ascending effect Effects 0.000 claims description 9
- 238000000151 deposition Methods 0.000 claims description 5
- 238000003780 insertion Methods 0.000 claims description 3
- 230000037431 insertion Effects 0.000 claims description 3
- 230000008901 benefit Effects 0.000 abstract description 3
- 238000011160 research Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 125000002015 acyclic group Chemical group 0.000 description 2
- ZEASXVYVFFXULL-UHFFFAOYSA-N amezinium metilsulfate Chemical compound COS([O-])(=O)=O.COC1=CC(N)=CN=[N+]1C1=CC=CC=C1 ZEASXVYVFFXULL-UHFFFAOYSA-N 0.000 description 2
- 238000000262 chemical ionisation mass spectrometry Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002922 simulated annealing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06316—Sequencing of tasks or work
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0633—Workflow analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- General Factory Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种求解作业车间调度问题的改进扰动方式的迭代局部搜索算法,该算法将两种邻域结构、精英池策略引进,并对迭代局部搜索的扰动方式进行改进,从而提高算法的局部搜索性能,避免搜索时陷入局部最优以及搜索时仅对当前最优解进行扰动造成搜索范围缩小的问题。该算法的实现过程包括产生初始解,设置精英池容量,执行邻域搜索随机产生两种邻域结构,执行精英池策略的扰动等步骤。本发明与现有技术相比能更好的解决实际的作业车间调度问题,具有实用性高,可执行能力强等特点。
Description
所属技术领域
本发明涉及计算机执行制造系统领域,具体来说就是通过算法解决作业车间调度的组合优化问题。
背景技术
作业车间调度问题(Job-Shop Scheduling Problem)是制造执行系统研究的核心和重点之一,它的研究不仅具有重大的现实意义,而且具有深远的理论意义。作业车间调度问题,(简称JSP),就是根据产品制造需求合理分配产品制造资源,进而达到合理利用产品制造资源、提高企业经济效益的目的。JSP是产品制造行业中共存的问题,它与计算机集成制造系统(Computer Integrated Manufacturing Systems,简称CIMS)的工厂管理、产品制造层次紧密相关,是CIMS领域中研究的重要课题。JSP是一个典型的NP-hard问题,它的研究必然会对NP问题的研究起到有意义的影响。
在过去的几十年,各种算法被应用来解决作业车间调度问题。传统的,一般都采用最优化方法和近似方法来解决作业车间调度方案的自动生成问题。最优化方法包括枚举法和数学规划技术。近似法通常使用分支定界法、优先规则、启发式方法、迭代局部搜索算法和进化算法。
迭代局部搜索算法是一种单点出发的元启发式算法,它包括构造初始解、局部搜索、接受条件和扰动方法4个组成部分,它能在较短的计算时间内获得不错的解,近年来的研究表明该算法对许多NP难题的求解具有良好的效果。因此,各种版本的迭代局部搜索被专门设计来解决作业车间调度问题。但是他们易受陷入局部最优的影响,由此很多改进的迭代局部搜索算法相继提出来,比如:进化算法与局部搜索结合,多邻域结构的局部搜索,模拟退火算法等。但是依然存在计算复杂,有时不能逃离局部最优等问题。
发明内容
针对现有技术中存在的上述不足之处,本发明要解决的技术问题是提供一种新的扰动方式来提高迭代局部搜索求解性能。
