求解批量流混合流水车间调度问题的改进飞蛾扑火算法

作     者：杨婷 

作者单位：大连交通大学 

学位级别：硕士

导师姓名：宋存利;杜振环

授予年度：2022年

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）] 

主      题：混合流水车间问题 飞蛾扑火算法 柯西变异 批量流 K-means算法 

摘      要：混合流水车间调度问题((Hybrid Flow-shop Scheduling Problem,HFSP)的研究一直是学术界和制造业企业关注的热点。实际生产系统经常会遇到多种类大批量的生产调度问题,此类问题涉及到工件批次的划分以及所有子批的生产顺序和机器的选择,合理的批次划分和调度可以有效提高生产效率,减少长时间待机而产生的高能耗。本文主要研究基于批量流的单目标和多目标HFSP问题,并采用飞蛾扑火算法对其进行求解。具体研究工作如下:针对批量流混合流水车间等量分批调度问题,以节约能耗为目标建立了该问题的混合整数规化模型。设计基于“最小能耗两种不同的解码策略,并提出了一种有效的改进飞蛾扑火算法(improved moth-flame optimization algorithm,IMFO)来求解该问题。该算法对最佳火焰进行柯西变异以避免过早陷入局部最优,对较差火焰进行交叉和反转操作以提高求解质量。最后,通过与CPLEX和其他六种有效算法进行对比实验证明IMFO算法的有效性和优越性。针对同时考虑最小化最大完工时间和最小化总能耗的多目标批量流HFSP,提出了一种基于聚类的改进飞蛾扑火算法(clustering-based moth-flame optimization algorithm,CMFO)来求解该问题。该算法采用一种随种群递归衰减的火焰数量自适应调整策略来增强算法的全局开发和局部搜索能力。利用K-mean聚类算法对种群进行聚类,每个聚类的优秀飞蛾作为火焰,引导该类中飞蛾的局部搜索能力。同时对每个分类中的最佳火焰进行柯西变异以增强算法的开发能力,对较差火焰进行交叉和反转操作以提高求种群质量,通过正交实验法确定了CMFO算法参数。最后,通过对改进策略和其他三种多目标算法进行对比实验证明CMFO算法在计算效率和求解质量上都具有较大优势。