基于智能水滴算法置换流水线调度问题的研究

生产调度问题是制造系统中最基本、最重要和最困难的问题之一。提出了一种新颖的群智能优化算法即智能水滴算法求解置换流水线问题。智能水滴算法是群智能算法领域的最新研究成果,该算法模拟了自然界水系统通过和其周围环境的相互作用而形成河流水道的过程。分析了智能水滴算法的基本原理和数学模型。应用MATLAB7.0,对Car1-Car6以及Rec01和Rec13问题进行了仿真测试,并将智能水滴算法和微粒群算法相比较,仿真结果表明了智能水滴算法求解生产调度问题的可行性和有效性。

置换流水线车间调度问题的研究

随着科学技术的发展和生产规模的不断扩大,置换流水线车间调度问题已经越来越受到广大学者的关注。目前,该领域已经出现了许多优化算法,其大大提高了生产的效率。尽管有一些文献已经进行了比较和综述,但是它们没有包括最新的求解方法和研究结果。因此,文中从一个崭新的视角对该问题进行综述,并详细地对比各种算法,使广大学者对其有一个更新、更全面的了解。

应用萤火虫算法求解置换流水线问题

为了更好地研究生产调度问题,针对置换流水线调度问题,提出了一种新颖的群智能优化算法,即萤火虫算法。萤火虫算法模拟了萤火虫通过发光进行信息交流的这种行为特征从而发展演变为一种启发式算法;并分析了萤火虫算法的仿生原理和数学模型。应用MATLAB软件,对CAR1问题在不同的扰动下对算法进行了仿真测试,并将萤火虫算法和微粒群算法相比较,仿真结果表明了萤火虫算法优化生产调度问题的可行性和有效性。该算法有待进一步的深入研究。

改进并行蚁群算法求解置换流水线调度问题

为了解决置换流水线的调度问题,提出了改进的并行蚁群算法。针对置换流水线问题本身的特性,在蚂蚁系统算法(ACS)的基础上,设计出了新的启发式信息算法。在计算大数据量的情况下,通过设计的新规律对数据进行分组,并对分组进行并行计算,然后合并各组最优解来问题的最优解。实验结果表明,该改进方法行之有效,新的启发式信息提高了解的质量,而按数据规律的分组并行不仅缩小查找最优值时间,相比于随机分组的并行算法,更加提高了解的质量。

改进布谷鸟搜索算法求解置换流水线调度问题

针对置换流水线调度问题,笔者提出了一种基于Halton序列和优化边界约束的改进布谷鸟搜索算法,建立了以工件的最大完工时间为目标的算法模型,最后通过对若干Taillard Benchmark问题进行仿真实验,表明改进布谷鸟搜索算法解决置换流水线调度问题的有效性。

求解置换流水线调度问题的改进萤火虫优化算法

针对最小化最大完成时间的置换流水线调度问题,提出了一种改进的离散萤火虫优化算法。在传统萤火虫优化算法的基础上,采用基于升序排序的随机键编码方式对萤火虫种群进行离散化处理,使用NEH算法对萤火虫种群进行初始化处理,结合遗传算法的交叉变异思想改进位置更新策略,采用个体变异方式解决孤立个体问题,提高算法的寻优能力。最后通过典型算例对改进算法进行仿真测试,实验结果表明该算法求解置换流水线调度问题时具备很强的寻优能力和鲁棒性,明显优于传统萤火虫优化算法和遗传算法,是解决置换流水线调度问题的一种有效算法。

改进蝙蝠算法求解置换流水线车间调度问题

研究新型蝙蝠算法在置换流水线车间调度问题的应用。针对基本蝙蝠算法在解决离散型生产调度问题时,存在传统群智能算法的后期收敛精度不高、易陷入局部最优的通病,结合置换流水调度问题的特点,提出改进的蝙蝠算法,即引入自适应惯性权重作用于蝙蝠的速度更新,以提高算法的收敛速度;引入动态收缩搜索区域作用于蝙蝠的位置更新,以提高蝙蝠搜索效率。实验结果表明改进后的蝙蝠算法明显提高了质量。

基于灰狼优化算法的置换流水线车间调度

采用了一种新颖的混合灰狼优化算法来求解置换流水线调度问题。针对标准灰狼优化算法在求解离散流水线车间调度问题时收敛速度慢的现象,并结合问题的特点,提出了改进的灰狼优化算法。为了避免非可行解的产生,在该改进算法中采用了随机键编码机制对工件位置进行编码,同时引入局部搜索策略以提高算法收敛能力,基于灰狼个体间的社会等级信息以最优3个狼指引其它个体到达最优解区域从而更新种群。通过最新标准测试集的仿真结果和算法比较验证了所提算法的有效性。

