对于抢先与非抢先型车间调度问题具有模糊逻辑控制的遗传算法.rar
对于抢先与非抢先型车间调度问题具有模糊逻辑控制的遗传算法,附件c摘要在本文中，我们将要提出一种新的基因遗传算法——模糊逻辑控（ＦＬＣ）制来解决抢先的车间调度问题（Ｐ－ＪＳＰ）与非抢先的车间调度问题（ＮＰ－ＪＳＰ）。提出的算法考虑到了在单一机床加工计划中的先决要素。在各类先决要素中，我们先做一个限制性规划，接着用所提出的遗...
该文档为压缩文件,包含的文件列表如下:
内容介绍
原文档由会员 qs_f5t2xd 发布
附件C
对于抢先与非抢先型车间调度问题具有模糊逻辑控制的遗传算法
摘要
在本文中，我们将要提出一种新的基因遗传算法——模糊逻辑控（ＦＬＣ）制来解决抢先的车间调度问题（Ｐ－ＪＳＰ）与非抢先的车间调度问题（ＮＰ－ＪＳＰ）。提出的算法考虑到了在单一机床加工计划中的先决要素。在各类先决要素中，我们先做一个限制性规划，接着用所提出的遗传算法演化出一种新的基因表达方法，基因交换和基因突变。但是提出的算法与传统的遗传算法具有相同的弱点，在基因参数的初始化上将会花费大量的时间，ＦＬＣ可以用来调节参数。
在本文中，ＦＬＣ将会适当地调节基因的交换率和突变率。为了证明ＰＬＣ的作用，在本文中我们将会把提出的算法分两部分进行：一部分具有模糊逻辑控制的遗传算法（ＰＲＯ－ＦＧＡ），另一部分不具有模糊逻辑控制的遗传算法（ＰＲＯ－ＧＡ）。
在众多的的实例中，我们将会把提出的算法应用到各类车间调度问题之中，并将获得的结果一同进行分析和比较。各种实验将会展现出ＰＲＯ－ＦＧＡ与ＰＲＯ－ＧＡ作用的不同结果。
关键词：抢先的车间调度；非抢先的车间调度；遗传算法；模糊逻辑控制
1.引言
本文考虑了在车间调度问题（ＪＳＰ）中各类活动中的抢先因素。在抢先车间调度问题中（Ｐ－ＪＳＰ），每一个加工作业都是由一系列的工序组成，每个工序都是在指定的机器上，在给定的时间内完成。每个工序都可以在任何时间被其他工序所中断，并且没有中断的次数和时间限制。但是，在非抢先车间调度问题中，工序不能被中断，每个工序自开始到结束前都不能被中止。因此，我们若要同时考虑并比较这两种类型的调度问题的话，就必须采用不同的限制条件。
Ｐ－ＪＳＰ问题在学术界和现实世界中很少受到关注，Applegate与Cook（１９９１）对Ｐ－ＪＳＰ型问题进行了多种计算研究，并用１０ ＪＳＰ发布了一些关于抢先与非抢先要素的标准化程序。Lee and Takagi(1993), Xu and Vukovich (1994) and Zeng and Rabenasolo (1997). Zeng and Rabenasolo (1995)考虑了关于P-JSP与NP-JSP资源系统参数，他提出了一些关于处理抢先要素与比较各类P-JSP问题的限制性程序的构思。S and Baptiste (1994, 1997)在程序库中通过约束程序提出了关于P-JSP与NP-JSP的约束繁殖技术。Baptiste(1999)在单一机器抢先调度中提出了一种O(n4)算法使加工延迟时间最小化。
P-JSP问题在遗传算法中很少受到研究人员的关注。主要是因为该算法在遗传算法中很难，并且会花大量的时间来寻找优的结构化参数。
对于GA参数，FLC具有很重要最的作用。研究人员可以用flc来适当地管理GA参数（遗传的代数，种群大小，交换率，突变率及其他）。因此，可以节省大量的用于参数调节的时间并且GA在全局最适应参数的搜索能力能得到改进。Gen和Cheng建议在GA领域使用FLC。最早在扩充模糊方面对 GA 的策略叁数的适合的规则逻辑技术的是Lee，Takagi(1993), Xu .Vukovich(1994)，Zeng和Rabenasolo(1997). Zeng和Rabenasolo用FLC来调节GA中的交换率，突变率与基因交换的位置。这些参数被考虑为GA输入多样性和FLC的输出多样性。Wang和Hu使用两种FLC：一个用于控制交换率另一个用于突变率。由于FLC的贡献，近来的GA算法比传统的GA算法更强健。
本文将着重于改良一种有效GA算法用于解决在单一机器加工中的P-JSP和NP-JSP问题。提出的算法考虑了一些限制性得到了用于考虑在加工活动中抢先要素的限制性程序的发展改良，并且使用FLC来适当调节GA参数。
