基于改进多种群候鸟迁徙算法的混合流水车间调度

基于改进多种群候鸟迁徙算法的混合流水车间调度

TP278; 针对带顺序依赖准备时间的混合流水车间调度(HFS-SDST)问题,以最小化总最大作业完成时间为调度目标,提出一种改进多种群候鸟迁徙优化(IMMBO)算法.算法中个体基于工件加工顺序进行编码,用改进的NEH(MNEH)算法产生初始种群,并按照适应度值分配到各子种群.子种群中领飞鸟和跟飞鸟分别利用串行和并行邻域策略产生邻域个体,如果跟飞鸟优于领飞鸟,二者互换,完成种群内部个体的信息交互;在IMMBO算法中嵌入离散鲸鱼优化策略对各子种群的领飞鸟进行优化,实现子种群之间信息交互;为提高算法的局部搜索(LS)能力,对种群中最优个体执行LS,同时,为了避免算法早熟收敛,针对每个种群的领飞鸟设...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Veröffentlicht in:上海交通大学学报 2023, Vol.57 (10), p.1378-1388
Hauptverfasser: 张素君, 杨文强, 顾幸生
Format: Artikel
Sprache:chi
Online-Zugang:Volltext
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
container_end_page 1388
container_issue 10
container_start_page 1378
container_title 上海交通大学学报
container_volume 57
creator 张素君
杨文强
顾幸生
description TP278; 针对带顺序依赖准备时间的混合流水车间调度(HFS-SDST)问题,以最小化总最大作业完成时间为调度目标,提出一种改进多种群候鸟迁徙优化(IMMBO)算法.算法中个体基于工件加工顺序进行编码,用改进的NEH(MNEH)算法产生初始种群,并按照适应度值分配到各子种群.子种群中领飞鸟和跟飞鸟分别利用串行和并行邻域策略产生邻域个体,如果跟飞鸟优于领飞鸟,二者互换,完成种群内部个体的信息交互;在IMMBO算法中嵌入离散鲸鱼优化策略对各子种群的领飞鸟进行优化,实现子种群之间信息交互;为提高算法的局部搜索(LS)能力,对种群中最优个体执行LS,同时,为了避免算法早熟收敛,针对每个种群的领飞鸟设计了种群多样化控制策略.最后,在实验法调整算法参数的基础上,对IMMBO的 4 个变体进行了仿真实验,通过测试 Ta自适应算例验证IMMBO算法各部分的作用;将IMMBO算法与现有 3 个算法测试 Ta自适应算例,进行实验结果比较,证明了IMMBO算法求解混合车间调度问题的有效性.
doi_str_mv 10.16183/j.cnki.jsjtu.2022.242
format Article
fullrecord <record><control><sourceid>wanfang_jour</sourceid><recordid>TN_cdi_wanfang_journals_shjtdxxb202310015</recordid><sourceformat>XML</sourceformat><sourcesystem>PC</sourcesystem><wanfj_id>shjtdxxb202310015</wanfj_id><sourcerecordid>shjtdxxb202310015</sourcerecordid><originalsourceid>FETCH-LOGICAL-s1045-a3a6c51e164e01079f2c3349fe1138a5cc1cc69a80cc429dab9264d66283a4203</originalsourceid><addsrcrecordid>eNotjz9Lw0AcQG9QsNR-BXeHxPvdXS7JqMV_UHDRuVwuiTZKBK_FjhYdXJQOSmkdupS6ScFKNWD7Zbwk_RYGdHrbezyENgCbwMGhW5Ep4_OGGamo2TIJJsQkjKygEmDMDcK4vYYqSjU8bAHltsNxCe3oYfKTPKZPX_niRY8G2etDNh_pm_7yc5gvOnrez9566ftzNrhLZzPdvU8_Oulkmn-Pl71pPrnVyXgdrYbiQgWVf5bRyd7ucfXAqB3tH1a3a4YCzCxDUMGlBQFwFmDAthsSSSlzwwCAOsKSEqTkrnCwlIy4vvBcwpnPOXGoYATTMtr8816LOBTxaT26bF3FRbGuzqKm3257xTItXsGiv-j8Zyk</addsrcrecordid><sourcetype>Aggregation Database</sourcetype><iscdi>true</iscdi><recordtype>article</recordtype></control><display><type>article</type><title>基于改进多种群候鸟迁徙算法的混合流水车间调度</title><source>Directory of Open Access Journals</source><source>Alma/SFX Local Collection</source><creator>张素君 ; 杨文强 ; 顾幸生</creator><creatorcontrib>张素君 ; 杨文强 ; 顾幸生</creatorcontrib><description>TP278; 针对带顺序依赖准备时间的混合流水车间调度(HFS-SDST)问题,以最小化总最大作业完成时间为调度目标,提出一种改进多种群候鸟迁徙优化(IMMBO)算法.算法中个体基于工件加工顺序进行编码,用改进的NEH(MNEH)算法产生初始种群,并按照适应度值分配到各子种群.子种群中领飞鸟和跟飞鸟分别利用串行和并行邻域策略产生邻域个体,如果跟飞鸟优于领飞鸟,二者互换,完成种群内部个体的信息交互;在IMMBO算法中嵌入离散鲸鱼优化策略对各子种群的领飞鸟进行优化,实现子种群之间信息交互;为提高算法的局部搜索(LS)能力,对种群中最优个体执行LS,同时,为了避免算法早熟收敛,针对每个种群的领飞鸟设计了种群多样化控制策略.