混合粒子群算法求解单机批调度问题

设计了一种混合粒子群算法(Hybrid Particle Swarm Optimization,HPSO)以求解基于工件动态到达的最小化最大拖期时间单机批调度问题。该算法在标准粒子群算法的基础上引入了惯性权重正弦调整,以改善标准粒子群算法的收敛速度和全局收敛性,然后采用自适应变异全局极值算法增强粒子群优化算法跳出局部最优解的能力,防止算法陷入局部最优。应用改进的算法对实验设计问题进行求解,证明了改进算法的有效性。

模糊环境下的差异作业单机批调度优化问题的研究

针对现实生产制造系统中存在的时间参数模糊化问题,用梯形模糊数表征时间参数,给出了一种具有模糊加工时间和模糊批次间隔的、以最小化制造跨度为目标的模糊差异作业单机批调度问题模型。在对模糊差异作业单机批调度问题进行有效求解方面,针对基本粒子群算法容易陷入局部最优的问题,给出了一种基于遗传操作的混合粒子群算法。利用遗传算法思想对粒子进行交叉、变异操作,增强了算法跳出局部最优的能力。仿真实验验证了该算法具有可行性和有效性。

动态自适应加权多态蚁群算法求解差异工件单机批调度问题

针对差异工件的单机批调度问题,提出了动态自适应加权多态蚁群算法对最大完工时间进行优化,该算法引入了不同种类的蚁群,每种蚁群都有不同的信息素调控机制,并根据批调度问题对不同种类的蚁群状态转移概率和信息素更新机制进行了改进,同时将局域搜索与全局搜索相结合,从而更符合蚁群的真实信息处理机制。对不同规模的算例进行了仿真,结果验证了该算法的有效性和可行性。

模糊环境下多目标差异作业单机批调度问题研究

针对现实生产制造系统中存在的时间参数模糊化问题,采用梯形模糊数表征时间参数,给出一种具有模糊交货期和模糊加工时间,以最小化提前/拖期惩罚、制造跨度以及加工费用为目标的多目标差异作业单机批调度问题模型.在对该问题进行求解方面,针对基本粒子群算法容易陷入局部最优的问题,引入混沌局部搜索策略,给出了一种基于混沌优化技术的混合粒子群算法.仿真实验验证了所提出算法的可行性和有效性.