面向多目标的自适应动态概率粒子群优化算法

将基于动态概率搜索的粒子群优化(Particle swarm optimization,PSO)算法应用于多目标作业车间调度问题(Flexible job shop scheduling problem,FJSP),提出一种新算法。算法在搜索初期利用粒子近邻的平均最优代替传统的单个最优引导搜索,后期用Gaussian动态概率搜索来提高算法的局部开挖能力。然后,引入Pareto优的概念,采用精英集来存放非劣解,提出一种新的适应度值分配方法。此外,在算法中还引入了一种自适应的变异算子来增强解的多样性。最后,用新算法对多组FJSP实例进行测试,并与其他几种方法进行比较,结果表明提出的算法具有较好的搜索性能,是求解多目标FJSP的一种可行方法。