針對遺傳算法解決柔性流水車間調(diào)度(Flexible Flow Shop scheduling,FFSP)時問題存在的搜索效率低、容易陷入局部最優(yōu)解等方面不足進(jìn)行分析,提出了一種模擬退火(SA)算法優(yōu)化粒子群遺傳(PSO-GA)算法.首先通過增加工藝路線的對應(yīng)工序數(shù)完成雙層編碼,自適應(yīng)函數(shù)中引入CT_max和CT_min兩個變量、采用自適應(yīng)交叉和變異算子的方法完成對PSO-GA的改進(jìn),之后用SA算法與改進(jìn)后的PSO-GA算法進(jìn)行結(jié)合,完成了SA-PSO-GA算法的設(shè)計.最后將傳統(tǒng)PSO-GA與SA-PSO-GA進(jìn)行仿真比較,驗證了SA-PSO-GA算法在解決FFSP問題時擁有更好地最優(yōu)解和速度.

【文章頁數(shù)】：4 頁

【部分圖文】：

圖1SA-PSO-GA算法流程圖

前期利用遺傳算法前期搜索效率高的優(yōu)勢產(chǎn)生初始種群，前期迭代次數(shù)所占總次數(shù)的百分比為GAΦ，中期利用粒子群算法收斂速度快的特點進(jìn)行中期迭代，中期迭代次數(shù)所占總次數(shù)的百分比為PSOΦ，后期利用模擬退火算法來避免PSO-GA后期容易陷入局部極值的問題，后期迭代次數(shù)百分比為SAΦ，且PS....

圖2傳統(tǒng)PSO-GA算法對應(yīng)甘特圖

對改進(jìn)PSO-GA算法進(jìn)行排產(chǎn)的初始粒子數(shù)為50、迭代次數(shù)150、pc0為0.85、pm0為0.35、γ為0.95.SA優(yōu)化PSO-GA算法進(jìn)行排產(chǎn)的初始粒子數(shù)、迭代次數(shù)、pc0、pm0不變，模擬退火初始值500、模擬退火終值0，兩種算法對應(yīng)甘特圖分別如圖2、圖3所示．甘特圖用j....

圖3SA-PSO-GA算法對應(yīng)甘特圖

圖2傳統(tǒng)PSO-GA算法對應(yīng)甘特圖通過圖2和圖3可以看出，傳統(tǒng)PSO-GA算法甘特圖排產(chǎn)結(jié)果顯示48個小時可完成6個工件的生產(chǎn)，GA-PSO-SA算法甘特圖排產(chǎn)結(jié)果顯示46個小時即可完成生產(chǎn)任務(wù)，說明GA-PSO-SA算法排產(chǎn)實際效果優(yōu)于傳統(tǒng)PSO-GA算法．兩種算法的進(jìn)化曲線....

圖4進(jìn)化曲線圖

通過圖2和圖3可以看出，傳統(tǒng)PSO-GA算法甘特圖排產(chǎn)結(jié)果顯示48個小時可完成6個工件的生產(chǎn)，GA-PSO-SA算法甘特圖排產(chǎn)結(jié)果顯示46個小時即可完成生產(chǎn)任務(wù)，說明GA-PSO-SA算法排產(chǎn)實際效果優(yōu)于傳統(tǒng)PSO-GA算法．兩種算法的進(jìn)化曲線圖如圖4所示．從進(jìn)化曲線圖可以看出傳....

本文編號：3994707