資源描述：
《基于云模型的改進(jìn)PSO算法在差異工件單機(jī)批調(diào)度中的應(yīng)用研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、摘要摘要差異工件單機(jī)批調(diào)度問題(SingleBatch．processingMachine塒tllNon．identicalJobSizes，SBMN)是同時(shí)考慮到工件尺寸和機(jī)器約束的一類二維調(diào)度問題，是生產(chǎn)調(diào)度領(lǐng)域一個(gè)新的研究方向，在實(shí)際經(jīng)濟(jì)活動(dòng)中有廣泛的應(yīng)用。然而差異工件單機(jī)批調(diào)度問題的特點(diǎn)使得其具有高復(fù)雜性，從而給問題的求解提出了新的挑戰(zhàn)。因此，尋找有效的算法對差異工件單機(jī)批調(diào)度問題進(jìn)行優(yōu)化具有重要的應(yīng)用意義。微粒群優(yōu)化算法是一種新型的群體智能優(yōu)化技術(shù)，具有結(jié)構(gòu)簡單、通用性強(qiáng)、容易實(shí)現(xiàn)、群體記憶等優(yōu)點(diǎn)。目前，微粒群算法已在多個(gè)領(lǐng)域獲得了廣泛應(yīng)用
2、，但是在離散性組合優(yōu)化問題中的應(yīng)用較少。本文就如何改進(jìn)傳統(tǒng)的微粒群算法、如何改進(jìn)離散的微粒群算法及如何將改進(jìn)的兩種算法應(yīng)用到差異工件單機(jī)批調(diào)度問題的求解中展開了深入研究。本文的主要?jiǎng)?chuàng)新點(diǎn)如下：(1)研究了基于云模型的改進(jìn)傳統(tǒng)PSO算法在差異工件單機(jī)批調(diào)度問題中的應(yīng)用。首先提出了一種新的隨機(jī)位置和速度更新方法，然后在根據(jù)微粒的適應(yīng)度劃分種群的基礎(chǔ)上，引入基于云模型的自適應(yīng)參數(shù)策略對不同的子群采用不同的慣性權(quán)重生成方法，最后將該算法應(yīng)用于優(yōu)化制造跨度的差異工件單機(jī)批調(diào)度問題的求解。實(shí)驗(yàn)比較結(jié)果表明，改進(jìn)后的混合算法相比遺傳算法和傳統(tǒng)的PSO算法具有更好的
3、優(yōu)化效果。(2)研究了基于云模型的改進(jìn)離散PSO算法在差異工件單機(jī)批調(diào)度問題中的應(yīng)用。首先重新定義了用于求解差異工件單機(jī)批調(diào)度問題的離散PSO算法的各類操作算子，然后通過定義種群“聚集”信息與參數(shù)間的多條定性關(guān)聯(lián)規(guī)則，構(gòu)造新的云自適應(yīng)參數(shù)調(diào)整策略，動(dòng)態(tài)調(diào)整算法的慣性權(quán)重和多樣性系數(shù)。實(shí)驗(yàn)結(jié)果表明，提出的基于云模型的改進(jìn)離散PSO算法在求解SBMN問題時(shí)表現(xiàn)出優(yōu)異的性能，特別是在大規(guī)模問題的求解中，算法的搜索質(zhì)量大大提高。關(guān)鍵詞：云模型微粒群優(yōu)化離散微粒群批調(diào)度自適應(yīng)參數(shù)慣性權(quán)重ABSTRACTTheschedulingofasinglebatch—p
4、rocessingmachinewithnon-identicaljobsizes，calledtwo—dimensionalschedulingproblemconsideringconstraintsofbothjobsizesandmachinecapacity,iswidelyusedintherealmanufacturingasanewfieldofresearchinproductionscheduling．However,thesenewfeaturescausehighcomplexityandbringnewchallengest
5、othegivenproblems．Thus，seekingtheeffectivemethodstosolvethesinglebatch-processingmachineschedulingproblemisofimportantpracticalsignificance．ParticleSwarmOptimizationisanewswarmintelligencealgorithm．Theadvantagesofparticleswarmoptimizationincludingasimplestructure，immediatelyacc
6、essibleforpracticalapplications，easyofimplementationandrobustnessmakeitswideapplicationinavarietyofproblems，butfewfordiscreteoptimizationproblems．Thepapermakesdeepstudyonimprovingthepropertyofthetraditionalparticleswarmalgorithmandthediscreteparticleswarmalgorithmandfocusesonth
7、eirapplicationsinthefieldofthesinglebatch-processingmachineschedulingproblem．Themainandpioneeringworksofthispaperareasfollows：(1)Researchontheimprovedbasicparticleswarmoptimizationalgorithmbasedoncloudmodeltheoryanditsapplicationintheproblemofasinglebatch-processingmachinewithn
8、on-identicaljobsizes．Firstly,anewmethodforupdatingloca
