基于改进多种群候鸟迁徙算法的混合流水车间调度

针对带顺序依赖准备时间的混合流水车间调度(HFS-SDST)问题,以最小化总最大作业完成时间为调度目标,提出一种改进多种群候鸟迁徙优化(IMMBO)算法.算法中个体基于工件加工顺序进行编码,用改进的NEH(MNEH)算法产生初始种群,并按照适应度值分配到各子种群.子种群中领飞鸟和跟飞鸟分别利用串行和并行邻域策略产生邻域个体,如果跟飞鸟优于领飞鸟,二者互换,完成种群内部个体的信息交互;在IMMBO算法中嵌入离散鲸鱼优化策略对各子种群的领飞鸟进行优化,实现子种群之间信息交互;为提高算法的局部搜索(LS)能力,对种群中最优个体执行LS,同时,为了避免算法早熟收敛,针对每个种群的领飞鸟设计了种群多样化控制策略.最后,在实验法调整算法参数的基础上,对IMMBO的4个变体进行了仿真实验,通过测试Ta自适应算例验证IMMBO算法各部分的作用;将IMMBO算法与现有3个算法测试Ta自适应算例,进行实验结果比较,证明了IMMBO算法求解混合车间调度问题的有效性.

考虑恶化和学习效应的多机制造系统智能优化方法

研究了考虑机器恶化和工人学习效应的平行机连续批调度问题,其中,工件具有不同的一般加工时间,机器具有不同的恶化率,工人具有不同的学习能力,批次的容量对于所有机器是相同的.目标是最小化最大完工时间.论文首先针对工件的组批排序问题推导了一系列重要性质,并提出了相应的启发式组批策略.然后,基于给定的工件分配和每个机器上工件的组批和排序,研究设计了工人和机器启发式匹配策略.由于所研究的问题在一般情形下被证明是NP-hard问题、论文设计了改进的变邻域搜索算法(IVNS)求解该问题并用算例验证了所提出算法的有效性.