检索结果-南通市图书馆

基于种群的多层次迭代贪婪算法优化阻塞流水车间调度问题

在线全文

学校读者我要写书评

暂无评论

计算机集成制造系统 2016年第10期22卷 2315-2322页

作者：张其亮俞祚明江苏科技大学电气与信息工程学院江苏张家港215600

针对以最小化最大完工时间为目标的阻塞流水车间调度问题,提出一种有效的基于种群的多层次迭代贪婪算法进行求解。算法基于排列形式进行编码,提出NEH_PF(Nawaz-Enscore-Ham&profile fitting)算法构造初始种群,以提高初始解的质量;设计... 详细信息

针对以最小化最大完工时间为目标的阻塞流水车间调度问题,提出一种有效的基于种群的多层次迭代贪婪算法进行求解。算法基于排列形式进行编码,提出NEH_PF(Nawaz-Enscore-Ham&profile fitting)算法构造初始种群,以提高初始解的质量;设计了多层次迭代贪婪算法,并基于插入、交换策略对个体进行变异,基于Path-Relinking算法对个体进行交叉,以提高个体局部搜索能力,并提出部分交叉策略来更新种群。通过标准实例测试,验证了所提算法的有效性。

关键词：种群迭代贪婪算法阻塞流水车间调度最小化最大完工时间

在线全文

学校读者我要写书评

暂无评论

基于候鸟优化算法的阻塞流水车间调度问题

计算机集成制造系统 2015年第8期21卷 2099-2107页

作者：谢展鹏贾艳张超勇邵新宇李大双华中科技大学数字制造装备与技术国家重点实验室湖北武汉430074 西华大学机械工程与自动化学院四川成都610039

针对以最小化总流程时间为目标的阻塞流水车间调度问题,提出一种有效的候鸟优化算法。采用最小最大算法产生初始鸟群中的领飞鸟,并以领飞鸟的邻域解作为初始鸟群中的其他个体,保证了初始鸟群的质量和多样性。通过最优插入+最优交换操作... 详细信息

针对以最小化总流程时间为目标的阻塞流水车间调度问题,提出一种有效的候鸟优化算法。采用最小最大算法产生初始鸟群中的领飞鸟,并以领飞鸟的邻域解作为初始鸟群中的其他个体,保证了初始鸟群的质量和多样性。通过最优插入+最优交换操作产生鸟群的邻域解,使算法能更快地搜索到高质量的解。基于迭代贪婪算法的毁坏和构造操作的局部搜索策略进一步增强了算法的局部寻优能力,使算法在集中搜索和分散搜索之间达到更合理的平衡。通过求解经典的Taillard基准算例验证了所提算法的高效性和鲁棒性。

关键词：候鸟优化算法阻塞流水车间调度总流程时间

基于和声搜索的阻塞流水车间调度问题的算法优化

在线全文

学校读者我要写书评

暂无评论

计算机工程与科学 2013年第7期35卷 108-112页

作者：包云姜华郑丽萍聊城大学计算机学院山东聊城252059

针对以最大完工时间为目标的阻塞流水车间调度问题,提出了一种通过混合和声搜索改进遗传算法的优化求解算法。构建了阻塞流水车间调度原理图并描述了运算方法;详细论述了混合算法的实施流程和关键问题,并使用NEH方法和局部搜索对混合算... 详细信息

针对以最大完工时间为目标的阻塞流水车间调度问题,提出了一种通过混合和声搜索改进遗传算法的优化求解算法。构建了阻塞流水车间调度原理图并描述了运算方法;详细论述了混合算法的实施流程和关键问题,并使用NEH方法和局部搜索对混合算法进行了改进。仿真结果表明,改进后的混合算法能显著提高优化阻塞流水车间调度问题的解。

关键词：阻塞流水车间调度和声搜索遗传算法局部搜索 NEH启发式搜索

增强型混合离散差分进化算法求解阻塞流水车间调度问题

在线全文

学校读者我要写书评

暂无评论

现代制造工程 2023年第4期 1-12页

作者：易高明桂林航天工业学院理学院桂林541000

针对以最小化制造期为优化目标的阻塞流水车间调度问题,提出一种基于动态自适应的增强型混合离散差分进化算法。增强型混合离散差分进化算法采用基于工件排列的形式进行编码,首次利用带机器权重的PF规则与NEH启发规则联合构造初始种群,P... 详细信息

