針對(duì)柔性作業(yè)車(chē)間的特點(diǎn),以最小化完工時(shí)間、總機(jī)器負(fù)荷最小和臨界機(jī)器負(fù)荷最小為目標(biāo),提出了基于三方博弈的改進(jìn)遺傳算法求解多目標(biāo)柔性作業(yè)車(chē)間調(diào)度模型。通過(guò)三方博弈,使三個(gè)優(yōu)化目標(biāo)之間的博弈策略實(shí)現(xiàn)最優(yōu)組合,從而獲得子博弈完美納什均衡,即為問(wèn)題的優(yōu)化組合解。為優(yōu)化種群質(zhì)量,將改進(jìn)遺傳算法應(yīng)用于多目標(biāo)柔性作業(yè)車(chē)間調(diào)度問(wèn)題的求解過(guò)程,采用帕累托分類思想,對(duì)種群進(jìn)行選擇和精英保留,以優(yōu)化種群結(jié)構(gòu);通過(guò)設(shè)計(jì)交叉、變異和局部搜索機(jī)制進(jìn)一步尋找目標(biāo)函數(shù)的最優(yōu)解。為證明算法的有效性,運(yùn)用基準(zhǔn)算例對(duì)算法的求解性能進(jìn)行了驗(yàn)證。其結(jié)果表明,所提算法在求解結(jié)果上有明顯的改善,求解效率更高。 

【文章來(lái)源】：工業(yè)工程與管理. 2020,25(04)北大核心CSSCI

【文章頁(yè)數(shù)】：11 頁(yè)

【部分圖文】：

0 10×10甘特圖

運(yùn)用混合進(jìn)化算法求解多目標(biāo)優(yōu)化問(wèn)題，其解的編碼與解碼是非常重要的一步。本文提出的算法的解通過(guò)一個(gè)4×Njo的矩陣來(lái)表達(dá)，其中Njo表示所有工件的工序總數(shù)。矩陣的第二行表示一條染色體[fp1,fp2，???，fpi，???，fp Njo]，每一個(gè)變量值fpi代表一個(gè)等位基因，用浮點(diǎn)數(shù)表示。如前所述，柔性作業(yè)車(chē)間包括兩個(gè)子問(wèn)題，即工件路徑和工序排序。矩陣的第三行表示子問(wèn)題工件路徑，由所有工件的總工序數(shù)組成，用從1到m的整數(shù)表示，m表示機(jī)器數(shù)；矩陣的第四行表示問(wèn)題的工序排序，由所有工件的總工序數(shù)組成，運(yùn)用基于工序序列的編碼方式[7]，用從1到n的整數(shù)表示，n表示工件數(shù)，每一個(gè)整數(shù)在染色體上需重復(fù)ni次，ni表示工件的工序數(shù)。為獲得納什均衡最優(yōu)調(diào)度解，對(duì)于每組解，搜索這些值的最佳組合，以獲得最優(yōu)調(diào)度。圖2為一個(gè)3工件4機(jī)器的FJSP的編碼與解碼過(guò)程。4.3.2 種群初始化

二元錦標(biāo)賽選擇

【參考文獻(xiàn)】：
期刊論文
[1]基于新型帝國(guó)競(jìng)爭(zhēng)算法的高維多目標(biāo)柔性作業(yè)車(chē)間調(diào)度[J]. 李明,雷德明.  控制理論與應(yīng)用. 2019(06)
[2]分層混合遺傳算法求解柔性作業(yè)車(chē)間調(diào)度問(wèn)題[J]. 田旻,劉人境.  工業(yè)工程與管理. 2017(05)
[3]基于員工學(xué)習(xí)行為的多目標(biāo)柔性車(chē)間調(diào)度[J]. 曹磊,葉春明,黃霞.  計(jì)算機(jī)集成制造系統(tǒng). 2018(08)



本文編號(hào)：3432438