简述 这是《深度学习与人工智能》课程中很普通的一道作业题，但因为发现了一个更巧妙的搜索目标的形式，让求解过程快了很多，代码实现起来也简单了非常多，而且最终的搜索效果也更好。 关于蚁群算法和柔性作业车间调度问题不再赘述。 求解策略比较 如果用这篇文章中的方法，求解这个问题会很困难。因为同Job的不同工序是有先后顺序的，如果直接在上面这张表里搜索解，也就是说搜索出的是这张表里每一行标一个机器，那么接下来的时间计算就非常麻烦，需要从这张表去计算一个最优的调度顺序，这个过程代价很高，而且程序很难写。 在这篇文章中看到了一种搜索目标的表示形式，这篇文章虽然是讲遗传算法而不是蚁群算法，但是它对遗传算法染

具有总能耗约束的柔性作业车间调度问题研究

包含文档、源代码、测试结果展示

作业车间调度问题是将多台机器安排处理多个工件的组合优化问题，使最大完工时间达到最小。应用传统萤火虫算法求解时，萤火虫个体到达最优解附近时，相对吸引力逐渐增强，导致局部搜索能力减弱，造成求解结果在最优解附近震荡，进而使求解精度下降。为改善解的质量，本文在萤火虫算法迭代过程中引入精英选择策略，保护进化过程中的优秀个体，避免最优解丢失；为提高算法收敛速度与求解精度，对萤火虫位置更新方法引入基于种群规模和迭代次数的动态自适应惯性权重；同时对每一代萤火虫种群最优个体引入禁忌搜索算法，提高局部搜索能力。仿真结果表明本文所提出改进算法在解决作业车间调度问题上的有效性与实用价值。

IWOA改进鲸鱼算法解决柔性车间调度问题双目标，求解低碳车间调度问题的改进鲸鱼算法，已运行。GLR部分有点问题，CSHLD那个是没问题的，欢迎指正

蚁群\基于改进蚁群算法的柔性作业车间调度问题的求解方法

基于遗传算法车间调度问题matlab程序

分析生产车间的实际生产状况，建立了考虑工件移动时间的柔性作业车间调度问题模型。该模型考虑了以往柔性作业车间调度问题模型所没有考虑的工件在加工机器间的移动时间，使柔性作业车间调度问题更贴近实际生产，让调度理论更具现实性。通过对已有的改进遗传算法的遗传操作进行重构，设计出有效求解考虑工件移动时间的柔性作业车间调度问题的改进遗传算法。最后对实际案例进行求解，得到调度甘特图和析取图，通过对甘特图和析取图的分析验证了所建考虑工件移动时间的柔性作业车间调度问题模型的可行性和有效性。

本文讨论的任务车间调度问题是一个典型的NP完全问题，也是最难解的组合优化问题之一。虽然本题给出的工件（墙纸）数n、机器数m及工序（印刷颜色）数l较小，但可以看到，利用经典整数规划的方法求解该问题还是存在着约束条件不够，结果不容易收敛的问题，并且当n，m，l偏大时采用全局搜索的办法来处理该问题是不切实际的。在实际生产中，JSP并不总是要求得到精确解，因此有研究者使用近似算法在适当的时间内得到一个可接受的近似最优解来求解此问题，实际的计算表明，好的近似算法通常能在可接受的时间内得到与精确解相差甚小的近似解，甚至对于大部分的实例，近似算法能得到与精确最优解一致的近似解。因此，本文采用近似算法中的遗传算法（Genetic Algorithms，GA）求解任务调度问题。

可以方便地查找到各种JSP问题的算例，尤其对于研究作业车间调度问题（JSP）算法的人应该帮助较大，可以用于进行标准算例的对比试验！