柔性Flow-Shop调度的遗传算法优化

doi:10.3778/j.issn.1002-8331.2009.30.066

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (30): 224-226.DOI: 10.3778/j.issn.1002-8331.2009.30.066

柔性Flow-Shop调度的遗传算法优化

周辉仁¹，唐万生¹，魏颖辉²

1.天津大学电气与自动化工程学院，天津 300072
2.辽宁科技学院管理系，辽宁本溪 117022

收稿日期:2008-11-24 修回日期:2009-02-10 出版日期:2009-10-21 发布日期:2009-10-21
通讯作者: 周辉仁

Optimize flexible flow-shop scheduling using genetic algorithm

ZHOU Hui-ren¹，TANG Wan-sheng¹，WEI Ying-hui²

1.School of Electrical Engineering & Automation，Tianjin University，Tianjin 300072，China
2.Department of Management，Liaoning Institute of Science and Technology，Benxi，Liaoning 117022，China

Received:2008-11-24 Revised:2009-02-10 Online:2009-10-21 Published:2009-10-21
Contact: ZHOU Hui-ren

摘要/Abstract

摘要： 柔性Flow-shop调度问题（Flexible Flow-shop Scheduling Problem，FFSP）是一般Flow-shop调度问题的推广，由于在某些工序上存在并行机器，所以比一般的Flow-shop调度问题更复杂。为了有效地解决柔性Flow-shop调度问题，用遗传算法求解，给出了一种改进的编码方法，能够保证个体的合法性；并根据编码方法提出了矩阵解码方法。最后以某汽车发动机厂金加工车间的生产调度实例进行仿真，通过比较表明了算法的有效性。

关键词: 柔性Flow-shop调度, 遗传算法, 编码方法, 矩阵解码

Abstract: Flexible Flow-shop Scheduling Problem（FFSP） is expansion of general flow-shop scheduling problem.It is more complex than general flow-shop scheduling problem because there are parallel machines on some operations.In order to efficiently solve this problem，a new method solving flexible flow-shop scheduling problem based on genetic algorithm is proposed.A new improved encoding and decoding with matrix method for the flexible flow-shop scheduling problem are proposed.These operators can easily keep the feasibility of solution.Finally，an example of production scheduling problem for metalworking workshop in a car engine plant is simulated.Through comparison，the results show the effectiveness of the algorithm.

Key words: flexible flow-shop scheduling, genetic algorithm, encoding method, decoding with matrix form

中图分类号:

TP278

周辉仁¹，唐万生¹，魏颖辉². 柔性Flow-Shop调度的遗传算法优化[J]. 计算机工程与应用, 2009, 45(30): 224-226.

ZHOU Hui-ren¹，TANG Wan-sheng¹，WEI Ying-hui². Optimize flexible flow-shop scheduling using genetic algorithm[J]. Computer Engineering and Applications, 2009, 45(30): 224-226.

[1]	李昱奇，刘志乾，程凝怡，王莹莹，朱春丽. 多约束条件下无人机航迹规划[J]. 计算机工程与应用, 2021, 57(4): 225-230.
[2]	杨玮，吴莹莹，王婷. 子母式穿梭车仓储系统配置优化问题研究[J]. 计算机工程与应用, 2021, 57(4): 258-265.
[3]	李倩，蒋丽，梁昌勇. 基于模糊时间窗的多目标冷链配送优化[J]. 计算机工程与应用, 2021, 57(23): 255-262.
[4]	杜守信，毋涛. 双种群混合遗传算法的裁剪分床应用研究[J]. 计算机工程与应用, 2021, 57(22): 182-189.
[5]	曹立佳，刘洋. 制造车间自动导引车调度新进展[J]. 计算机工程与应用, 2021, 57(21): 59-67.
[6]	陈倩茹，李雅丽，许科全，刘铱龙，王淑琴. 自调优自适应遗传算法的WKNN特征选择方法[J]. 计算机工程与应用, 2021, 57(20): 164-171.
[7]	石宇强，田永政，张雨琦，石小秋. 运用含复杂网络结构的多种群遗传算法求解FJSP[J]. 计算机工程与应用, 2021, 57(2): 257-266.
[8]	代江涛，韩晓龙. 考虑作业状态能耗的集装箱码头设备协调调度[J]. 计算机工程与应用, 2021, 57(19): 290-298.
[9]	姜良重，雷航，李贞昊，钱伟中，施甘图. 采用自适应优化权重的出库货位优化方法研究[J]. 计算机工程与应用, 2021, 57(15): 271-278.
[10]	贺娇，谭代伦. 基于视野范围和遗传算法的三维地形路径规划[J]. 计算机工程与应用, 2021, 57(15): 279-285.
[11]	冯晓东，黄世荣，戴冠鸥，杨伟家，罗尧治. 天牛须遗传杂交算法的研究与应用[J]. 计算机工程与应用, 2021, 57(15): 90-100.
[12]	苏庆，林华智，黄剑锋，林志毅. 结合CNN和Catboost算法的恶意安卓应用检测模型[J]. 计算机工程与应用, 2021, 57(15): 140-146.
[13]	王秀丽，周鹏，侯静楠，王仕俊，林霞. 面向变电站机器人巡检路径规划中的算法研究[J]. 计算机工程与应用, 2021, 57(14): 245-250.
[14]	陈元文. MapReduce技术在物资调运与配载问题中的应用[J]. 计算机工程与应用, 2021, 57(12): 273-278.
[15]	邱云飞，高华聪. 混合Filter与改进自适应GA的特征选择方法[J]. 计算机工程与应用, 2021, 57(11): 95-102.

柔性Flow-Shop调度的遗传算法优化

Optimize flexible flow-shop scheduling using genetic algorithm

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics