遗传算法的车间调度算法求解PPT.ppt
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
遗传算法在 Job-Shop 调度问题中的应用 遗传算法是解决 Job-Shop 调度问题的一种有效方法,它可以找到近似最优解。Job-Shop 调度问题是一个典型的 NP 难问题,研究它的方法始终以启发式算法为主导,但这些方法存在着难以克服的弱点,如计算规模不可能较大,寻优结果不具备全局特性等等。近年来,学者们提出了基于神经网络的车间作业调度系统,但此种方法在 JSS 规模较大时,却存在着计算速度慢与结构参数难以确定的弱点。因此,遗传算法的出现给这类问题带来了新的希望,并取得了较为满意的成果。 Job-Shop 调度问题的描述是指在 n 台机器上加工 m 个工件的顺序问题,每个工件都需要经过若干台机器的加工,并且每台机器上加工的顺序都是固定的。问题的目标是找到一种最优的加工顺序,使得总的完成时间最小。 遗传算法在 Job-Shop 调度问题中的应用有很多,例如基于遗传算法的 Job-Shop 调度系统、基于遗传算法的并行 Job-Shop 系统、基于遗传算法的 Job-Shop 专家系统等等。这些方法都取得了较为满意的成果,但是它们的实现都需要进行大量的计算和优化。 遗传算法在 Job-Shop 调度问题中的优点是可以找到近似最优解,且计算速度较快,可以解决大规模的 Job-Shop 调度问题。但是,它也存在一些缺点,如需要进行大量的参数调整,很难找到最优的参数设置。 Job-Shop 调度问题的约束条件包括:1. 一个工件不能同时在不同的机器上加工;2. 对整个工件来说,在加工过程中采取平行移动方式;3. 不允许中断,当一个工件一旦开始加工,必须一直进行到完工,不允许中途停下来,插入其他工件;4. 每道工序只在一台机器上完成,每台机器只完成一道工序;5. 工件数、机器数、加工时间已知,且加工时间与加工顺序无关;6. 允许工件在工序之间等待,允许机器在工件未到达是闲置;7. 工件加工技术上的约束事先给定; 8. 每台机器同时只能加工一个工件。 遗传算法在 Job-Shop 调度问题中的应用可以找到近似最优解,且计算速度较快,但需要进行大量的参数调整和优化。
剩余51页未读,继续阅读
- 粉丝: 55
- 资源: 2万+
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助