针对大规模Job Shop调度问题,提出了一种基于TOC(theory of constraints)的免疫遗传算法。该算法依据TOC理论中瓶颈机约束生产系统性能的思想,利用瓶颈机器的特性,在染色体编码及遗传操作过程中,对瓶颈机与非瓶颈机采用不同的处理方式,...针对大规模Job Shop调度问题,提出了一种基于TOC(theory of constraints)的免疫遗传算法。该算法依据TOC理论中瓶颈机约束生产系统性能的思想,利用瓶颈机器的特性,在染色体编码及遗传操作过程中,对瓶颈机与非瓶颈机采用不同的处理方式,以使瓶颈工序得到最优化调度。而非瓶颈工序在满足瓶颈工序的调度方案的基础上进行快速调度,降低大规模作业车间调度问题的复杂度,提高算法的求解效率。为提高算法求解质量,克服遗传算法的随机性及迭代退化问题,将TOC理论中的瓶颈机器拓展至瓶颈工件,提出候选瓶颈工件集及瓶颈工件的定义。通过对瓶颈机接种"瓶颈工件邻域对换"免疫算子,充分利用种群中个体的特征信息,辅助遗传算法的优化过程。仿真结果表明:瓶颈特征的应用以及免疫算子的融入是有效的,免疫遗传算法可以在较短的时间内求得令人满意的解。展开更多
文摘针对大规模Job Shop调度问题,提出了一种基于TOC(theory of constraints)的免疫遗传算法。该算法依据TOC理论中瓶颈机约束生产系统性能的思想,利用瓶颈机器的特性,在染色体编码及遗传操作过程中,对瓶颈机与非瓶颈机采用不同的处理方式,以使瓶颈工序得到最优化调度。而非瓶颈工序在满足瓶颈工序的调度方案的基础上进行快速调度,降低大规模作业车间调度问题的复杂度,提高算法的求解效率。为提高算法求解质量,克服遗传算法的随机性及迭代退化问题,将TOC理论中的瓶颈机器拓展至瓶颈工件,提出候选瓶颈工件集及瓶颈工件的定义。通过对瓶颈机接种"瓶颈工件邻域对换"免疫算子,充分利用种群中个体的特征信息,辅助遗传算法的优化过程。仿真结果表明:瓶颈特征的应用以及免疫算子的融入是有效的,免疫遗传算法可以在较短的时间内求得令人满意的解。