發(fā)布時(shí)間：2018-05-01 03:05

  本文選題：果蠅優(yōu)化算法 + 無等待流水線調(diào)度問題��； 參考：《計(jì)算機(jī)工程與應(yīng)用》2017年12期

【摘要】：提出了一種基于動態(tài)雙子群的離散果蠅優(yōu)化算法,求解以最大完工時(shí)間和機(jī)床空閑時(shí)間的最小化為目標(biāo)的無等待流水線調(diào)度問題。與傳統(tǒng)的果蠅算法不同,該算法采用基于工序的編碼方式,并用改進(jìn)的NEH方法進(jìn)行初始化,提高初始解的質(zhì)量;根據(jù)算法在進(jìn)化過程中個體的進(jìn)化水平,動態(tài)地將整個群體劃分為先進(jìn)子群和后進(jìn)子群,簡單但有效地插入方法在先進(jìn)個體鄰域內(nèi)進(jìn)化精細(xì)搜索,貪婪迭代進(jìn)化機(jī)制用于優(yōu)化后進(jìn)個體,以此平衡算法的全局開發(fā)能力和局部搜索能力;為了提高算法效率,快速算法用于計(jì)算函數(shù)目標(biāo)值和判斷更新非支配解。仿真試驗(yàn)表明了所提果蠅算法的有效性和高效性。
[Abstract]:A discrete Drosophila optimization algorithm based on dynamic double subsets is proposed to solve the problem of no-wait pipeline scheduling with the goal of minimizing the maximum completion time and idle time of machine tools. Different from the traditional Drosophila algorithm, the algorithm uses a process-based coding method, and uses an improved NEH method to initialize the initial solution to improve the quality of the initial solution, according to the evolutionary level of the individual in the evolution process of the algorithm. The whole population is dynamically divided into advanced subgroups and backward subgroups. The simple but effective insertion method is applied to fine search in the neighborhood of advanced individuals. Greedy iterative evolution mechanism is used to optimize the backward individuals. In order to improve the efficiency of the algorithm, the fast algorithm is used to calculate the target value of the function and to judge the updated non-dominated solution. Simulation results show that the proposed algorithm is effective and efficient.
【作者單位】： 三亞學(xué)院信息與智能工程學(xué)院;聊城大學(xué)計(jì)算機(jī)學(xué)院;
【基金】：國家自然科學(xué)基金(No.61573178) 國家青年基金項(xiàng)目(No.61503170) 海南省教育廳科研項(xiàng)目(No.Hnky2015-51,No.Hnky2015-55) 三亞市院地科技合作項(xiàng)目(No.2015YD57,No.2015YD11) 山東省高等學(xué)�？萍加�(jì)劃項(xiàng)目(No.J14LN28) 海南省自然科學(xué)基金(No.617182)
【分類號】：TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 黃凱鋒;李莉;李永亮;;多種群粒子群與人工蜂群融合的改進(jìn)算法[J];計(jì)算機(jī)工程與設(shè)計(jì);2014年06期

2 李鋒;;粒子群離散算法在無線傳感網(wǎng)絡(luò)中的應(yīng)用[J];微型機(jī)與應(yīng)用;2014年12期

3 楊書Oz;舒勤;何川;;基于云模型改進(jìn)的粒子群K均值聚類算法[J];現(xiàn)代計(jì)算機(jī)(專業(yè)版);2014年10期

4 李愛國;多粒子群協(xié)同優(yōu)化算法[J];復(fù)旦學(xué)報(bào)(自然科學(xué)版);2004年05期

5 王偉;李枚毅;彭霞丹;;一種雙層可變子群的動態(tài)粒子群優(yōu)化算法[J];小型微型計(jì)算機(jī)系統(tǒng);2012年01期

6 焦巍;劉光斌;;一種新的雙子群PSO算法[J];計(jì)算機(jī)工程;2009年16期

7 張洪波;;多種群粒子群分層進(jìn)化優(yōu)化算法[J];中國科技信息;2010年08期

8 朱俚治;;一種基于粒子群的變形病毒檢測算法[J];信息安全與技術(shù);2014年08期

9 焦巍;劉光斌;;動態(tài)環(huán)境下的雙子群PSO算法[J];控制與決策;2009年07期

10 丁雷;吳敏;佘錦華;段平;;基于多目標(biāo)粒子群協(xié)同算法的狀態(tài)參數(shù)優(yōu)化[J];中國工程科學(xué);2010年02期

相關(guān)博士學(xué)位論文 前1條

1 常彥偉;縱向參數(shù)多子群粒子群算法的研究與應(yīng)用[D];中國礦業(yè)大學(xué);2009年

相關(guān)碩士學(xué)位論文 前8條

1 徐桓;基于量子粒子群的Agent聯(lián)盟生成問題研究與應(yīng)用[D];云南師范大學(xué);2015年

2 趙鵬旭;基于粒子群的群智能理論在系統(tǒng)優(yōu)化中的應(yīng)用研究[D];華北電力大學(xué);2015年

3 胡麗芳;基于動態(tài)線性步長的雙子群果蠅優(yōu)化算法及其應(yīng)用[D];安徽大學(xué);2016年

4 關(guān)鶴童;基于混沌粒子群雞群融合優(yōu)化算法的云任務(wù)調(diào)度應(yīng)用與實(shí)現(xiàn)[D];吉林大學(xué);2016年

5 許國燕;基于改進(jìn)量子粒子群的WSN網(wǎng)絡(luò)覆蓋優(yōu)化研究[D];蘭州交通大學(xué);2016年

6 楊悅;粒子群及其改進(jìn)在微震速度模型校正應(yīng)用的數(shù)值模擬研究[D];中國科學(xué)技術(shù)大學(xué);2015年

7 張同新;多目標(biāo)子群發(fā)現(xiàn)算法及其應(yīng)用研究[D];南京理工大學(xué);2014年

8 劉楚群;基于混沌粒子群的射頻天線自適應(yīng)阻抗匹配[D];湖南大學(xué);2014年

，

本文編號：1827432