在不确定的环境中灵活的车间调度在现实世界的制造系统中起着重要的作用。 为了捕捉柔性作业车间调度的不确定性和多目标性质，构建了多目标随机柔性作业车间调度问题（MOSFJSSP）的数学模型，该模型包含制造时间跨度，最大机器工作量和鲁棒性三个目标。在各种实际约束下，同时考虑不确定性。 基于统计工具定义了两个基于方案的新的鲁棒性度量。 为了适当地解决MOSFJSSP问题，开发了一种基于分解的改进多目标进化算法（m-MOEA / D）进行鲁棒调度。 我们方法的新颖之处在于，它采用了一种新的子问题更新方法，该方法利用了全球信息，允许保存在档案中的精英们参与子代的产生，采用子问题选择和中止策略，将更多的计算工作集中在有前途的子问题上，并结合了特定问题的遗传算子进行变异。 在18个问题实例上的广泛实验结果，包括8个总柔性实例和10个局部柔性实例，表明这两种新的鲁棒性度量比现有的基于情景的度量更为有效，可以提高进度对不确定性的鲁棒性并保持被破坏目标的较小方差价值观。 与最新的多目标优化进化算法（MOEA）相比，我们提出的基于m-MOEA / D的鲁棒调度方法可实现更好的收敛性能。 还分析了三个目标之间的不同权衡。

遗传算法在流水车间调度问题中的研究与应用.pdf

应用多种群遗传算法求解动态车间调度问题.pdf

模拟退火算法解决置换流水车间调度问题(python实现) Use Simulated Annealing Algorithm for the basic Job Shop Scheduling Problem With Python 作业车间调度问题（JSP）是计算机科学和运筹学中的一个热门优化问题。它专注于在特定时间将作业分配给有限的资源。模拟退火算法（SSA）是一种基于蒙特卡罗迭代求解策略的通用随机全局搜索优化算法。其出发点是基于物理固体材料退火处理与一般组合优化问题之间的相似性。在一定的初始温度下，结合概率和降温，在解空间中找到目标函数的全局最优解。在本文中，我在JSP上使用了该算法，并通过十个实例得到了调度顺序。

A*算法与蚁群算法解决车间调度问题-人工智能引论课程大作业完整源码、测试数据及实验报告

人工智能，遗传算法应用之流水车间调度问题 上学期的讨论题之一。 包含源码（可运行）+讲解ppt+代码注解+遗传算法讲解

【车间调度】基于遗传算法实现柔性车间调度问题附Matlab代码

e4业车间调度问题的一种自适应遗传算法.txt

车间调度问题模拟退火算法案例.ppt

基本蚁群算法的选择概率公式存在的缺陷,从信息素的更新策略方面入手,通过自适应地调整挥发系数对蚁群算法进行优化,并将自适应蚁群优化算法应用于置换流水车间调度问题 .对几组仿真数据进行实验,结果表明该算法具有可行性,并且有一定的理论意义和较高的实际应用价值,是一种值得推广的求解置换流水车间问题算法 .