多目标柔性车间调度的Pareto混合禁忌搜索算法

针对最小化最大完成时间、总机床负荷及最大机床负荷的多目标柔性作业车间调度问题,提出了一种带有Pareto档案集的混合禁忌搜索算法。该算法为每次迭代产生的邻域解集进行Pareto非支配排序,选择第一前沿的解用于Pareto档案集更新,并给出了一种Pareto档案集快速更新算法。为减小邻域搜索空间,结合问题特征,设计了基于公共关键块结构的插入邻域和交换邻域。通过3个经典算例的实验仿真,以及与其他算法的比较,验证了该算法的可行性和有效性。

低偏差蒙特卡罗序列的量子遗传算法

针对量子遗传算法存在迭代次数多、计算时间长、容易陷入局部极值的问题,提出一种低偏差蒙特卡罗序列量子遗传算法,利用低偏差序列良好的均匀性,实现量子遗传算法探索与利用的平衡.首先,提出新的低偏差序列Hε量子门来更新量子态形式的种群,提高算法探索量子态的能力,减少算法的迭代次数;其次,提出Pareto集邻域搜索,在当前近优解上用低偏差序列在当前解上进行邻域搜索,以寻找更优的解.在5个复杂函数优化问题上验证本文算法,实验结果表明:所提算法的寻优能力较传统量子遗传算法更强,解的质量有两个数量级以上的提高;算法的计算时间和迭代次数亦优于传统量子遗传算法,引入低偏差序列实现量子遗传算法探索与利用的平衡是可行的.

基于NSGA-Ⅲ算法的多目标集成工艺规划与调度问题研究

为了减少工业制造中的碳排放,设计以生产过程碳排放最小、最大完工时间最小和总拖期最小为目标的多目标集成工艺规划与调度问题,建立相应目标的优化模型。针对建立的优化模型,提出一种改进的NSGA-Ⅲ算法,使用三段式编码方式解决工艺规划的柔性特征;使用变邻域搜索方法增强算法的局部搜索能力;引入Pareto解集更新策略,保存种群更新过程中的非支配解。在工艺规划阶段,以完工时间、碳排放最小为优化目标,为每个工件生成工艺路线非支配解集,并从中随机挑选非支配解输入到调度阶段;在调度阶段,对优化目标的模型进行优化,生成调度非支配解。使用测试实例对提出方法进行验证,并与现有算法对比,实验结果验证了本文算法找到的非支配解更接近真实的Pareto前沿。