本发明的目的则是克服现有技术中存在的:迭代局部搜索容易陷入局部最优;一些已有的扰动方式不能帮助解逃离局部最优;迭代局部搜索仅对当前最优解进行扰动,缩小了搜索范围的问题。
本发明为实现上述目的所采用的技术方案是:一种求解作业车间调度问题的改进扰动方式的迭代局部搜索算法,该算法包括以下步骤:
步骤1:产生初始解,令当前最优解Δbest=Δ,计算该解所产生的总完工时间。
步骤2:设置精英池容量。
步骤3:判断是否到达停止条件,是则返回最优解,否则执行下一步。
步骤4:对Δ执行邻域搜索,随机选择两种邻域结构,产生邻域解Δ′。
步骤5:如果Δ′优于Δ,即该解下的调度方案使得总完工时间更小,则令Δ=Δ′;否则返回步骤4。
步骤6:如果Δ优于Δbest,即该解下的调度方案使得总完工时间更小,则令Δbest=Δ,flag=true;否则令flag=false。
步骤7:执行精英池策略的扰动方法。
步骤8:返回执行步骤3,重复以上步骤。
所述的产生初始解的方式是:采用优先调度规则安排每一台设备上的加工工序,以得到一个初始解。步骤如下:
步骤1.1:按照每个工序的工艺顺序由小到大排序。
步骤1.2:如果加工工艺顺序相同,按照加工时间由小到大排序。
步骤1.3:如果加工时间依然相同,按照工件编号由小到大排序。
所述的精英池相当于一个存储空间,将上一步骤产生的最优解存储,能够避免迭代局部搜索仅对当前最优解进行扰动从而缩小搜索范围的问题。本算法中我们设置精英池容量poolsize,令其中pool用来存放精英解;pool size表示其容量大小,本算法设定容量大小为5。
所述的领域结构,目前有三种:插入型邻域结构,交换型邻域结构,破坏-构造型邻域结构,本算法我们采用插入型和交换型两种邻域结构对初始解进行迭代邻域搜索。插入型邻域结构是根据已知调度方案的有向图,随机选择一道工序,并随机插入到同一设备加工序列中的任意位置;交换型邻域结构是根据已知调度方案的有向图,任意选择相同设备中的两道工序,进行互换。
所述的执行精英池策略的扰动方法,有以下几个步骤:
步骤7.1:如果flag为true,则清空pool。
步骤7.2:如果Δ在pool中不存在,则将Δ插入到pool中。
步骤7.3:如果pool中的解多于pool size,则删除pool中最差的解。
步骤7.4:如果pool中的解少于pool size,则令Δ*=Δbest;反之,从pool中随机选择一个解记作Δ*。
步骤7.5:对Δ*执行扰动,得到Δ,返回步骤3。
其中,对Δ*执行扰动的步骤如下:
步骤7.5.1:是Δ*相关的有向图。
步骤7.5.2:中最长路径中选择一个随机连接弧(Oik,Ojk)。
步骤7.5.3:交换Oik和Ojk。
步骤7.5.4:令Ou=Oik。
步骤7.5.5:当Ou不是工件Ji的第一道工序:
获得工件Ji的工序Ou的前一道工序,记作:Ofu;
如果Ofu不是设备Mu上第一个加工的工序,获得设备Mu上在Ofu前面紧邻加工的工序,如果不会创造一个环,则交换这两道工序。
步骤7.5.6:令Ov=Ojk。
步骤7.5.7:当Ov不是工件Jv的第一道工序:
获得工件Jv的工序Ov前一道工序,记作:Ofv;
如果Ofv不是设备Mv上第一个加工的工序,获得设备Mv上在Ofv前面紧邻加工的工序,如果不会创造一个环则交换这两道工序,让Ov=Ofv。
步骤7.5.8:返回Δ。
本发明的有益效果是:
1.两种邻域结构拓宽了邻域搜索方向和范围,限制了搜索时陷入局部最优的情况;
2.增强的扰动方式使搜索避免局部最优;
3.精英池策略保留了之前几代搜索得到的好的结果,提高了搜索的开发性和稳定性。
附图说明
图1为本发明的算法流程图。
图2为精英池策略的扰动流程图。
图3为改进的扰动方式流程图
图4为4个工件3个设备的作业车间调度问题实例。
图5为图4所示问题的析取图。
图6为图4所示问题的一个可行解甘特图。
图7为图6所示可行解的有向析取图。
图8为图4所示问题初始解生成方式说明。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图和实施例对本发明进一步详细说明。应当理解此处所描述的具体实施例仅仅用于解释本发明并不用于限定本发明。
为了克服传统迭代局部搜索在求解作业车间调度问题的不足之处,本发明设计了一种新的扰动方式与精英池策略,提出了一种求解作业车间调度问题的改进扰动方式的迭代局部搜索算法。传统的迭代局部搜索虽能在较短的计算时间内获得不错的解,但是容易陷入局部最优的问题。所以本算法将两种邻域结构、精英池策略引进,并对传统迭代局部搜索的扰动方式进行改进,从而拓宽了邻域搜索方向和范围,限制了搜索时陷入局部最优的问题,提高了搜索的开发性和稳定性。
