摘要：描述了job-shop调度问题,研究遗传算法和蚁群算法在解决job-shop问题中的优点和不足,融合遗传算法和蚁群算法设计了遗传蚁群算法以求解job-shop调度问题,并对算法进行了仿真实验,通过与遗传算法、蚁群算法及已有的遗传算法和蚁群算法的融合算法结果的对比,验证了该算法的有效性。

摘要：研究了动态job -shop调度问题 ,并设计了一种改进的遗传算法 .该算法借鉴启发式算法 ,使用向量进行遗传编码 ;遗传计算中引入种群间竞争 ,实现种群向更高层的平衡态进化 ,进而全局优化调度方案 ;利用调度评价函数及负荷表 ,对动态的生产调度进行了有效地评价 .仿真实验表明了此法用于复杂调度问题的优越性 .

摘要：在分析国内外各种解决生产线作业调度问题方法的基础上，引出生产线调度Ｊｏｂ－Ｓｈｏｐ问题的数学模型。针对该模型，用遗传算法对其进行优化调度。首先针对优化目标进行染色体编码，定义群体规模，然后设计适应度函数，最后通过选择、交叉、变异等操作，得到目标的全局较优解。本文针对某一工程实例，给出了此调度算法的仿真结果。

摘要：为了研究job-shop调度问题,分析了调度结果和调度过程,认为传统job-shop调度模型的调度过程,实质是减少并减小空闲时间的组合优化过程,而且不同空闲时间对调度结果的影响程度不同。据此提出了最小化空闲时间的两个处理过程和不同空闲时间的处理顺序规则;并设计了进化算法中最小化空闲时间的初始种群生成过程、重组算子和变异算子。经典的调度基准问题对比测试表明最小化空闲时间的分析结论是正确的;最小化空闲时间过程高效可靠;最小化空闲时间的进化算法缩小了算法的搜索空间,大大提高了搜索效率,有效避免了早熟收敛现象,稳定可靠。

摘要：针对蚁群算法求解job-shop调度问题,该算法考虑到利用析取图来描述工件加工关系给算法带来的复杂度,提出了一种广义蚁群算法。在综合考虑设备和工序关系约束的前提下,将信息素更新机制运用到求解job-shop调度问题中,从而提高解的质量。为了提高搜索效率,根据蚁群算法的状态转移规则,对算法中参数的选择进行了详细的研究,设计了信息素更新策略。仿真实验结果表明,广义蚁群算法得到的解更接近最优解,该算法的收敛速度明显高于其他算法的收敛速度。