生物地理学算法求解柔性车间作业调度问题

计算机工程与应用 ›› 2015, Vol. 51 ›› Issue (22): 206-213.

生物地理学算法求解柔性车间作业调度问题

吴定会，孔飞，朱绍文，纪志成

江南大学轻工过程先进控制教育部重点实验室，江苏无锡 214122

出版日期:2015-11-15 发布日期:2015-11-16

Biogeography-based optimization algorithm for flexible job-shop scheduling problems

WU Dinghui, KONG Fei, ZHU Shaowen, JI Zhicheng

Key Laboratory of Advanced Process Control for Light Industry, Jiangnan University, Wuxi, Jiangsu 214122, China

Online:2015-11-15 Published:2015-11-16

摘要/Abstract

摘要： 针对加工设备和操作工人双资源约束的柔性作业车间调度问题，建立以生产时间和生产成本为目标函数的柔性作业车间调度模型，提出基于模糊Pareto支配的生物地理学算法，采用模糊Pareto支配的方法计算解之间的支配关系并对Pareto解集排序，进行全局最优值的更新，并采用余弦迁移模型来改善生物地理学算法的收敛速度。将该方法应用于某模具车间的柔性作业车间调度中，仿真结果验证了该方法的可行性和有效性。

关键词: 柔性作业车间调度, 模糊Pareto支配, 生物地理学算法, 余弦迁移模型, 双资源约束

Abstract: To solve the multi-objective problem in flexible job-shop scheduling considering the resource constraints of machines and operators, Fuzzy Pareto Dominance-Combined Biogeography-Based Optimization scheduling algorithm（FPDCBBO） is proposed. Using the method of fuzzy Pareto to calculate the dominant degree between the solutions and sorted, updating the global optimal value. Cosine migration model is used to improve the convergence speed of biogeography-based algorithm. Finally, the algorithm is applied in an actual production instances, the feasibility and efficiency of algorithm are verified.

Key words: flexible job-shop scheduling, Fuzzy Pareto Dominance（FPD）, Biogeography-Based Optimization algorithm（BBO）, cosine migration model, double resource constraints

吴定会，孔飞，朱绍文，纪志成. 生物地理学算法求解柔性车间作业调度问题[J]. 计算机工程与应用, 2015, 51(22): 206-213.

WU Dinghui, KONG Fei, ZHU Shaowen, JI Zhicheng. Biogeography-based optimization algorithm for flexible job-shop scheduling problems[J]. Computer Engineering and Applications, 2015, 51(22): 206-213.

[1]	谢锐强，张惠珍. 求解柔性作业车间调度问题的两段式狼群算法[J]. 计算机工程与应用, 2021, 57(7): 251-256.
[2]	石宇强，田永政，张雨琦，石小秋. 运用含复杂网络结构的多种群遗传算法求解FJSP[J]. 计算机工程与应用, 2021, 57(2): 257-266.
[3]	吴树景，游有鹏，罗福源. 变邻域保优遗传算法求解柔性车间调度问题[J]. 计算机工程与应用, 2020, 56(22): 236-243.
[4]	罗雄，钱谦，伏云发. 遗传算法解柔性作业车间调度问题应用综述[J]. 计算机工程与应用, 2019, 55(23): 15-21.
[5]	李帆1，高东1，许欣2，张玉良2. 改进蝙蝠算法柔性作业车间调度问题研究[J]. 计算机工程与应用, 2018, 54(21): 265-270.
[6]	屈迟文1，傅彦铭2，罗明山1，林承德1，何伟1. 求解柔性作业车间调度问题的鸟群算法[J]. 计算机工程与应用, 2018, 54(17): 249-257.
[7]	杨煜俊，陈业. 求解柔性机器人车间调度问题的混合蚁群算法[J]. 计算机工程与应用, 2018, 54(13): 160-167.
[8]	刘林1，2，郑江1. 改进生物地理学算法求解柔性作业调度问题[J]. 计算机工程与应用, 2016, 52(18): 228-234.
[9]	杨少华，王瑛，刘刚. 多目标军用飞机维修作业调度优化研究[J]. 计算机工程与应用, 2016, 52(14): 19-26.
[10]	林仁1，2，周国华1. 机器柔性度对柔性车间调度影响的研究[J]. 计算机工程与应用, 2015, 51(7): 18-23.
[11]	林仁1，2，周国华1. 任务分解控制及人员柔性的车间集成调度[J]. 计算机工程与应用, 2015, 51(4): 11-16.
[12]	张国辉1，吴立辉2. 求解柔性作业车间调度的GATOC混合方法[J]. 计算机工程与应用, 2015, 51(23): 266-270.
[13]	曾强1，沈玲2，任华1，吴立云1. 双资源批量生产柔性作业车间多目标调度方法[J]. 计算机工程与应用, 2015, 51(1): 250-256.
[14]	曾强1，沈玲2，潘启东1，吴立云1. 批量生产柔性作业车间多目标精细化调度方法[J]. 计算机工程与应用, 2014, 50(2): 263-270.
[15]	薛宏全1，2，魏生民1，张鹏2，杨琳3. 基于多种群蚁群算法的柔性作业车间调度研究[J]. 计算机工程与应用, 2013, 49(24): 243-248.