结合图4一个4*3的JSP实例,作业车间问题(JSP)可以描述为n个工件{Ji|(i=1,2,…,n)}在m台机器{Mk|(k=1,2,…,m)}上加工,Oik表示工件Ji在设备Mk上加工的工序。工件加工过程需满足的约束条件包括:工序Oik的加工时间pik是提前知道的,没有工序抢占,即工序在机器上一旦开始加工就不能中断直至完成;Ji在同一时刻只能在一谈设备上加工;Mk在同一时刻只能加工一个工件,目标是满足所有的优先级和容量限制,最小化总完工时间的条件下确定每一个工序的开始加工时间。
用一个析取图G=(O,A,E)表示作业车间调度问题,O表示工序节点集,A表示同一工件相邻工序连接弧集,E表示同一设备相邻工序的析取弧集,析取图G的结构如下:
1)每一道工序Oik都有一个待加工时间的节点;
2)同一工件相邻的一对工序之间都有一条有向弧。需要在同一台设备加工的每一对工序间有一条无向析取弧。因此,有向弧表示工件优先约束,析取弧表示设备容量约束
3)增加两个节点:s和t,加工时间为0,和如下的连接弧:s到每一个工件的第一道工序的连接弧,每一个工件的最后一道工序到t之间的连接弧。图5表示图4所示问题的析取图
析取图中,基本调度方案就是对应确定每一条析取弧的方向,确定了所有的析取弧方向即得到一个调度方案。如果得到的有向析取图是无环的,确定的方向即是有效的。它的长度等于无环析取图里s到t最大值的路径长度。图7表示图6所示可行解的有向图。
本发明设计插入型与交换型两种邻域结构,使算法在执行过程中可以根据已知调度方案的有向图,随机选择一道工序并随机插入到同一设备加工序列中的任意位置或者任意选择相同设备中的两道工序进行互换。这样每次在运行时都有两种方案随机选择(各自方案的概率为二分之一),可以拓宽邻域搜索的方向和范围限制了搜索时陷入局部最优的情况。
本发明设计的精英池相当于一个存储空间,将上一步骤产生的最优解存储,并设置精英池容量pool size,令其中pool用来存放精英解;pool size表示其容量大小,本算法设定容量大小为5,这样的设计避免了迭代局部搜索仅对当前最优解进行扰动从而缩小搜索范围的问题。
一种求解作业车间调度问题的改进扰动方式的迭代局部搜索算法,其具体执行步骤如图1所示,执行步骤如下:
步骤1:产生初始解,令当前最优解Δbest=Δ,计算该解所产生的总完工时间。
步骤2:设置精英池容量pool size,令其中pool用来存放精英解;pool size表示其容量大小,本算法设定容量大小为5。
步骤3:判断是否到达停止条件,是则返回最优解,否则执行下一步。
步骤4:对Δ执行邻域搜索,随机选择两种邻域结构,产生邻域解Δ′。
步骤5:如果Δ′优于Δ,即该解下的调度方案使得总完工时间更小,则令Δ=Δ′;否则返回步骤4。
步骤6:如果Δ优于Δbest,即该解下的调度方案使得总完工时间更小,则令Δbest=Δ,flag=true;否则令flag=false。
步骤7:执行精英池策略的扰动方法。
步骤8:返回执行步骤3,重复以上步骤。
所述产生初始解即确定每一道工序在设备上的排序顺序,其产生方式如图8表示图4所示问题的初始解产生实例,图中O11,O22,O31,O42为四个工件的第一道工序,其中O11,O31在第一台设备上加工,且O11和O33的加工时间都为1min,O11的工件号1小于O31的工件号3,所以设备1上的这两道工序的加工顺序是O11,O31。O42的加工时间为1min,小于O22的加工时间2min,所以设备2上这两道工序的加工顺序是O42,O22。O13,O21,O32,O41是四个工件的第二道工序,由于第一道工序完成第二道工序才能开始,所以O13排在设备3上1min之后开始加工,以此类推,得到初始解。步骤如下:
步骤1.1:按照每个工序的工艺顺序由小到大排序。
步骤1.2:如果加工工艺顺序相同,按照加工时间由小到大排序。
步骤1.3:如果加工时间依然相同,按照工件编号由小到大排序。
所述的精英池相当于一个存储空间,将上一步骤产生的最优解存储,能够避免迭代局部搜索仅对当前最优解进行扰动从而缩小搜索范围的问题。本算法中我们设置精英池容量poolsize,令其中pool用来存放精英解;pool size表示其容量大小,本算法设定容量大小为5。
所述精英池策略的扰动方式结合图2,步骤如下:
步骤7.1:如果flag为true,则清空pool。
步骤7.2:如果Δ在pool中不存在,则将Δ插入到pool中。
步骤7.3:如果pool中的解多于pool size,则删除pool中最差的解。
步骤7.4:如果pool中的解少于pool size,则令Δ*=Δbest;反之,从pool中随机选择一个解记作Δ*。
