论文部分内容阅读
流水车间调度问题在现代生产制造业中普遍存在,合理安排生产调度,能够为生产制造企业节约部分资源,降低企业生产成本。目前,有很多工厂的车间流水线路并不优良,甚至流水车间的加工路线很不合理,这不仅降低了车间的加工效率,更有可能对车间的设备造成损坏。因此,如何通过车间有限的资源得出最合理的工件加工流程是急需解决的现实问题。由于流水车间调度已经证明是NP—hard问题,传统的优化方法难以对其进行求解,而智能优化算法是解决流水车间调度问题最常用的方法,性能优良的智能算法,往往能够得到较好的优化效果。基于此,本文对两种智能优化算法进行改进,并将改进的算法对两种流水车间调度问题进行优化求解,主要研究内容如下:(1)针对基本花授粉算法存在的易陷入局部最优、求解精度不高等问题,提出了一种具有记忆信息的花授粉算法(MFPA)。改进的算法对基本花授粉算法的全局授粉过程和局部授粉过程分别设计时滞调整算子和自适应权重,并用多组标准函数测试算法的性能,仿真结果表明,所提出的MFPA具有较好的搜索效率和求解精度。(2)针对水波优化算法易陷入局部最优的缺陷和不足,在基本水波优化算法的基础上提出了一种带有差分进化策略的改进水波优化算法(DEWWO)。该算法在执行传播、碎浪、折射操作之后进行变异、选择、交叉操作,通过差分进化的过程有效地增加了算法的种群多样性,避免算法陷入局部最优,提高了算法搜索的效率和精度。通过基准函数测试算法的性能并与经典优化算法比较,试验结果表明,所提出的DEWWO优势明显,具有较好的鲁棒性。(3)将本文所提出的具有记忆信息的花授粉算法(MFPA)用于求解置换流水车间调度问题。采用基于LOV规则的随机键技术对提出的算法进行编码解码操作,在生成初始化种群的过程中,采用基于NEH算法的种群质量改善策略,提高了算法的寻优结果。采用Car测试集和Rec测试集对本文所提出的MFPA进行性能测试,并与经典算法求解结果进行比较,实验结果表明,本文所提出的算法具有较好的求解性能,从而为PFSP的求解提供了新的思路。(4)将本文所提出的带有差分进化策略的改进水波优化算法用于求解无等待流水车间调度问题。无等待流水车间调度问题是一类离散的组合优化问题,无法直接实现工件加工顺序的更新。因此,本文对改进的水波优化算法的三个操作过程:传播、折射、碎浪进行重新定义,实现了水波优化算法中个体连续矢量转换为离散的加工工序,使得连续型的水波优化算法可以求解离散型的NWFSP。采用OR-Library中的Car测试集对本文所提出的DEWWO进行性能测试,并与经典算法求解结果进行比较,研究结果表明,本文所提出的算法具有较高的全局搜索能力,在求解精度上具有明显优势,从而拓宽了算法的应用范围。