人工智能-机器学习-面向模糊车间调度问题的智能算法研究.pdf

分别用改进的粒子群优化算法和改进的差分进化算法求解柔性作业车间调度问题 问题规模以(工件J*工序P*机器M)表示，例如J20P10M10表示共有20个工件，每个工件有10个工序，总共有10个加工机器可供选择。data文件夹中的文件表示程序所用的数据，其中data_first文件的问题规模是J10P5M6，data_second文件的问题规模是J20P10M10，data_third文件的问题规模是J20P20M15。对于其中数据的解释：横向表示工序，纵向表示机器，每个数值表示机器加工工序的耗时，工序和机器都是按顺序排列的。以data_first.txt文件为例，前五行分别表示第一个工件的5个工序分别在6台机器上加工的时间，第5-10行表示第二个工件的5个工序分别在6台机器上加工的时间，以此类推。 关于编码，本项目采用的是同类问题常用的编码方式，参考论文“基于改进遗传算法的柔性作业车间调度问题研究”，与该论文所述的编码方式不同的是，本项目的编码中第一段为工序编码，第二段为机器编码。DE文件夹中的三个文件分别采用三种不同的初始化方式，其中DE_first.py采用的是完全随机的

【优化调度】基于改进蛙跳算法求解流水车间调度问题matlab代码

大数据-算法-非线性工时多工艺路线条件下作业车间调度问题研究.pdf

一种基于遗传算法的作业车间调度问题的解决方案，陈浩哲，王晨升，作业车间调度问题(job shop scheduling problem，JSP)是复杂调度问题类型之一，有十分重要的研究意义和工程价值。本文以标准遗传算法为基础�

深度强化学习求解动态柔性作业车间调度问题

针对微粒群优化算法在求解作业车间调度问题时存在的易早熟、搜索准确度差等缺点，在微粒群优化算法的基础上引入了模拟退火算法，从而使得算法同时具有全局搜索和跳出局部最优的能力，并且增加了对不可行解的优化，从而提高了算法的搜索效率；同时，在模拟退火算法中引入自适应温度衰变系数，使得SA算法能根据当前环境自动调整搜索条件，从而避免了微粒群优化算法易早熟的缺点。对经典JSP问题的仿真实验表明，与其他算法相比，该算法是一种切实可行、有效的方法。

为能够应用和声搜索算法(HSA)高效求解作业车间调度问题(JSSP)，提出一种新的差分和声搜索算法(DEHSA)。首先，针对和声函数连续而工序离散现象，设计了排序工序数量转换法，将浮点数的和声转换成工件序列；其次，为提高HSA的收敛速度，改进了HSA的进化模式，不仅是替换一个最差解，还提出了和声变量进化时依赖于当前最优解的“导优”概率；最后，将差分进化算法(DEA)引入到HSA中，克服了HSA方向性差和后期停滞的现象。仿真实验结果表明，DEHSA在求解JSSP上具有可行性和有效性。

在柔性作业车间调度问题的基础上，考虑多台搬运机器人执行不同工序在不同机床之间的搬运，形成柔性机器人作业车间调度问题，提出混合蚁群算法。用改进析取图对问题进行描述，使用混合选择策略、自适应伪随机比例规则和改进信息素更新规则优化蚁群算法，结合遗传算子完成机床选择和工序排序。使用一种多机器人排序算法完成搬运机器人分配和搬运工序排序。通过多组算例仿真测试并与其他算法进行比较，验证了算法的有效性和可靠性。

Python | 模拟退火算法解决置换流水车间调度问题 使用启发式算法解决置换流水车间调度问题 txt文档中分别为源码和测试用例 未涉及第三方库，可以直接复制到pyCharm中运行 由于主函数使用了递归，程序可能运行较慢 （运行时需在源码中更改测试用例的保存路径）