步骤7.5:对Δ*执行扰动,得到Δ,返回步骤3。
其中对Δ*执行扰动,结合图3改进的扰动方式,其步骤如下:
步骤7.5.1:是Δ*相关的有向图
步骤7.5.2:中最长路径中选择一个随机连接弧(Oik,Ojk)
步骤7.5.3:交换Oik和Ojk
步骤7.5.4:令Ou=Oik
步骤7.5.5:当Ou不是工件Ji的第一道工序:
获得工件Ji的工序Ou的前一道工序,记作:Ofu
如果Ofu不是设备Mu上第一个加工的工序,获得设备Mu上在Ofu前面紧邻加工的工序,如果不会创造一个环,则交换这两道工序
步骤7.5.6:令Ov=Ojk
步骤7.5.7:当Ov不是工件Jv的第一道工序:
获得工件Jv的工序Ov前一道工序,记作:Ofv
如果Ofv不是设备Mv上第一个加工的工序,获得设备Mv上在Ofv前面紧邻加工的工序,如果不会创造一个环则交换这两道工序,让Ov=Ofv;
步骤7.5.8:返回Δ。
上述仅本发明较佳可行的实施例,非因此局限本发明保护范围,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种求解作业车间调度问题的改进扰动方式的迭代局部搜索算法,该算法适用于计算机集成制造系统领域,其特征是,包括以下步骤:
步骤1:产生初始解,令当前最优解
,计算该解所产生的总完工时间;
步骤2:设置精英池容量;
步骤3:判断是否到达停止条件,是则返回最优解,否则执行下一步;
步骤4:对执行邻域搜索,随机选择两种邻域结构,产生邻域解;
步骤5:如果Δ′优于Δ,即该解下的调度方案使得总完工时间更小,则令;否则返回步骤4;
步骤6:如果优于,即该解下的调度方案使得总完工时间更小,则令,flag=true;否则令flag=false;
步骤7:执行精英池策略的扰动方法;
步骤8:返回执行步骤3,重复以上步骤。
2.根据权利要求1所述的一种求解作业车间调度问题的改进扰动方式的迭代局部搜索算法,其特征是:产生初始解的方式是采用优先调度规则安排每一台设备上的加工工序,以得到一个初始解,步骤如下:
步骤1.1 :按照每个工序的工艺顺序由小到大排序;
步骤1.2:如果加工工艺顺序相同,按照加工时间由小到大排序;
步骤1.3:如果加工时间依然相同,按照工件编号由小到大排序。
3.根据权利要求1所述的一种求解作业车间调度问题的改进扰动方式的迭代局部搜索算法,其特征是:设置精英池容量pool size,令pool=;其中pool用来存放精英解;pool size表示其容量大小,本算法设定容量大小为5,采用精英池能够避免迭代局部搜索仅对当前最优解进行扰动从而缩小搜索范围的问题。
4.根据权利要求1所述的一种求解作业车间调度问题的改进扰动方式的迭代局部搜索算法,其特征是:执行邻域搜索时,随机产生两种邻域结构,即插入型与交换型邻域结构,插入型邻域结构是根据已知调度方案的有向图,随机选择一道工序,并随机插入到同一设备加工序列中的任意位置;交换型邻域结构是根据已知调度方案的有向图,任意选择相同设备中的两道工序,进行互换,两种邻域结构拓宽了邻域搜索方向和范围,限制了搜索时陷入局部最优的问题。
5.根据权利要求1所述的一种求解作业车间调度问题的改进扰动方式的迭代局部搜索算法,其特征是:所述步骤7中执行精英池策略的扰动步骤如下:
步骤7.1:如果flag为true,则清空pool;
步骤7.2:如果在pool中不存在,则将插入到pool中;
步骤7.3:如果pool中的解多于pool size,则删除pool中最差的解;
步骤7.4:如果pool中的解少于pool size,则令;反之,从pool中随机选择一个解记作;
步骤7.5: 对执行扰动,得到,返回步骤3。
6.根据权利要求5所述的一种求解作业车间调度问题的改进扰动方式的迭代局部搜索算法,其特征是:所述步骤7.5对执行扰动,具体步骤如下:
步骤7.5.1:是相关的有向图;
步骤7.5.2中最长路径中选择一个随机连接弧();
步骤7.5.3:;
步骤7.5.4: 令;
步骤7.5.5:当不是的第一道工序:
获得的工序前一道工序,记作: ;
如果不是设备上第一个加工的工序,获得前面紧邻加工的工序,如果不会创造一个环,则交换这两道工序;
步骤7.5.6:令;
步骤7.5.7:当不是的第一道工序:
获得的工序前一道工序,记作: ;
如果不是设备上第一个加工的工序,获得前面紧邻加工的工序, 如果不会创造一个环则交换这两道工序,让;