最后,在实验法调整算法参数的基础上,对IMMBO的 4 个变体进行了仿真实验,通过测试 Ta自适应算例验证IMMBO算法各部分的作用;将IMMBO算法与现有 3 个算法测试 Ta自适应算例,进行实验结果比较,证明了IMMBO算法求解混合车间调度问题的有效性.</description><identifier>ISSN: 1006-2467</identifier><identifier>DOI: 10.16183/j.cnki.jsjtu.2022.242</identifier><language>chi</language><publisher>河南科技学院 机电学院,河南 新乡 453003%华东理工大学 能源化工过程智能制造教育部重点实验室,上海 200237</publisher><ispartof>上海交通大学学报, 2023, Vol.57 (10), p.1378-1388</ispartof><rights>Copyright © Wanfang Data Co. Ltd. All Rights Reserved.</rights><woscitedreferencessubscribed>false</woscitedreferencessubscribed></display><links><openurl>$$Topenurl_article</openurl><openurlfulltext>$$Topenurlfull_article</openurlfulltext><thumbnail>$$Uhttp://www.wanfangdata.com.cn/images/PeriodicalImages/shjtdxxb/shjtdxxb.jpg</thumbnail><link.rule.ids>314,780,784,864,4024,27923,27924,27925</link.rule.ids></links><search><creatorcontrib>张素君</creatorcontrib><creatorcontrib>杨文强</creatorcontrib><creatorcontrib>顾幸生</creatorcontrib><title>基于改进多种群候鸟迁徙算法的混合流水车间调度</title><title>上海交通大学学报</title><description>TP278; 针对带顺序依赖准备时间的混合流水车间调度(HFS-SDST)问题,以最小化总最大作业完成时间为调度目标,提出一种改进多种群候鸟迁徙优化(IMMBO)算法.算法中个体基于工件加工顺序进行编码,用改进的NEH(MNEH)算法产生初始种群,并按照适应度值分配到各子种群.子种群中领飞鸟和跟飞鸟分别利用串行和并行邻域策略产生邻域个体,如果跟飞鸟优于领飞鸟,二者互换,完成种群内部个体的信息交互;在IMMBO算法中嵌入离散鲸鱼优化策略对各子种群的领飞鸟进行优化,实现子种群之间信息交互;为提高算法的局部搜索(LS)能力,对种群中最优个体执行LS,同时,为了避免算法早熟收敛,针对每个种群的领飞鸟设计了种群多样化控制策略.最后,在实验法调整算法参数的基础上,对IMMBO的 4 个变体进行了仿真实验,通过测试 Ta自适应算例验证IMMBO算法各部分的作用;将IMMBO算法与现有 3 个算法测试 Ta自适应算例,进行实验结果比较,证明了IMMBO算法求解混合车间调度问题的有效性.</description><issn>1006-2467</issn><fulltext>true</fulltext><rsrctype>article</rsrctype><creationdate>2023</creationdate><recordtype>article</recordtype><recordid>eNotjz9Lw0AcQG9QsNR-BXeHxPvdXS7JqMV_UHDRuVwuiTZKBK_FjhYdXJQOSmkdupS6ScFKNWD7Zbwk_RYGdHrbezyENgCbwMGhW5Ep4_OGGamo2TIJJsQkjKygEmDMDcK4vYYqSjU8bAHltsNxCe3oYfKTPKZPX_niRY8G2etDNh_pm_7yc5gvOnrez9566ftzNrhLZzPdvU8_Oulkmn-Pl71pPrnVyXgdrYbiQgWVf5bRyd7ucfXAqB3tH1a3a4YCzCxDUMGlBQFwFmDAthsSSSlzwwCAOsKSEqTkrnCwlIy4vvBcwpnPOXGoYATTMtr8816LOBTxaT26bF3FRbGuzqKm3257xTItXsGiv-j8Zyk</recordid><startdate>2023</startdate><enddate>2023</enddate><creator>张素君</creator><creator>杨文强</creator><creator>顾幸生</creator><general>河南科技学院 机电学院,河南 新乡 453003%华东理工大学 能源化工过程智能制造教育部重点实验室,上海 200237</general><scope>2B.</scope><scope>4A8</scope><scope>92I</scope><scope>93N</scope><scope>PSX</scope><scope>TCJ</scope></search><sort><creationdate>2023</creationdate><title>基于改进多种群候鸟迁徙算法的混合流水车间调度</title><author>张素君 ; 杨文强 ; 顾幸生</author></sort><facets><frbrtype>5</frbrtype><frbrgroupid>cdi_FETCH-LOGICAL-s1045-a3a6c51e164e01079f2c3349fe1138a5cc1cc69a80cc429dab9264d66283a4203</frbrgroupid><rsrctype>articles</rsrctype><prefilter>articles</prefilter><language>chi</language><creationdate>2023</creationdate><toplevel>online_resources</toplevel><creatorcontrib>张素君</creatorcontrib><creatorcontrib>杨文强</creatorcontrib><creatorcontrib>顾幸生</creatorcontrib><collection>Wanfang