针对以最小化制造期为优化目标的阻塞流水车间调度问题,提出一种基于动态自适应的增强型混合离散差分进化算法。增强型混合离散差分进化算法采用基于工件排列的形式进行编码,首次利用带机器权重的PF规则与NEH启发规则联合构造初始种群,PF-NEH联合规则提升了初始解的质量和多样性;在差分进化的变异阶段,采用一种全新的分类变异策略,更有针对性地控制不同适应度个体的变异需求和方向;在交叉阶段,采用基于位置的交叉策略,保证得到一组合法完整的实验调度序列,并利用贪婪选择的方式确定目标个体;在局部搜索阶段,加入禁忌搜索算子,并融入一种新颖的兼顾集中性与多样性的自适应局部搜索机制,以动态平衡算法的全局粗搜索和局部细搜索。此外,为避免算法的早熟及后期易陷入局部最优,增加了多样性保持机制。最后,在典型算例上进行各种性能实验,验证了所提出的增强型混合离散差分进化算法的有效性和优越性。

关键词：阻塞流水车间调度增强型混合离散差分进化分类变异自适应局部搜索

在线全文

学校读者我要写书评

暂无评论

新颖的阻塞流水车间调度量子差分进化算法

计算机应用 2015年第3期35卷 663-667页

作者：齐学梅王宏涛陈付龙汤其妹孙云翔安徽师范大学数学计算机科学学院安徽芜湖241003 安徽师范大学网络与信息安全工程技术研究中心安徽芜湖241003

针对阻塞流水车间调度问题(BFSP),提出了一种新颖的量子差分进化(NQDE)算法,用于最小化最大完工时间。该算法将量子进化算法(QEA)与差分进化(DE)相结合,设计一种新颖的量子旋转机制控制种群进化方向,增强种群多样性;采用高效的基于变邻... 详细信息

针对阻塞流水车间调度问题(BFSP),提出了一种新颖的量子差分进化(NQDE)算法,用于最小化最大完工时间。该算法将量子进化算法(QEA)与差分进化(DE)相结合,设计一种新颖的量子旋转机制控制种群进化方向,增强种群多样性;采用高效的基于变邻域搜索的量子进化算法(QEA-VNS)协同进化策略增强算法的全局搜索能力,进一步提高解的质量。基于Taillard's benchmark实例仿真,结果表明,所提算法在最优解数量上明显高于目前较好的启发式算法——INEH,改进了110个实例中64个实例的当前最优解;在性能上也优于目前有效的元启发式算法——新型蛙跳算法(NMSFLA)和混合量子差分进化(HQDE),产生最优解的平均百分比偏差(ARPD)均下降约6%。NQDE算法适合大规模阻塞流水车间调度问题。

关键词：阻塞流水车间调度量子进化算法差分进化协同进化最大完工时间

鲸鱼优化算法及其在阻塞流水车间调度中的研究

在线全文

学校读者我要写书评

暂无评论

鲸鱼优化算法及其在阻塞流水车间调度中的研究

作者：包海兰州理工大学

学位级别：硕士

复杂车间调度优化是制造执行系统的重要组成部分,而制造执行系统又是连接整个制造业系统的中枢和纽带,因此提升调度优化效率是智能制造系统高效运行的关键技术,是提高企业制造执行能力的核心环节,也是我国从制造大国走向制造强国的重中... 详细信息