步骤7.5.8:返回。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510888807.8A CN106611229A (zh) | 2015-12-04 | 2015-12-04 | 一种求解作业车间调度问题的改进扰动方式的迭代局部搜索算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510888807.8A CN106611229A (zh) | 2015-12-04 | 2015-12-04 | 一种求解作业车间调度问题的改进扰动方式的迭代局部搜索算法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106611229A true CN106611229A (zh) | 2017-05-03 |
Family
ID=58614668
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510888807.8A Pending CN106611229A (zh) | 2015-12-04 | 2015-12-04 | 一种求解作业车间调度问题的改进扰动方式的迭代局部搜索算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106611229A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107590603A (zh) * | 2017-09-11 | 2018-01-16 | 合肥工业大学 | 基于改进变邻域搜索和差分进化算法的调度方法及系统 |
CN107743104A (zh) * | 2017-09-29 | 2018-02-27 | 天津师范大学 | 基于扫描和缩放的广义频分复用技术中脉冲成形滤波器的滚降系数选择方法 |
CN108154297A (zh) * | 2017-12-22 | 2018-06-12 | 深圳市智物联网络有限公司 | 一种工厂管理系统以及信息处理方法 |
CN108876090A (zh) * | 2018-04-20 | 2018-11-23 | 南京航空航天大学 | 一种agv与加工装备的协同优化调度方法 |
CN108960634A (zh) * | 2018-07-06 | 2018-12-07 | 郑州天迈科技股份有限公司 | 一种基于人车绑定模式的车辆排班算法 |
CN109961237A (zh) * | 2019-04-02 | 2019-07-02 | 哈尔滨理工大学 | 动态局部最优树的综合调度方法 |
CN111382903A (zh) * | 2020-03-03 | 2020-07-07 | 南京邮电大学 | 一种求解电网解裂问题的迭代局部搜索方法 |
CN113536202A (zh) * | 2021-05-19 | 2021-10-22 | 西北工业大学深圳研究院 | 极小化两阶段装配调度问题总延迟时间的变邻域搜索方法 |
-
2015
- 2015-12-04 CN CN201510888807.8A patent/CN106611229A/zh active Pending
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107590603A (zh) * | 2017-09-11 | 2018-01-16 | 合肥工业大学 | 基于改进变邻域搜索和差分进化算法的调度方法及系统 |
CN107590603B (zh) * | 2017-09-11 | 2018-11-13 | 合肥工业大学 | 基于改进变邻域搜索和差分进化算法的调度方法及系统 |
CN107743104A (zh) * | 2017-09-29 | 2018-02-27 | 天津师范大学 | 基于扫描和缩放的广义频分复用技术中脉冲成形滤波器的滚降系数选择方法 |
CN107743104B (zh) * | 2017-09-29 | 2021-08-31 | 天津师范大学 | 基于扫描和缩放的广义频分复用技术中脉冲成形滤波器的滚降系数选择方法 |
CN108154297A (zh) * | 2017-12-22 | 2018-06-12 | 深圳市智物联网络有限公司 | 一种工厂管理系统以及信息处理方法 |
CN108876090A (zh) * | 2018-04-20 | 2018-11-23 | 南京航空航天大学 | 一种agv与加工装备的协同优化调度方法 |
CN108960634A (zh) * | 2018-07-06 | 2018-12-07 | 郑州天迈科技股份有限公司 | 一种基于人车绑定模式的车辆排班算法 |
