基于改進(jìn)離散人工蜂群算法的同類機(jī)調(diào)度優(yōu)化
發(fā)布時(shí)間:2021-04-20 20:21
針對一類最小化最大完工時(shí)間的同類機(jī)調(diào)度問題,考慮到機(jī)器的加工效率和產(chǎn)品的交付時(shí)間,引入同類機(jī)調(diào)度問題的數(shù)學(xué)模型,提出一種改進(jìn)的離散型人工蜂群算法(IDABC)求解該問題。首先,引入種群初始化策略,得到均勻分布的種群,并獲得待優(yōu)參數(shù)的生成策略,加快種群的收斂;其次,借鑒差分進(jìn)化算法的變異算子和模擬退火算法的思想,改進(jìn)雇傭蜂和跟隨蜂的局部搜索策略,并利用最優(yōu)解的優(yōu)質(zhì)信息改進(jìn)偵察蜂,增加種群多樣性、防止算法陷入局部最優(yōu);最后,分析算法的性能和參數(shù),并將改進(jìn)的算法應(yīng)用于同類機(jī)調(diào)度問題,在15個(gè)算例上的實(shí)驗(yàn)結(jié)果表明,與混合離散人工蜂群(HDABC)算法相比,IDABC的求解精度和穩(wěn)定性分別平均提高了4. 1%和26. 9%,且具有更好的收斂性,表明在實(shí)際場景中IDABC可以有效求解同類機(jī)調(diào)度問題。
【文章來源】:計(jì)算機(jī)應(yīng)用. 2020,40(03)北大核心CSCD
【文章頁數(shù)】:9 頁
【文章目錄】:
0 引言
1 同類機(jī)調(diào)度問題的數(shù)學(xué)模型
1.1 模型假設(shè)
1.2 問題描述
1.3 數(shù)學(xué)模型及約束條件
2 改進(jìn)離散型人工蜂群算法
2.1 基本人工蜂群算法
2.2 問題的編碼設(shè)計(jì)
2.3 初始化策略
2.4 局部搜索策略
2.4.1 待優(yōu)參數(shù)的生成策略
2.4.2 基于差分算法的局部搜索策略
2.5 雇傭蜂階段
2.6 跟隨蜂階段
2.7 偵查蜂階段
2.8 改進(jìn)離散型人工蜂群算法的步驟
2.9 IDABC算法性能分析
2.9.1 收斂性分析
2.9.2 時(shí)間復(fù)雜度分析
2.9.3 算法整體性能分析
3 實(shí)驗(yàn)及結(jié)果分析
3.1 實(shí)驗(yàn)環(huán)境及參數(shù)設(shè)置
3.2 結(jié)果分析
3.2.1 實(shí)驗(yàn)結(jié)果分析
3.2.2 參數(shù)分析
4 結(jié)語
【參考文獻(xiàn)】:
期刊論文
[1]基于混合搜索的多種群人工蜂群算法[J]. 陳皓,張潔,楊清萍,董婭婭,肖利雪,冀敏杰. 計(jì)算機(jī)應(yīng)用. 2017(10)
[2]改進(jìn)人工蜂群優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的分類研究[J]. 韋鵬宇,潘福成,李帥. 計(jì)算機(jī)工程與應(yīng)用. 2018(10)
[3]基于人工蜂群算法的柔性工藝與車間調(diào)度集成優(yōu)化[J]. 宋栓軍,楊佩莉,石雯麗. 計(jì)算機(jī)應(yīng)用. 2017(02)
[4]一類復(fù)雜約束下的并行機(jī)重調(diào)度問題研究[J]. 劉翱,朱夢妮,羅永亮,劉克,劉波. 系統(tǒng)科學(xué)與數(shù)學(xué). 2016(12)
[5]基于改進(jìn)人工蜂群算法的機(jī)器人路徑規(guī)劃[J]. 王海泉,胡瀛月,廖伍代,閆同斌,王東云. 控制工程. 2016(09)
[6]基于改進(jìn)螢火蟲群優(yōu)化算法的同類機(jī)調(diào)度問題[J]. 倪志偉,龐閃閃,伍章俊,李蓉蓉,李敬明. 計(jì)算機(jī)工程與設(shè)計(jì). 2016(06)
[7]一種高效的求解函數(shù)優(yōu)化問題的人工蜂群算法[J]. 毛力,周長喜,吳濱,楊弘,肖煒. 小型微型計(jì)算機(jī)系統(tǒng). 2016(01)
