改进差分进化算法求解混合流水车间调度问题

对于求解混合流水车间调度问题,标准差分进化算法存在易陷入局部极值的缺点,为此,以最小化最大完工时间为目标函数建立了仿真优化模型,并提出了一种改进差分进化算法进行求解。将所提算法结合反向学习策略生成初始种群,在差分进化中进一步引入自适应差分因子,并在个体选择机制中引入模拟退火算法的Metropolis准则,有效提高了该算法的全局搜索能力。最后基于不同规模算例对所提算法和经典算法进行了仿真实验结果对比,验证了所提改进差分进化算法的有效性和优越性。

变量块内部迭代算法求解零空闲流水车间问题

零空闲流水车间问题(NIFSP)是流水车间问题中带有约束条件的典型NP-hard问题,在大多数现实场景下,零空闲约束是对机器的基本要求。而目前关于NIFSP问题提出的算法对于较大规模算例、综合性能及参数调整的灵活性较差。为此,以最小化最大完工时间为目标,提出了一种可变内部迭代算法VIIA。在VIIA的初始化阶段,使用改进的FRB5产生初始解,提高了FRB5的效率,在保证算法性能的同时极大地缩短了CPU消耗时间。在破坏重建阶段,通过增加对移除工件块数量的内部迭代,从而灵活调整参数值。VIIA增大了邻域搜索,以适应不同规模的算例。为了验证VIIA算法的性能,将该算法与在流水车间调度问题中表现优秀的几种算法进行了比较。实验结果证明了VIIA在NIFSP问题求解上性能的优越性,并且在最优解的搜索上,性能明显优于对比算法。

改进粒子群算法求解置换流水车间调度问题

针对置换流水车间调度问题,本文以最小化最大完工时间为优化目标建立仿真模型,并设计一种改进粒子群算法(IPOS)进行求解。为克服标准粒子群算法寻优结果稳定性差的缺点,首先,该算法结合NEH算法生成初始种群;其次,在迭代进化中引入自适应权重系数和学习因子;最后,在粒子的个体极值搜索中引入模拟退火算法的Metropolis准则。将改进前后的粒子群算法分别进行仿真优化实验,实验结果验证了该算法的优越性和有效性。