Data Journals - Hong Kong</collection><collection>WANFANG Data Centre</collection><collection>Wanfang Data Journals</collection><collection>万方数据期刊 - 香港版</collection><collection>China Online Journals (COJ)</collection><collection>China Online Journals (COJ)</collection><jtitle>上海交通大学学报</jtitle></facets><delivery><delcategory>Remote Search Resource</delcategory><fulltext>fulltext</fulltext></delivery><addata><au>张素君</au><au>杨文强</au><au>顾幸生</au><format>journal</format><genre>article</genre><ristype>JOUR</ristype><atitle>基于改进多种群候鸟迁徙算法的混合流水车间调度</atitle><jtitle>上海交通大学学报</jtitle><date>2023</date><risdate>2023</risdate><volume>57</volume><issue>10</issue><spage>1378</spage><epage>1388</epage><pages>1378-1388</pages><issn>1006-2467</issn><abstract>TP278; 针对带顺序依赖准备时间的混合流水车间调度(HFS-SDST)问题,以最小化总最大作业完成时间为调度目标,提出一种改进多种群候鸟迁徙优化(IMMBO)算法.算法中个体基于工件加工顺序进行编码,用改进的NEH(MNEH)算法产生初始种群,并按照适应度值分配到各子种群.子种群中领飞鸟和跟飞鸟分别利用串行和并行邻域策略产生邻域个体,如果跟飞鸟优于领飞鸟,二者互换,完成种群内部个体的信息交互;在IMMBO算法中嵌入离散鲸鱼优化策略对各子种群的领飞鸟进行优化,实现子种群之间信息交互;为提高算法的局部搜索(LS)能力,对种群中最优个体执行LS,同时,为了避免算法早熟收敛,针对每个种群的领飞鸟设计了种群多样化控制策略.最后,在实验法调整算法参数的基础上,对IMMBO的 4 个变体进行了仿真实验,通过测试 Ta自适应算例验证IMMBO算法各部分的作用;将IMMBO算法与现有 3 个算法测试 Ta自适应算例,进行实验结果比较,证明了IMMBO算法求解混合车间调度问题的有效性.</abstract><pub>河南科技学院 机电学院,河南 新乡 453003%华东理工大学 能源化工过程智能制造教育部重点实验室,上海 200237</pub><doi>10.16183/j.cnki.jsjtu.2022.242</doi><tpages>11</tpages></addata></record>
fulltext fulltext
identifier ISSN: 1006-2467
ispartof 上海交通大学学报, 2023, Vol.57 (10), p.1378-1388
issn 1006-2467
language chi
recordid cdi_wanfang_journals_shjtdxxb202310015
source Directory of Open Access Journals; Alma/SFX Local Collection
title 基于改进多种群候鸟迁徙算法的混合流水车间调度
url https://sfx.bib-bvb.de/sfx_tum?ctx_ver=Z39.88-2004&ctx_enc=info:ofi/enc:UTF-8&ctx_tim=2025-01-03T20%3A01%3A31IST&url_ver=Z39.88-2004&url_ctx_fmt=infofi/fmt:kev:mtx:ctx&rfr_id=info:sid/primo.exlibrisgroup.com:primo3-Article-wanfang_jour&rft_val_fmt=info:ofi/fmt:kev:mtx:journal&rft.genre=article&rft.atitle=%E5%9F%BA%E4%BA%8E%E6%94%B9%E8%BF%9B%E5%A4%9A%E7%A7%8D%E7%BE%A4%E5%80%99%E9%B8%9F%E8%BF%81%E5%BE%99%E7%AE%97%E6%B3%95%E7%9A%84%E6%B7%B7%E5%90%88%E6%B5%81%E6%B0%B4%E8%BD%A6%E9%97%B4%E8%B0%83%E5%BA%A6&rft.jtitle=%E4%B8%8A%E6%B5%B7%E4%BA%A4%E9%80%9A%E5%A4%A7%E5%AD%A6%E5%AD%A6%E6%8A%A5&rft.au=%E5%BC%A0%E7%B4%A0%E5%90%9B&rft.date=2023&rft.volume=57&rft.issue=10&rft.spage=1378&rft.epage=1388&rft.pages=1378-1388&rft.issn=1006-2467&rft_id=info:doi/10.16183/j.cnki.jsjtu.2022.242&rft_dat=%3Cwanfang_jour%3Eshjtdxxb202310015%3C/wanfang_jour%3E%3Curl%3E%3C/url%3E&disable_directlink=true&sfx.directlink=off&sfx.report_link=0&rft_id=info:oai/&rft_id=info:pmid/&rft_wanfj_id=shjtdxxb202310015&rfr_iscdi=true