复杂车间调度优化是制造执行系统的重要组成部分,而制造执行系统又是连接整个制造业系统的中枢和纽带,因此提升调度优化效率是智能制造系统高效运行的关键技术,是提高企业制造执行能力的核心环节,也是我国从制造大国走向制造强国的重中之重。生产调度作为一类典型的组合优化问题,通常具有复杂性、多约束性、多目标等特点,而大多数生产调度问题也属于NP(Non-deterministic Polynomial)难问题,因此此类问题也成为学术界亟待解决的关键问题。车间调度的任务是在一定的资源(包括生产物料资源、能源动力资源、加工设备资源、资金技术资源等)约束条件下,合理地安排工件在各个机器上的加工次序,使一个或多个生产目标达到最优。流水车间调度问题作为车间调度问题的重要分支,广泛地存在于冶金、机械、电子、化工等制造领域。与传统流水车间调度问题相比,阻塞流水车间调度问题考虑了在无缓冲区场景下的调度问题,更贴近实际生产场景,具有更重要的理论意义和实际应用价值。鲸鱼优化算法(Whale Optimization Algorithm,WOA)是一种模拟海洋中座头鲸捕食行为的群智能优化算法。该算法具有结构简单、参数少、搜索能力强等特点。此外,还因其独特的学习机制和高效的全局搜索能力使得鲸鱼优化算法备受关注。本文结合实际生产中面临的几种约束,对阻塞流水车间调度问题及其扩展进行了深入研究。通过设计协同学习型的鲸鱼优化算法,提出了五种改进算法,本文的主要研究内容和工作如下:(1)针对鲸鱼优化算法局部搜索能力弱、易陷入局部最优等缺点,本文提出了一种基于两阶段正交学习的多种群合作协同演化的鲸鱼优化算法(Multi-population Cooperative Coevolutionary Whale Optimization Algorithm with a Two-Stage Orthogonal Learning Mechanism,MCCWOA),求解复杂连续实值优化问题。该算法通过建立邻域结构预测模型,在第一阶段的正交学习过程中指导子代个体的搜索方向。在第二阶段的正交学习过程中,通过辅助向量池使得陷入停滞状态的个体快速有效地跳出局部最优位置。此外,还通过多种群合作协同演化策略增加了种群的多样性。使用DOE(Design of Experiments Method)方法对算法参数进行校验,还通过构建适应度地形的方法检验了算法中各类算子的不同作用。基于CEC2017基准测试集上的实验结果表明MCCWOA算法优于鲸鱼优化算法及其先进变体算法。(2)针对分布式阻塞流水车间调度问题(Distributed Blocking Flow-shop Scheduling Problem,DBFSP),本文设计了一种协同离散鲸鱼优化算法(Cooperative Discrete Whale Optimization Algorithm,CDWOA)。该算法结合分布式阻塞流水车间调度的问题特征,设计了一种基于负载均衡的初始化方法提高种群的质量。在搜寻猎物阶段,提出了一种两阶段邻域插入算子来保持种群的多样性。在包围捕食阶段,采用了一种基于迭代贪心的方法进行深度局部搜索,以提高解的质量。在气泡捕食阶段,嵌入了基于关键工厂的局部搜索策略,增强了算法的收敛能力。同时,采用类似模拟退火的接受准则来保持群体的多样性。基于720个标准测试用例的仿真实验表明,所提出的构造启发式方法显著地优于7种文献中的初始化方法,所提出的算法显著地优于10种文献中的算法。(3)针对带序列相关准备时间的阻塞流水车间调度问题(Blocking Flowshop Scheduling Problem with Sequence-dependent Setup Times,SDST/BFSP),本文设计了一种离散鲸鱼优化算法(Discrete Whale Optimization Algorithm,DWOA)。该算法设计了一种基于问题特定知识的启发式方法缩短阻塞时间和空闲时间。在搜寻猎物阶段,提出了插入邻域的算子来保持种群的多样性。在包围捕食阶段,采用了一种块移动的方法进行局部搜索,以提高解的质量。在气泡捕食阶段,嵌入了一种邻域交换的局部搜索策略,增强了算法的收敛能力。基于480个标准测试用例的仿真实验表明,所提出的算法显著性地优于5种文献中的算法。(4)针对带序列相关准备时间的分布式阻塞流水车间调度问题(Distributed Blocking Flow-shop Scheduling Problem with Sequence-dependent Setup Times,SDST/DBFSP),本文设计了一种基于问题特定知识的离散鲸鱼优化算法(Discrete Whale Optimization Algorith

关键词：阻塞流水车间调度鲸鱼优化算法启发式方法序列相关准备时间分布式调度

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

猫群算法求解阻塞流水车间调度问题

信息技术 2014年第12期38卷 37-39,43页

作者：吴颖茂李林马邦雄上海理工大学管理学院上海200093

阻塞流水车间调度是现实生产调度中一类很重要的组合优化问题,其已被证明是典型的NP难问题。为了提高该问题的求解性能,文中提出了猫群算法(CSO)求解阻塞流水线调度问题。猫群算法是近几年来提出的群体智能算法,算法以一小部分猫执行跟... 详细信息

