针对柔性作业车间调度复杂的问题,为缩短完工时间,课题组提出了一种基于模拟退火算法(simulated annealing,SA)的改进混合遗传算法。该算法进行搜索时,利用全局、局部和随机(global local random,GLR)种群初始化策略来优化初始解,再基...针对柔性作业车间调度复杂的问题,为缩短完工时间,课题组提出了一种基于模拟退火算法(simulated annealing,SA)的改进混合遗传算法。该算法进行搜索时,利用全局、局部和随机(global local random,GLR)种群初始化策略来优化初始解,再基于工序顺序和机器分配2种交叉变异策略扩展种群内优质解的数量,最后在模拟退火操作中加入邻域结构进行优化,在避免传统遗传算法易陷入局部最优的同时,提高了寻优速度。应用课题组提出的改进混合遗传算法对某齿轮轴加工车间加工数据进行仿真对比实验,与传统遗传算法相比,生产效率提高了8.43%,证明了该改进混合遗传算法的有效性。展开更多
文摘针对柔性作业车间调度复杂的问题,为缩短完工时间,课题组提出了一种基于模拟退火算法(simulated annealing,SA)的改进混合遗传算法。该算法进行搜索时,利用全局、局部和随机(global local random,GLR)种群初始化策略来优化初始解,再基于工序顺序和机器分配2种交叉变异策略扩展种群内优质解的数量,最后在模拟退火操作中加入邻域结构进行优化,在避免传统遗传算法易陷入局部最优的同时,提高了寻优速度。应用课题组提出的改进混合遗传算法对某齿轮轴加工车间加工数据进行仿真对比实验,与传统遗传算法相比,生产效率提高了8.43%,证明了该改进混合遗传算法的有效性。