CN109961237A (zh) * | 2019-04-02 | 2019-07-02 | 哈尔滨理工大学 | 动态局部最优树的综合调度方法 |
CN111382903A (zh) * | 2020-03-03 | 2020-07-07 | 南京邮电大学 | 一种求解电网解裂问题的迭代局部搜索方法 |
CN111382903B (zh) * | 2020-03-03 | 2022-09-23 | 南京邮电大学 | 一种求解电网解裂问题的迭代局部搜索方法 |
CN113536202A (zh) * | 2021-05-19 | 2021-10-22 | 西北工业大学深圳研究院 | 极小化两阶段装配调度问题总延迟时间的变邻域搜索方法 |
CN113536202B (zh) * | 2021-05-19 | 2023-05-23 | 西北工业大学深圳研究院 | 极小化两阶段装配调度问题总延迟时间的变邻域搜索方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106611229A (zh) | 一种求解作业车间调度问题的改进扰动方式的迭代局部搜索算法 | |
CN110851272B (zh) | 基于吞噬的粒子群遗传混合算法的云任务调度方法 | |
CN107590603B (zh) | 基于改进变邻域搜索和差分进化算法的调度方法及系统 | |
CN109377232B (zh) | 基于dag的区块链的交易定序方法及设备 | |
CN106779372B (zh) | 基于改进免疫禁忌算法的农机调度方法 | |
CN109903049A (zh) | 一种区块链交易数据存储方法、装置、设备及存储介质 | |
CN110348571A (zh) | 一种神经网络模型训练方法、装置、芯片和系统 | |
Pan et al. | A hybrid discrete particle swarm optimization algorithm for the no-wait flow shop scheduling problem with makespan criterion | |
CN106611377A (zh) | 针对作业车间调度的结合关键路径的混合邻域搜索算法 | |
CN106611270A (zh) | 一种求解并行机作业车间调度的混合启发式转移瓶颈算法 | |
CN113671987A (zh) | 基于非死锁合同网算法的多机分布式时序任务分配方法 | |
CN114567554B (zh) | 一种基于节点信誉和分区共识的区块链构建方法 | |
CN109214512A (zh) | 一种深度学习的参数交换方法、装置、服务器及存储介质 | |
CN110994598A (zh) | 一种多目标电网故障恢复方法及装置 | |
CN107437138B (zh) | 基于改进引力搜索算法的生产运输协同调度方法及系统 | |
Ishigaki et al. | Iterated local search algorithm for flexible job shop scheduling | |
CN112631612A (zh) | 一种基于遗传算法的kubernetes云平台配置的优化方法 | |
Gonçalves et al. | A biased random-key genetic algorithm for job-shop scheduling | |
CN105589896B (zh) | 数据挖掘方法及装置 | |
CN116300738A (zh) | 一种基于改进的元启发式算法的复杂车间调度优化器 | |
CN113572624B (zh) | 一种基于dran的传输接入层规划方法及装置 | |
Liu et al. | Improved collaborative particle swarm algorithm for job shop scheduling optimization | |
ASADZADEH | SOLVING THE JOB SHOP SCHEDULING PROBLEM WITH A PARALLEL AND AGENT-BASED LOCAL SEARCH GENETIC ALGORITHM. | |
CN106992962A (zh) | 基于多租户的虚拟机在云数据中心安全配置的方法 | |
CN113505910A (zh) | 一种含多路径有限连续输出库存的混合车间生产调度方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170503 |