一种求解多目标FJSP的自学习遗传算法

遗传算法求解多目标FJSP时,关键参数在计算过程中不能智能动态调整,从而影响算法效率和解的质量.本文基于改进的遗传算法和增强学习算法建立一种求解多目标的自学习遗传算法.遗传算法改进如下:首先提高全局和局部机器选择比重构造初始种群,然后依据快速非支配排序和拥挤距离计算适应度值,并设计选择算子,利用增强学习在种群迭代间动态调整交叉概率和变异概率,最后设计交叉和变异算子.实验部分以最大完工时间最小C_(max)、最大负荷机器最小W_(m)、总机器负荷最小W_(t)这3个目标为例,对多个算例进行了大量的测试和分析,证明了该方法的有效性和高效性.

智能RGV的动态调度策略研究

对智能RGV的动态调度策略进行设计,运用了线性规划、遗传算法及数据包络分析等方法,构建了线性规划模型、多目标FJSP问题模型、DEA效率检验等模型,综合运用了Matlab、Mathematica等软件编程求解,得到了能够解决两种情况:一道工序和两道工序的物料加工作业情况下有效的RGV动态调度模型和求解算法,最后根据三组具体数据,运用DEA模型检验出模型的有效性,并且证明出系统具有较高的作业效率。