针对作业车间环境具有能力受限的批量调度问题(capacitated lot-sizing and scheduling problem,CLSP),提出基于改进蜜獾算法和神经网络的混合优化算法,以此来应对需求和处理时间的不确定性。首先,考虑需求和处理时间受到不确定性影响,...针对作业车间环境具有能力受限的批量调度问题(capacitated lot-sizing and scheduling problem,CLSP),提出基于改进蜜獾算法和神经网络的混合优化算法,以此来应对需求和处理时间的不确定性。首先,考虑需求和处理时间受到不确定性影响,构建基于可满足性模理论的确定性模型,引入安全库存和安全松弛两个弹性参数,以运营总成本最低为优化目标,建立需求不确定下的鲁棒优化模型;其次,提出基于改进蜜獾算法和神经网络的混合算法,利用混沌理论生成伪随机值,估计安全参数的标称值和变化幅度,提高算法速度;最后,进行示例验证,结果表明所提算法可优化调度准则,减小最优性差距,有效解决具有延期订单许可的问题,降低平均短缺成本。展开更多
文摘针对作业车间环境具有能力受限的批量调度问题(capacitated lot-sizing and scheduling problem,CLSP),提出基于改进蜜獾算法和神经网络的混合优化算法,以此来应对需求和处理时间的不确定性。首先,考虑需求和处理时间受到不确定性影响,构建基于可满足性模理论的确定性模型,引入安全库存和安全松弛两个弹性参数,以运营总成本最低为优化目标,建立需求不确定下的鲁棒优化模型;其次,提出基于改进蜜獾算法和神经网络的混合算法,利用混沌理论生成伪随机值,估计安全参数的标称值和变化幅度,提高算法速度;最后,进行示例验证,结果表明所提算法可优化调度准则,减小最优性差距,有效解决具有延期订单许可的问题,降低平均短缺成本。
