针对可重入制造系统多具有多品种、大规模、混流生产等特点,构建带批处理机的可重入混合流水车间调度问题(reentrant hybrid flow shop scheduling problem with batch processors,BPRHFSP)模型,提出一种改进的多目标蜉蝣算法(multi-obj...针对可重入制造系统多具有多品种、大规模、混流生产等特点,构建带批处理机的可重入混合流水车间调度问题(reentrant hybrid flow shop scheduling problem with batch processors,BPRHFSP)模型,提出一种改进的多目标蜉蝣算法(multi-objective mayfly algorithm,MOMA)进行求解。提出了单件加工阶段和批处理阶段的解码规则;设计了基于Logistic混沌映射的反向学习初始化策略、改进的蜉蝣交配和变异策略,提高了算法初始解的质量和局部搜索能力;根据编码规则设计了基于变邻域下降搜索的蜉蝣运动策略,优化了种群方向。通过对不同规模大量测试算例的仿真实验,验证了MOMA相比传统算法求解BP-RHFSP更具有效性和优越性。所提出的模型能够反映生产的基础特征,达到减少最大完工时间、机器负载和碳排放的目的。展开更多
针对混合流水车间调度问题(Hybrid flow-shop scheduling problem,HFSP)的特点,设计了基于排列的编码和解码方法,建立了描述问题解空间的概率模型,进而提出了一种有效的分布估计算法(Estimation of distribution algorithm,EDA).该算法...针对混合流水车间调度问题(Hybrid flow-shop scheduling problem,HFSP)的特点,设计了基于排列的编码和解码方法,建立了描述问题解空间的概率模型,进而提出了一种有效的分布估计算法(Estimation of distribution algorithm,EDA).该算法基于概率模型通过采样产生新个体,并基于优势种群更新概率模型的参数.同时,通过实验设计方法对算法参数设置进行了分析并确定了有效的参数组合.最后,通过基于实例的数值仿真以及与已有算法的比较验证了所提算法的有效性和鲁棒性.展开更多
文摘针对混合流水车间调度问题(Hybrid flow-shop scheduling problem,HFSP)的特点,设计了基于排列的编码和解码方法,建立了描述问题解空间的概率模型,进而提出了一种有效的分布估计算法(Estimation of distribution algorithm,EDA).该算法基于概率模型通过采样产生新个体,并基于优势种群更新概率模型的参数.同时,通过实验设计方法对算法参数设置进行了分析并确定了有效的参数组合.最后,通过基于实例的数值仿真以及与已有算法的比较验证了所提算法的有效性和鲁棒性.
