針對(duì)柔性作業(yè)車間調(diào)度計(jì)算復(fù)雜度高,求解困難的難題,在分析基本鯨魚算法的基礎(chǔ)上,提出一種改進(jìn)的混合鯨魚算法,用于求解柔性作業(yè)車間調(diào)度的最大完工時(shí)間最小問題。首先,利用隨機(jī)二段式編碼方式將連續(xù)型鯨魚算法離散化,構(gòu)造適應(yīng)生產(chǎn)調(diào)度的函數(shù);其次,利用隨機(jī)規(guī)則和混合規(guī)則相結(jié)合的方式求得初始解,提高種群的多樣性;最后,加入變鄰域搜索算法,防止求解結(jié)果陷入局部最優(yōu)。通過相關(guān)文獻(xiàn)中的標(biāo)準(zhǔn)實(shí)例,將改進(jìn)后的鯨魚算法與標(biāo)準(zhǔn)鯨魚算法和其他智能優(yōu)化算法分別進(jìn)行對(duì)比,求解的結(jié)果表明改進(jìn)后的鯨魚算法在求解柔性作業(yè)車間調(diào)度方面的可行性和有效性。 

【文章來源】：系統(tǒng)科學(xué)學(xué)報(bào). 2020,28(01)北大核心CSSCI

【文章頁數(shù)】：6 頁

【部分圖文】：

變鄰域搜索步驟圖

本文將WOA算法離散化為解決車間調(diào)度問題，并加入了變鄰域搜索提高算法的局部搜索能力，改進(jìn)后的鯨魚算法簡(jiǎn)寫為SWOA。表2將SWOA和WOA運(yùn)行同樣的數(shù)據(jù)集進(jìn)行對(duì)比測(cè)試。算法參數(shù)設(shè)置如下:工件的數(shù)目為n，機(jī)器的數(shù)目為m，種群數(shù)目為30，最大迭代次數(shù)為100。將每一個(gè)實(shí)例獨(dú)立運(yùn)行10次，其中表2中的LB和UB分別代表最優(yōu)解的下界和上界，min代表運(yùn)行10次程序后得到的求解最大完工時(shí)間最小的最優(yōu)結(jié)果，max代表最大值，avg代表單獨(dú)運(yùn)行10次之后的平均值。提升率的計(jì)算公式為(WOAmin-SWOAmin)/SWOAmin，用于比較SWOA相較于WOA的提升效率。從表2中可以看出，10個(gè)測(cè)試數(shù)據(jù)中，SWOA均取得了較好的結(jié)果，雖然沒有取得最優(yōu)結(jié)，但是相比于WOA，已經(jīng)有了一定程度的改善。而且在機(jī)器數(shù)為10和20的時(shí)候提升效率最高。圖2和圖3選取了最復(fù)雜的問題mk10，給出了最優(yōu)解Cmax的甘特圖和收斂曲線。圖3 mk10的收斂曲線

mk10的收斂曲線

【參考文獻(xiàn)】：
期刊論文
[1]基于SD模型的精益實(shí)施效果多維動(dòng)態(tài)研究[J]. 張洪亮,童華剛,陳彬.  系統(tǒng)科學(xué)學(xué)報(bào). 2018(03)
[2]基于混合人工蜂群算法的多目標(biāo)柔性作業(yè)車間調(diào)度問題研究[J]. 孟冠軍,楊大春,陶細(xì)佩.  計(jì)算機(jī)應(yīng)用研究. 2019(04)
[3]仿生策略優(yōu)化的鯨魚算法研究[J]. 鞏世兵,沈海斌.  傳感器與微系統(tǒng). 2017(12)
[4]混合灰狼優(yōu)化算法求解柔性作業(yè)車間調(diào)度問題[J]. 姜天華.  控制與決策. 2018(03)
[5]基于鯨魚算法優(yōu)化WKELM的滾動(dòng)軸承故障診斷[J]. 徐繼亞,王艷,紀(jì)志成.  系統(tǒng)仿真學(xué)報(bào). 2017(09)
[6]改進(jìn)鯨魚優(yōu)化算法及其在渣油加氫參數(shù)優(yōu)化的應(yīng)用[J]. 許瑜飛,錢鋒,楊明磊,杜文莉,鐘偉民.  化工學(xué)報(bào). 2018(03)
[7]鯨魚優(yōu)化算法在水庫優(yōu)化調(diào)度中的應(yīng)用[J]. 崔東文.  水利水電科技進(jìn)展. 2017(03)
[8]離散多種群入侵雜草優(yōu)化算法求解柔性作業(yè)車間調(diào)度問題[J]. 石小秋,石宇強(qiáng),袁雪嬌.  信息與控制. 2015(02)
[9]生物地理學(xué)算法求解柔性作業(yè)車間調(diào)度問題[J]. 張國(guó)輝,聶黎,毛學(xué)港.  計(jì)算機(jī)應(yīng)用研究. 2014(04)
[10]基于混合粒子群-NEH算法求解無等待柔性流水車間調(diào)度問題[J]. 張其亮,陳永生.  系統(tǒng)工程理論與實(shí)踐. 2014(03)



本文編號(hào)：3546803