检索结果-南通市图书馆

基于二元分布估计算法的置换流水车间调度方法

在线全文

学校读者我要写书评

暂无评论

中国机械工程 2017年第22期28卷 2752-2759页

作者：裴小兵赵衡天津理工大学管理学院天津300384

针对最大完工时间最小的置换流水车间调度问题,提出了一种结合二元分布估计算法与生物地理学算法的混合优化算法(HB-EDA)。算法以分布估计算法为架构,以二元概率模型为进化依据,针对优秀染色体和劣势染色体分别通过概率模型挖掘出具有... 详细信息

针对最大完工时间最小的置换流水车间调度问题,提出了一种结合二元分布估计算法与生物地理学算法的混合优化算法(HB-EDA)。算法以分布估计算法为架构,以二元概率模型为进化依据,针对优秀染色体和劣势染色体分别通过概率模型挖掘出具有优势信息和劣势信息的链接基因区块组成区块库1和区块库2,借鉴生物地理学算法中的群体迁移思想,用两个区块库分别对优势和劣势染色体以指定比例进行更新操作产生子群体,并对染色体进行切段与重组,以进一步筛选高适应度的解。最后通过对Reeves和Taillard标准测试集的仿真结果和算法比较验证了所提出算法的有效性。

关键词：置换流水车间调度生物地理学优化算法分布估计算法组合区块

在线全文

学校读者我要写书评

暂无评论

基于区块进化算法求解置换流水车间调度问题

系统仿真学报 2018年第8期30卷 3170-3178页

作者：裴小兵赵衡天津理工大学管理学院天津300384

针对置换流水车间调度问题,提出了一种混合区块模型的全局进化算法。通过对优秀染色体的统计与采样构建位置矩阵概率模型,并依关联规则挖掘出具有优势信息的连续或不连续基因组成优势区块,结合优势区块与概率模型组合出高适应度的人造解... 详细信息

针对置换流水车间调度问题,提出了一种混合区块模型的全局进化算法。通过对优秀染色体的统计与采样构建位置矩阵概率模型,并依关联规则挖掘出具有优势信息的连续或不连续基因组成优势区块,结合优势区块与概率模型组合出高适应度的人造解;依劣势染色体构建突变概率模型,指导后期的基因突变操作。提出基于位置概率交换与NEH插入两种高效局部搜索方法,以进一步筛选优势解。通过对Reeves和Taillard标准测试集的仿真测试和算法比较验证了所提出算法出色的搜寻能力和有效性。

关键词：置换流水车间调度组合区块概率模型人造解

在线全文

学校读者我要写书评

暂无评论

改进猫群算法求解置换流水车间调度问题

智能系统学报 2019年第4期14卷 769-778页

作者：裴小兵于秀燕天津理工大学管理学院

标准猫群算法(CSO)在求解最小化最大完工时间的置换流水车间调度问题(PFSP)时收敛速度较慢,同时,当问题规模变大时容易出现“维数灾难”。为加快寻优速度,同时避免“维数灾难”,提出了一种基于分布估计算法的改进猫群算法(EDA-CSO)。以... 详细信息

标准猫群算法(CSO)在求解最小化最大完工时间的置换流水车间调度问题(PFSP)时收敛速度较慢,同时,当问题规模变大时容易出现“维数灾难”。为加快寻优速度,同时避免“维数灾难”,提出了一种基于分布估计算法的改进猫群算法(EDA-CSO)。以猫群算法为框架,嵌入分布估计算法,在搜寻模式下,利用概率矩阵挖掘解序列中的优秀基因链组合区块,使用猫群算法中的跟踪模式更新猫的速度和位置,从而更新优秀解序列产生子群体。最后,通过对Carlier和Reeves标准例题集的仿真测试和结果比较,验证了该算法良好的鲁棒性和全局搜索能力。

关键词：置换流水车间调度猫群算法分布估计算法搜寻模式概率矩阵组合区块跟踪模式优秀解序列

基于区块模型的进化算法在车间调度问题中的应用研究

在线全文

学校读者我要写书评

暂无评论

基于区块模型的进化算法在车间调度问题中的应用研究

作者：赵衡天津理工大学

学位级别：硕士

流水车间生产模式在现代制造企业中非常广泛,是实际生产制造车间中常见的一类排产方式,也是车间调度领域研究的一个重要问题。调度目标是根据约束条件对工件顺序进行合理的安排,以满足制定的绩效目标。在实际生产中,一个优秀的工件调度... 详细信息

流水车间生产模式在现代制造企业中非常广泛,是实际生产制造车间中常见的一类排产方式,也是车间调度领域研究的一个重要问题。调度目标是根据约束条件对工件顺序进行合理的安排,以满足制定的绩效目标。在实际生产中,一个优秀的工件调度排序能够保证生产活动的有序和稳步进行,提高资源的利用率,对提高客户交货满意度和企业发展具有重要意义。理论研究层面,此类问题为一种经典的NP-hard组合优化问题,对此类问题有效的求解对其他类型的组合优化问题的解决皆有较强的指导意义。求解车间调度问题的常见算法如遗传算法,其进化机制中选择和交叉操作混合了母代优秀的基因,导致子代很难以出现差异化的基因结构,造成陷入局部最优,这也是很多算法共同面临的窘境。而算法优劣主要在于两方面:搜寻性和收敛性。本研究针对置换流水车间调度问题(Permutation Flow-shop Scheduling Problem,PFSP)提出一种基于区块模型的进化算法(A Block Model-based Evolutionary Algorithm,BMEA)。为兼顾算法初始解的质量和多样性,使用NEH(Nawaz-Enscore-Ham)启发式构造和OBL(Opposition-based learning,OBL)相结合的方式产生初始解;构造了两种区块链结构,以降低问题的搜索维度,同时提高算法搜寻效率:一种是连续型区块链,该区块链是基于分布估计算法构造的蕴含工件位置信息的位置矩阵模型构建的;另一种是使用关联规则通过对不同的优秀基因挖掘构造的不连续型区块链。算法进化初期主要是使用不连续区块链结构产生子代,以实现快速收敛。在进化后期,算法引入生物地理学算法的迁移算子,针对在进化后期易陷入局部最优的问题,使用优势和劣势两种连续区块链执行迁移操作产生子代,从而增加种群多样性,以期跳出局部最优。为进一步提高算法的寻优能力,提出两种局部搜索策略对染色体执行切段与重组:基于概率的重组方式和基于NEH插入式重组策略,并与相邻交换法交替使用,以期实现快速收敛。本研究通过对OR-Library中Taillard与Reeves例题的仿真测试并通过与其他知名算法的比较来验证BMEA的有效性。算法的快速收敛主要是执行高效的局部搜索策略以及区块链结构的注入,而使用迁移算子更新群体的操作增加了种群搜索的多样性,使群体快速跳脱局部最优。通过对实验结果的分析可知,BMEA不仅收敛速度较快,而且求解质量优于被比较算法。

关键词：置换流水车间调度分布估计算法关联规则进化算法组合区块