针对砂型铸造生产,以最小化最大完工时间为目标,构建考虑工人学习效应的柔性作业车间调度模型。提出了一种两阶段超启发鳑鲏鱼优化(bitterling fish optimization,BFO)算法,高级阶段使用差分进化算法选择不同混沌映射方式、反向学习方...针对砂型铸造生产,以最小化最大完工时间为目标,构建考虑工人学习效应的柔性作业车间调度模型。提出了一种两阶段超启发鳑鲏鱼优化(bitterling fish optimization,BFO)算法,高级阶段使用差分进化算法选择不同混沌映射方式、反向学习方法及应用反向学习方法的种群比率的最佳组合,低级阶段在BFO算法的初始化阶段采用高级阶段选出的最佳组合,并选择不同的邻域搜索策略进行局部搜索。将所提出的算法在基准实例和实际问题上进行了实验,实验结果表明,两阶段超启发BFO算法在求解柔性作业调度问题上具有优异的性能。展开更多
文摘针对砂型铸造生产,以最小化最大完工时间为目标,构建考虑工人学习效应的柔性作业车间调度模型。提出了一种两阶段超启发鳑鲏鱼优化(bitterling fish optimization,BFO)算法,高级阶段使用差分进化算法选择不同混沌映射方式、反向学习方法及应用反向学习方法的种群比率的最佳组合,低级阶段在BFO算法的初始化阶段采用高级阶段选出的最佳组合,并选择不同的邻域搜索策略进行局部搜索。将所提出的算法在基准实例和实际问题上进行了实验,实验结果表明,两阶段超启发BFO算法在求解柔性作业调度问题上具有优异的性能。