[8]基于離散人工蜂群算法的云任務(wù)調(diào)度優(yōu)化[J]. 倪志偉,李蓉蓉,方清華,龐閃閃. 計(jì)算機(jī)應(yīng)用. 2016(01)
[9]改進(jìn)的人工蜂群算法在神經(jīng)網(wǎng)絡(luò)中的應(yīng)用[J]. 冷昕,張樹群,雷兆宜. 計(jì)算機(jī)工程與應(yīng)用. 2016(11)
[10]求解混合流水線調(diào)度問題的離散人工蜂群算法[J]. 李俊青,潘全科,王法濤. 運(yùn)籌與管理. 2015(01)
本文編號:3150339
【文章來源】:計(jì)算機(jī)應(yīng)用. 2020,40(03)北大核心CSCD
【文章頁數(shù)】:9 頁
【文章目錄】:
0 引言
1 同類機(jī)調(diào)度問題的數(shù)學(xué)模型
1.1 模型假設(shè)
1.2 問題描述
1.3 數(shù)學(xué)模型及約束條件
2 改進(jìn)離散型人工蜂群算法
2.1 基本人工蜂群算法
2.2 問題的編碼設(shè)計(jì)
2.3 初始化策略
2.4 局部搜索策略
2.4.1 待優(yōu)參數(shù)的生成策略
2.4.2 基于差分算法的局部搜索策略
2.5 雇傭蜂階段
2.6 跟隨蜂階段
2.7 偵查蜂階段
2.8 改進(jìn)離散型人工蜂群算法的步驟
2.9 IDABC算法性能分析
2.9.1 收斂性分析
2.9.2 時(shí)間復(fù)雜度分析
2.9.3 算法整體性能分析
3 實(shí)驗(yàn)及結(jié)果分析
3.1 實(shí)驗(yàn)環(huán)境及參數(shù)設(shè)置
3.2 結(jié)果分析
3.2.1 實(shí)驗(yàn)結(jié)果分析
3.2.2 參數(shù)分析
4 結(jié)語
【參考文獻(xiàn)】:
期刊論文
[1]基于混合搜索的多種群人工蜂群算法[J]. 陳皓,張潔,楊清萍,董婭婭,肖利雪,冀敏杰. 計(jì)算機(jī)應(yīng)用. 2017(10)
[2]改進(jìn)人工蜂群優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的分類研究[J]. 韋鵬宇,潘福成,李帥. 計(jì)算機(jī)工程與應(yīng)用. 2018(10)
[3]基于人工蜂群算法的柔性工藝與車間調(diào)度集成優(yōu)化[J]. 宋栓軍,楊佩莉,石雯麗. 計(jì)算機(jī)應(yīng)用. 2017(02)
[4]一類復(fù)雜約束下的并行機(jī)重調(diào)度問題研究[J]. 劉翱,朱夢妮,羅永亮,劉克,劉波. 系統(tǒng)科學(xué)與數(shù)學(xué). 2016(12)
[5]基于改進(jìn)人工蜂群算法的機(jī)器人路徑規(guī)劃[J]. 王海泉,胡瀛月,廖伍代,閆同斌,王東云. 控制工程. 2016(09)
[6]基于改進(jìn)螢火蟲群優(yōu)化算法的同類機(jī)調(diào)度問題[J]. 倪志偉,龐閃閃,伍章俊,李蓉蓉,李敬明. 計(jì)算機(jī)工程與設(shè)計(jì). 2016(06)
[7]一種高效的求解函數(shù)優(yōu)化問題的人工蜂群算法[J]. 毛力,周長喜,吳濱,楊弘,肖煒. 小型微型計(jì)算機(jī)系統(tǒng). 2016(01)
[8]基于離散人工蜂群算法的云任務(wù)調(diào)度優(yōu)化[J]. 倪志偉,李蓉蓉,方清華,龐閃閃. 計(jì)算機(jī)應(yīng)用. 2016(01)
[9]改進(jìn)的人工蜂群算法在神經(jīng)網(wǎng)絡(luò)中的應(yīng)用[J]. 冷昕,張樹群,雷兆宜. 計(jì)算機(jī)工程與應(yīng)用. 2016(11)
[10]求解混合流水線調(diào)度問題的離散人工蜂群算法[J]. 李俊青,潘全科,王法濤. 運(yùn)籌與管理. 2015(01)
本文編號:3150339
本文鏈接:http://sikaile.net/kejilunwen/sousuoyinqinglunwen/3150339.html
最近更新
教材專著