求解分布式置换流水线调度问题的化学反应优化算法

针对分布式置换流水线调度问题(DPFSP),提出了一种有效的化学反应优化(CRO)算法。设计了CRO算法求解DPFSP的4种基本操作,通过多样化的操作丰富搜索行为并保证种群的多样性。同时,针对问题特性设计了有效的局部搜索机制,增强了算法局部趋化能力。最后,基于试验设计的方法探讨了参数设置对算法性能的影响,并通过数值仿真以及与已有算法的统计比较验证了所提算法的有效性。

混合布谷鸟算法求解绿色流水车间调度问题

为协同考虑经济因素和环境因素,求解了优化目标为最小化最长完工时间和碳排放总量的多目标置换流水线车间调度问题(MOPFSP)。提出了一种混合布谷鸟算法(HCS)求解2台机器以上的MOPFSP问题。采用LOV规则将HCS算法中的个体从实数向量转换成工件排序,使其可在MOPFSP的解空间中进行搜索;设计了一种自适应步长控制因子,用于控制算法进化阶段的搜索范围;提出一种多邻域局部搜索,用于对HCS算法全局搜索发现的优质解区域进行细致搜索。由于融合了基于布谷鸟算法的全局搜索和多邻域局部搜索,故HCS算法可有效求解MOPFSP。仿真实验和算法对比验证了HCS算法求解MOPFSP的有效性。

基于自适应控制参数的改进水波优化算法

水波优化算法(Water Wave Optimization,WWO)是最近被提出的一种新型的群智能优化算法。它尽管具有控制参数少、操作简单、容易实现等优点,但是也存在收敛较慢、搜索精度低等不足。针对水波优化算法的不足,首先,从理论上分析并揭示算法收敛时控制参数应满足的条件;然后,提出满足上述条件的改进水波优化算法,改进算法采取自适应机制来调节算法参数,进一步增强了全局探索和局部开发的平衡能力;最后,对4种算法(ApWWO,WWO,FA,MVO)在10个标准测试函数上的寻优性能进行仿真实验和统计比较。结果表明,ApWWO在搜索精度、速度和鲁棒性等方面均显著优于WWO和FA,在5个测试函数上优于MVO;与PSO和GA的对比结果表明,ApWWO具有较好的寻优性能。进一步分析了维数和种群规模对ApWWO的影响,并使用ApWWO来求解置换流水线调度问题,结果表明ApWWO能够取得较好的求解效果。

应用新型量子粒子群优化算法求解PFSP问题

为了提高粒子群算法在求解调度问题时的搜索能力和优化效率以及避免早熟收敛。通过采用了一种新颖的量子粒子群算法,用量子位的概率幅对粒子位置编码,用量子旋转门实现粒子移动,完成粒子搜索;并采用量子非门来实现变异,从而提高种群多样性。由于每个量子都有两个概率幅,因此每个粒子实际占据两个粒子位置,所以在粒子数目相等的情况下,能加速粒子的搜索进程。仿真实验结果表明,在求解置换流水线生产调度问题时优于基本粒子群算法。

基于智能水滴算法的学习效应生产调度研究

论文介绍了新兴仿生群智能优化算法—智能水滴算法,并且分析了智能水滴算法的仿生原理。论文针对具有学习效应的置换流水车间调度问题的特点,对算法进行了相应的变化,利用Matlab编程仿真计算得到结果,验证了智能水滴算法对于置换流水车间调度等优化组合问题的可行性和有效性。

混合和声搜索算法求解基于学习效应的PFSP问题

置换流水线调度问题(Permutation Flow-shop Scheduling Problem,PFSP)作为流水线调度问题的子问题,实质是一个著名的组合优化问题,其已被证明了是NP完全问题中最困难的问题之一。带学习效应的PFSP问题是一种更符合实际问题的模型,为了更好地解决此问题,在此提出了一种混合遗传算法和粒子群算法的改进和声搜索算法。对CAR1问题及其学习型调度进行了仿真实验,结果表明所提算法的可行性和有效性。

应用萤火虫算法求解PFSP问题

本文将萤火虫算法用于求解生产调度问题:置换流水线调度问题。萤火虫算法是一种新颖的仿生群智能优化算法,本文分析了萤火虫算法的仿生原理。文中针对置换流水线调度问题的特点,设计了相应的解构造策略,并利用MATLAB编程仿真计算,通过分析,验证了萤火虫算法求解置换流水线调度等组合优化问题的可行性和有效性。