融入概率学习的混合差分进化算法求解绿色分布式可重入作业车间调度
Hybrid differential evolution integrated with probability learning for green distributed reentrant job shop scheduling作者机构:昆明理工大学信息工程与自动化学院云南昆明650500 云南机电职业技术学院云南昆明650000 昆明理工大学机电工程学院云南昆明650500
出 版 物:《控制理论与应用》 (Control Theory & Applications)
年 卷 期:2024年第41卷第3期
页 面:512-521页
核心收录:
学科分类:12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 081104[工学-模式识别与智能系统] 0802[工学-机械工程] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术(可授工学、理学学位)]
基 金:国家自然科学基金项目(62173169,61963022) 云南省基础研究重点项目(202201AS070030)资助
主 题:差分进化 绿色调度 分布式调度 可重入作业车间调度问题
摘 要:本文针对绿色分布式可重入作业车间调度问题(GDRJSSP),提出一种融入概率学习的混合差分进化算法(HDE PL),以实现最大完工时间和总能耗最小.根据GDRJSSP的问题特点,设计编码和解码规则,并采用差分进化算法执行全局搜索来发现优质解区域.为能更明确地引导全局搜索方向,设计基于贝叶斯网络结构的多维概率模型合理学习和积累优质解(即当前种群中的较优解)的模式信息.结合问题解的结构特征,提出基于关键路径的4种邻域结构来构造局部搜索,并设计基于非关键路径的节能策略来提升算法获取低能耗非劣解的能力.仿真实验和算法对比验证了HDE PL可有效求解GDRJSSP.