阻塞流水车间调度是现实生产调度中一类很重要的组合优化问题,其已被证明是典型的NP难问题。为了提高该问题的求解性能,文中提出了猫群算法(CSO)求解阻塞流水线调度问题。猫群算法是近几年来提出的群体智能算法,算法以一小部分猫执行跟踪模式,其余大部分猫执行搜寻模式,通过这两种模式同时进行局部搜索和全局搜索以达到优化目标。文中利用标准Car问题算例进行仿真实验,并与标准粒子群算法(PSO)和蝙蝠算法(BA)进行比较,结果表明猫群算法在求解生产调度问题的可行性和有效性。

关键词：阻塞流水车间调度群体智能猫群算法跟踪模式搜寻模式

超启发式算法及其在流水车间调度问题中的研究

在线全文

学校读者我要写书评

暂无评论

超启发式算法及其在流水车间调度问题中的研究

作者：狄士璐兰州理工大学

学位级别：硕士

随着市场的全球化,传统制造业和新兴制造业间的竞争日益激烈。企业已经由单一的生产车间模式向分散的多车间模式转变,分布式生产制造应运而生。相对于传统的生产制造,分布式生产制造打破了地域的限制,实现了全球资源的优化配置和全球利... 详细信息

随着市场的全球化,传统制造业和新兴制造业间的竞争日益激烈。企业已经由单一的生产车间模式向分散的多车间模式转变,分布式生产制造应运而生。相对于传统的生产制造,分布式生产制造打破了地域的限制,实现了全球资源的优化配置和全球利益的深度融合。因此,分布式制造已然成为制造领域的一类重要问题。车间调度在分布式制造问题中至关重要,高效的调度策略是企业在面临不确定性和动态性的问题下提高自身竞争力的有效手段。许多分布式车间调度问题已经被证明是NP-hard问题,传统的精确求解方法不能求解该问题或高效地获得该问题的最优解。超启发式算法是一种通用的解决方案框架,可以自适应地选择优化器来解决复杂问题。本文的研究内容如下。(1)提出了一种协作的多阶段的超启发式(Cooperative Multi-stage Hyper-heuristic,CMS-HH)算法来解决组合优化问题。在CMS-HH中,引入了一种遗传算法来扰动初始解,以增加解的多样性。在搜索阶段,提出了一种基于多臂赌博机和中继杂交技术的在线学习机制,以提高解的质量。此外,当解的状态在连续时间内不变时,引入多点搜索与单点搜索进行协同搜索。CMS-HH算法的性能在六个具体的组合优化问题中进行了评估,包括布尔可满足性问题、一维装箱问题、置换流水车间调度问题、人员调度问题、旅行商问题和车辆路径问题。实验结果证明了CMS-HH算法的有效性。(2)提出了一种自学习的超启发式算法(Self-learning Hyper-heuristic,SLHH)来解决以最小化产品的装配完成时间为优化目标的分布式装配阻塞流水车间调度问题(Distributed Assembly Blocking Flow Shop Scheduling Problem,DABFSP)。在SLHH中,提出了七种简单有效的启发式规则来构造一组低级启发式(Low-level Heuristic,LLH)。针对低层启发式算法的历史成功率,提出了一种高层策略来管理LLH的选择。此外,还提取了隐藏在DABFSP中的先验知识来构造初始解。为了保证解的多样性,提出了一种考虑三种不同构造性启发式的重启方案。最后,SLHH和其他三种最先进的算法在810个实例上进行了测试。从实验结果来看,SLHH算法是求解DABFSP的一种有效算法。(3)本文在分布式阻塞流水车间调度问题中考虑了能耗指标。一种基于Q-learning的超启发式算法(Hyper-heuristic with Q-learning,HHQL)被提出解决节能的分布式阻塞流水车间调度问题(Energy-efficient Distributed Blocking Flow Shop Scheduling Problem,EEDBFSP)。Q-learning用于根据LLH反馈的历史信息,从预先设计的低级启发式集合中选择合适的LLH。一种同时考虑总延误(Total Tardiness,TTD)和总能耗(Total Energy Consumption,TEC)的初始化方法被提出来构造初始种群。在选择LLH的过程中,引入了-greedy策略来利用所学知识的同时保留一定程度的探索。关键路径上工件的加速操作和非关键路径上作业的降速操作被用来同时优化总延误时间TTD与TEC。基准测试中进行的统计和计算实验证明,HHQL在求解EEDBFSP的效率和显著性方面优于其他比较算法。

关键词：超启发式分布式装配阻塞流水车间调度节能调度 Q-learning