在第二部分，这种限制性程序用于考虑各种活动中的抢先要素被提出，用于解决P-JSP和NP-JSP也被提出。遗传算法中新的关于P-JSP和NP-JSP的有效描述的理念在第三节中得以提出。微量调节GA算法中的参数的观点在第四节中提出。所有所提出算法的过程程序在第五节中展示。各种实例和演示在第六节中提出，并在第七节中作出总结。
对于抢先与非抢先型车间调度问题具有模糊逻辑控制的遗传算法
摘要
在本文中，我们将要提出一种新的基因遗传算法——模糊逻辑控（ＦＬＣ）制来解决抢先的车间调度问题（Ｐ－ＪＳＰ）与非抢先的车间调度问题（ＮＰ－ＪＳＰ）。提出的算法考虑到了在单一机床加工计划中的先决要素。在各类先决要素中，我们先做一个限制性规划，接着用所提出的遗传算法演化出一种新的基因表达方法，基因交换和基因突变。但是提出的算法与传统的遗传算法具有相同的弱点，在基因参数的初始化上将会花费大量的时间，ＦＬＣ可以用来调节参数。
在本文中，ＦＬＣ将会适当地调节基因的交换率和突变率。为了证明ＰＬＣ的作用，在本文中我们将会把提出的算法分两部分进行：一部分具有模糊逻辑控制的遗传算法（ＰＲＯ－ＦＧＡ），另一部分不具有模糊逻辑控制的遗传算法（ＰＲＯ－ＧＡ）。
在众多的的实例中，我们将会把提出的算法应用到各类车间调度问题之中，并将获得的结果一同进行分析和比较。各种实验将会展现出ＰＲＯ－ＦＧＡ与ＰＲＯ－ＧＡ作用的不同结果。
关键词：抢先的车间调度；非抢先的车间调度；遗传算法；模糊逻辑控制
1.引言
本文考虑了在车间调度问题（ＪＳＰ）中各类活动中的抢先因素。在抢先车间调度问题中（Ｐ－ＪＳＰ），每一个加工作业都是由一系列的工序组成，每个工序都是在指定的机器上，在给定的时间内完成。每个工序都可以在任何时间被其他工序所中断，并且没有中断的次数和时间限制。但是，在非抢先车间调度问题中，工序不能被中断，每个工序自开始到结束前都不能被中止。因此，我们若要同时考虑并比较这两种类型的调度问题的话，就必须采用不同的限制条件。
Ｐ－ＪＳＰ问题在学术界和现实世界中很少受到关注，Applegate与Cook（１９９１）对Ｐ－ＪＳＰ型问题进行了多种计算研究，并用１０ ＪＳＰ发布了一些关于抢先与非抢先要素的标准化程序。Lee and Takagi(1993), Xu and Vukovich (1994) and Zeng and Rabenasolo (1997). Zeng and Rabenasolo (1995)考虑了关于P-JSP与NP-JSP资源系统参数，他提出了一些关于处理抢先要素与比较各类P-JSP问题的限制性程序的构思。S and Baptiste (1994, 1997)在程序库中通过约束程序提出了关于P-JSP与NP-JSP的约束繁殖技术。Baptiste(1999)在单一机器抢先调度中提出了一种O(n4)算法使加工延迟时间最小化。
P-JSP问题在遗传算法中很少受到研究人员的关注。主要是因为该算法在遗传算法中很难，并且会花大量的时间来寻找优的结构化参数。
对于GA参数，FLC具有很重要最的作用。研究人员可以用flc来适当地管理GA参数（遗传的代数，种群大小，交换率，突变率及其他）。因此，可以节省大量的用于参数调节的时间并且GA在全局最适应参数的搜索能力能得到改进。Gen和Cheng建议在GA领域使用FLC。最早在扩充模糊方面对 GA 的策略叁数的适合的规则逻辑技术的是Lee，Takagi(1993), Xu .Vukovich(1994)，Zeng和Rabenasolo(1997). Zeng和Rabenasolo用FLC来调节GA中的交换率，突变率与基因交换的位置。这些参数被考虑为GA输入多样性和FLC的输出多样性。Wang和Hu使用两种FLC：一个用于控制交换率另一个用于突变率。由于FLC的贡献，近来的GA算法比传统的GA算法更强健。
本文将着重于改良一种有效GA算法用于解决在单一机器加工中的P-JSP和NP-JSP问题。提出的算法考虑了一些限制性得到了用于考虑在加工活动中抢先要素的限制性程序的发展改良，并且使用FLC来适当调节GA参数。
在第二部分，这种限制性程序用于考虑各种活动中的抢先要素被提出，用于解决P-JSP和NP-JSP也被提出。遗传算法中新的关于P-JSP和NP-JSP的有效描述的理念在第三节中得以提出。微量调节GA算法中的参数的观点在第四节中提出。所有所提出算法的过程程序在第五节中展示。各种实例和演示在第六节中提出，并在第七节中作出总结。
