資源描述：
《粒子群優(yōu)化算法求解多目標(biāo)流水車(chē)間調(diào)度問(wèn)題》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫(kù)。
1、粒子群優(yōu)化算法求解多目標(biāo)流水車(chē)間調(diào)度問(wèn)題摘要：研究了多目標(biāo)流水車(chē)間調(diào)度問(wèn)題，首先給出了基于排列的表示新方法，提出了將流水作業(yè)車(chē)間調(diào)度問(wèn)題轉(zhuǎn)化為連續(xù)優(yōu)化問(wèn)題的方法；然后設(shè)計(jì)了基于密集距離的多目標(biāo)粒子群優(yōu)化算法，該算法利用密集距離進(jìn)行外部檔案維護(hù)和全局最好位置選収;最后將新算法應(yīng)用于一組流水車(chē)間調(diào)度問(wèn)題并與強(qiáng)度Pareto進(jìn)化算法2等算法進(jìn)行比較，計(jì)算結(jié)果驗(yàn)證了新算法在多目標(biāo)流水車(chē)I'可調(diào)度方血良好的搜索性能.關(guān)鍵詞：多目標(biāo)優(yōu)化；流水車(chē)間調(diào)度；表示方法；粒子群優(yōu)化算法ParticleSwarmOptimizationalgorithmforMulti-objectiveFlowShopSch
2、edulingAbstract:Thispaperaddressesmulti-objectiveflowshopschedulingproblem?Anewpermutation-basedrepresentationmethodisfirstproposedandanapproachtoconvertflowshopschedulingtoacontinuousoptimizationproblemisalsopresented.Crowdingmeasurebasedmulti-objectiveparticleswarmoptimizationisthenpresented,wh
3、ichexternalarchivemaintenanceandglobalbestpositionselectionareperformedbyusingcrowdingmeasure?Finally,theproposedalgorithmisappliedtoasetofflowshopschedulingproblemsandcomparedwithstrengthParetoevolutionaryalgorithm2etal.Thecomputationalresultsdemonstratethegoodperformanceoftheproposedalgorithmin
4、multi-objectiveflowshopscheduling.Keywords:multi-objectiveoptimization;flowshopscheduling;representationmethod;particleswarmoptimization1引言由于生產(chǎn)調(diào)度問(wèn)題通常都存在相互沖突的目標(biāo)函數(shù)，對(duì)這些問(wèn)題進(jìn)行多目標(biāo)優(yōu)化，具有重要理論意義和應(yīng)用價(jià)值，在過(guò)去的20年里，基于智能優(yōu)化算法的多冃標(biāo)生產(chǎn)調(diào)度研允取得了很大的進(jìn)展，出現(xiàn)了大量成功的多目標(biāo)智能調(diào)度方法。關(guān)于流水車(chē)間的多目標(biāo)調(diào)度，Sridhar等⑴利用多目標(biāo)遺傳算法處理流水車(chē)間和單元制造系統(tǒng)中的調(diào)度問(wèn)題以最小化
5、makespan,總的流經(jīng)時(shí)間和機(jī)器空閑時(shí)間。Ishibuchui等⑵提出了多目標(biāo)遺傳局部搜索算法以解決流水車(chē)間的多目標(biāo)調(diào)度問(wèn)題。Arroyo等⑶將精英策略、保持種群多樣性以及并行多目標(biāo)局部搜索引入到多H標(biāo)進(jìn)化算法(MOEA)中，并將混合算法應(yīng)用于兩目標(biāo)流水車(chē)間調(diào)度。衛(wèi)忠等⑷提出了一種在進(jìn)化過(guò)程中能動(dòng)態(tài)調(diào)整適應(yīng)度分配的演化算法以解決多目標(biāo)混合流水車(chē)間調(diào)度問(wèn)題。師瑞峰等⑸通過(guò)在進(jìn)化搜索過(guò)程中引入遞進(jìn)模式的精英策略、群體重構(gòu)和可變鄰域非為解局部搜索策略，提出了一種混合遞進(jìn)多目標(biāo)進(jìn)化算法并將其應(yīng)用于流水車(chē)間調(diào)度。上述研究采用了兩種方法：加權(quán)方法和Pareto最優(yōu)化方法，其中Sridhar等采用
6、加權(quán)方法，只能為決策者提供少量最優(yōu)調(diào)度方案；其余的研究釆用了第二種方法，能為決策者提供數(shù)量眾多的Pareto最優(yōu)解。粒子群優(yōu)化算法(PSO)是一種新型智能優(yōu)化算法，其基本思想來(lái)自于對(duì)鳥(niǎo)群優(yōu)美而不可預(yù)測(cè)的飛行動(dòng)作的模擬。PSO具有記憶粒子自身經(jīng)歷的最好位置的能力和粒子間信息共享的機(jī)制。算法首先在搜索空間內(nèi)初始化粒子群，即確定粒子的初始位置與初始速度，然后在搜索過(guò)程中，按如下公式更新粒子的速度和位置終+1=VVU,+斤q(弓一+r2c2(Gt一X{)X/+i=+u{+[英中w為慣性權(quán)重，斤，石為加速常數(shù)，5心為[0,1]區(qū)間上均勻分布的隨機(jī)數(shù).Ut,xt分別表示r時(shí)刻粒子的速度和位置，為f時(shí)
7、刻粒子的自身最好位置和全局最好位置.自1995年問(wèn)世以來(lái)，在算法設(shè)計(jì)和改進(jìn)16兇等方面，PSO研究取得了很大的進(jìn)展，但PSO的應(yīng)用研究還不夠深入。在生產(chǎn)調(diào)度⑼方面，PSO具有一定的優(yōu)勢(shì)，也存在一些問(wèn)題，優(yōu)勢(shì)在于：和進(jìn)化算法相比，利用PSO進(jìn)行生產(chǎn)調(diào)度，不必設(shè)計(jì)特殊交叉、變異算子以保證非法個(gè)體不出現(xiàn)；而問(wèn)題在于：連續(xù)的PSO不能直接應(yīng)用于生產(chǎn)調(diào)度這樣的組合問(wèn)題，需要設(shè)計(jì)離散PSO或?qū)⒄{(diào)度問(wèn)題轉(zhuǎn)化為連續(xù)優(yōu)化問(wèn)題。本文采用第2種策略，將調(diào)
