基于灰熵并行分析优化算法的多目标流水车间调度

在供应链环境下构建一个多目标Flow Shop调度优化模型,采用灰熵并行分析(GEPA)法优化该多目标模型。在表征序列间相似程度的灰关联分析法基础上引入信息熵理论建立GEPA法,推导出的灰熵并行关联度衡量多目标Pareto解与理想解的相似程度,并将其作为适应度值引导算法进化,避免多目标优化问题中直接对目标权重赋值。在此基础上建立基于灰熵并行分析的遗传算法。实验结果表明,该算法可有效解决供应链环境下高维多目标Flow Shop调度问题,在多目标最优解、性能评价指标等方面均优于基于随机权重的遗传算法。