摘要：针对具有模糊加工时间和模糊交货期的作业车间调度问题,以最小化最大完工时间为目标,以近端策略优化(PPO)算法为基本优化框架,提出一种LSTM-PPO(proximal policy optimization with Long short-term memory)算法进行求解.首先,设计一种新的状态特征对调度问题进行建模,并且依据建模后的状态特征直接对工件工序进行选取,更加贴近实际环境下的调度决策过程;其次,将长短期记忆(LSTM)网络应用于PPO算法的行动者-评论者框架中,以解决传统模型在问题规模发生变化时难以扩展的问题,使智能体能够在工件、工序、机器数目发生变化时,仍然能够获得最终的调度解.在所选取的模糊作业车间调度的问题集上,通过实验验证了该算法能够取得更好的性能.

摘要：研究了具有模糊加工时间和模糊交货期的多目标作业车间调度问题,首先给出了基于模糊优先规则的编码新方式,染色体的每一位表示在GT算法迭代过程中,对应机器上发生的某次冲突,根据该基因位对应的优先规则消除。然后设计了基于个体密集距离的多目标进化算法,该算法利用密集距离进行外部档案维护和适应度赋值。最后将多目标进化算法应用于模糊作业车间调度问题,以最大化最小一致指标和最小化模糊最大完成时间,并和其他算法比较。计算结果验证了多目标进化算法在模糊调度方面良好的搜索性能。

摘要：针对存在不确定因素的作业车间调度问题,基于模糊理论的思想,把不确定的加工时间和交货期分别用三角模糊数和半梯形模糊数来表示,提出了以最大化平均满意度为调度目标的调度模型。运用遗传算法求解,对基于工序的编码操作设计了一种新的交叉操作,同时采用小范围竞争择优操作策略。仿真结果表明,该算法是可行的和有效的。

摘要：在实际生产系统中存在许多不确定的因素,导致很难获得准确的加工时间,模糊柔性作业车间调度(fuzzy flexible job shop scheduling problem,FFJSP)模型能够将不确定的加工时间用模糊数来表示,将模糊完工时间确定在一定范围内,因此更符合实际的生产。以最大模糊时间最小为优化目标,采用三角模糊数表示工件不确定的加工时间,使用多层编码遗传算法对模型进行求解。此算法针对柔性作业车调度的复杂性,设计了一种基于工序排序和工序对应加工机器号的双层编码,研究了遗传算法的适应度值、交叉和变异等操作。最后,通过MATLAB仿真验证了此算法的有效性和该模型的正确性。