基于动态学习和个体淘汰的鲸鱼算法求解订单接受与调度问题

结合订单型企业生产线的实际情况,在传统的订单接受与调度模型的基础上加入因客户优先级而带来的订单拒绝成本这一重要因素,并使用新型的鲸鱼优化算法(WOA)进行求解。WOA被提出是用于求解实数域的问题而且存在容易陷入局部最优的缺陷,针对这一问题提出一种改进的鲸鱼优化算法(IWOA)。使用基于排序和偏离度的编码方式用于求解订单接受与调度模型的整数域问题。加入向历史个体动态学习策略在一定程度上避免算法出现早熟。为了防止鲸鱼个体在随机搜寻的过程中偏离最优方向从而影响收敛速度,利用遗传算法的交叉选择策略淘汰劣质个体。通过实验将IWOA和WOA以及改进的灰狼算法(HGWO)分别求解订单接受与调度模型并进行比较,证明了IWOA对模型的求解结果、结果的稳定性以及算法本身的收敛速度、初始解的优质程度等方面都优于其它两种算法。