基于粒子群优化的模糊交货期惩罚问题的研究

计算机工程与应用 ›› 2006, Vol. 42 ›› Issue (19): 8-10.

基于粒子群优化的模糊交货期惩罚问题的研究

卢冰原,古春生,谷峰

中国科学技术大学15系

收稿日期:2006-01-18 修回日期:1900-01-01 出版日期:2006-07-01 发布日期:2006-07-01
通讯作者: 卢冰原 qqiceland qqiceland

The Research of Fuzzy Due Dates Penalty Problem Based on Particle Swarm Optimization

中国科学技术大学15系

Received:2006-01-18 Revised:1900-01-01 Online:2006-07-01 Published:2006-07-01

摘要/Abstract

摘要： 本文首先介绍了现实柔性工作车间调度中的模糊加工时间和模糊交货期问题，接着阐述了模糊理论中有符号距离、区间数距离等相关概念，并以此为基础构造目标惩罚函数，然后给出了基于粒子群算法的调度模型以解决柔性工作车间调度中的模糊交货期惩罚问题，最后通过实例验证了模型的可行性和有效性。

关键词: 柔性工作车间调度, 模糊交货期, 粒子群优化

Abstract: The fuzzy operational duration and fuzzy due date problems in the practical job-shop scheduling environment are introduced in this paper firstly. Then the signed distance,the interval numbers distance and corresponding concepts in fuzzy mathematics field are described,which are used to form the penalty function.After that, an improved flexible job-shop scheduling model based on particle swarm optimization approach is given to deal with the due dates penalty problems in the manufacturing system.At last,through the analysis of the simulating experiment results,the feasibility and efficency of the scheduling model are approved.

Key words: Flexible Job-shop Scheduling, Fuzzy Due dates, Particle Swarm Optimization

卢冰原,古春生,谷峰. 基于粒子群优化的模糊交货期惩罚问题的研究[J]. 计算机工程与应用, 2006, 42(19): 8-10.

,,. The Research of Fuzzy Due Dates Penalty Problem Based on Particle Swarm Optimization[J]. Computer Engineering and Applications, 2006, 42(19): 8-10.

[1]	徐尹翔, 陈祺东, 孙俊. 应用量子行为粒子群优化算法的文本对抗[J]. 计算机工程与应用, 2022, 58(9): 175-180.
[2]	陈博文, 邹海. 总结性自适应变异的粒子群算法[J]. 计算机工程与应用, 2022, 58(8): 67-75.
[3]	朱国晖, 刘茹文, 杨瑛. 多种群粒子群的SDN控制器故障恢复算法[J]. 计算机工程与应用, 2022, 58(5): 124-130.
[4]	张先才, 张足生, 李益广, 郭小红, 陈伟. 基于脉冲相干雷达的车辆检测算法[J]. 计算机工程与应用, 2022, 58(10): 276-282.
[5]	孙泽宇，徐琛，苏艳超，李传锋，聂雅琳. 雾计算中跨层感知分簇路由协议[J]. 计算机工程与应用, 2021, 57(9): 109-117.
[6]	胡晓敏，王明丰，张首荣，李敏. 用于文本聚类的新型差分进化粒子群算法[J]. 计算机工程与应用, 2021, 57(4): 61-67.
[7]	陈万芬，王宇嘉，林炜星. 异构集成代理辅助多目标粒子群优化算法[J]. 计算机工程与应用, 2021, 57(23): 71-80.
[8]	杜守信，毋涛. 双种群混合遗传算法的裁剪分床应用研究[J]. 计算机工程与应用, 2021, 57(22): 182-189.
[9]	李雷孝，邓丹，李杰，王永生. 基于粒子群优化的全比较计算数据分发策略[J]. 计算机工程与应用, 2021, 57(15): 109-117.
[10]	廖玮霖，程杉，尚冬冬，魏昭彬. 多策略融合的粒子群优化算法[J]. 计算机工程与应用, 2021, 57(1): 69-76.
[11]	陈秋菊，徐建国. 优化正交匹配追踪和短时谱估计用于声音识别[J]. 计算机工程与应用, 2020, 56(7): 162-169.
[12]	张水平，李殷俊，高栋，梁文. 带有动态爆炸半径的增强型烟花算法[J]. 计算机工程与应用, 2020, 56(18): 50-57.
[13]	黄建琼，郭文龙. 混合粒子群和改进细菌觅食的不平衡数据分类[J]. 计算机工程与应用, 2020, 56(10): 171-178.
[14]	张鑫1，邹德旋1，肖鹏1，喻秋2. 自适应简化粒子群优化算法及其应用[J]. 计算机工程与应用, 2019, 55(8): 250-263.
[15]	郑朝鑫1，2，董晨1，3，贺国荣1，3，陈荣忠1，3，熊子奇1，3. 基于改进粒子群算法的动态3D实时建模技术[J]. 计算机工程与应用, 2019, 55(5): 65-71.