论文研究-求解多目标作业排序问题的遗传算法.pdf, 利用联合进化遗传算法(CEGA)建立了求解多目标排序问题的一般框架,采用目标权衡分析诱导出决策人的偏好关系,并将其引入求解过程,以确定满意排序,在
亲测有效,适用于多目标优化问题,修改目标函数,即可运行
NIND=40;%个体数目MAXGEN=50;%最大遗传代数GGAP=0.9;%代沟XOVR=0.8;%交叉率MUTR=0.6;%变异率gen=0;%代计数器%PNumber工件个数MNumber工序
王凌的著作,很经典的一本书。详细介绍了车间作业调度,流水车间作业调度的基础知识,以及在遗传算法中的编码方法,对于遗传算法中的交叉和变异操作也进行了详细的介绍。
基于遗传算法的资源约束型项目进度问题的优化,张扬,,针对基于仅有施工工艺逻辑关系的CPM初始计划,提出了一种新的多资源约束下施工计划优化的计算方法—遗传算法,针对资源受限项目特
这是关于讲解遗传算法的文档,并且讲述了约束优化等问题
在遗传算法中最难处理的是有等式约束的优化问题,而等式约束在一般问题中常常遇到。许多算法采用引入惩罚函数降低适应度方法使其满足等式约束条件,但太难收敛或解根本不满足约束条件,因此它是遗传算法的一个瓶颈。
Python3求解单目标、多目标混合流水车间调度问题。包括生成案例、编码、解码、算法程序。单目标、多目标分别设计了一个测试文件。生成案例后,即可运行。优点:正确、简单、求解质量较好。缺点:速度较慢。
针对不确定多目标柔性作业车间调度问题,将工序加工时间采用区间数表示,以区间最大完工时间和区间机器总负荷为优化目标,构建多目标区间柔性作业车间调度模型,并设计一种多目标进化优化算法对该模型进行求解.算法
针对“研产混线”中各类制造资源利用率低、非加工时间过长、调度难度大的问题,以生产中最紧缺的夹具资源为例,提出考虑装卸的柔性作业车间双资源调度问题.首先,以最小化完工时间和准结时间为目标建立该问题的数学