应用萤火虫算法求解基于学习效应的PFSP问题

计算机工程与应用 ›› 2015, Vol. 51 ›› Issue (16): 248-251.

应用萤火虫算法求解基于学习效应的PFSP问题

杜贞，叶春明，凌远雄

上海理工大学管理学院，上海 200093

出版日期:2015-08-15 发布日期:2015-08-14

Permutation flow-shop scheduling problem with learning effect based on firefly algorithm

DU Zhen, YE Chunming, LING Yuanxiong

Department of Management, University of Shanghai for Science and Technology, Shanghai 200093, China

Online:2015-08-15 Published:2015-08-14

摘要/Abstract

摘要： 针对置换流水车间调度问题，应用学习效应理论，将工件的加工时间与工件的加工位置建立联系，缩短了工件的最大完工时间，并将不同学习率下的最小化最大完工时间进行比较，给生产制造企业合理安排生产计划提供借鉴。应用MATLAB软件编写萤火虫算法，对建立的模型进行仿真测试，通过与粒子群算法和遗传算法进行结果对比，验证了算法的有效性，在此基础上求解出具有不同学习率的置换流水车间调度问题的最小化最大完工时间。

关键词: 学习效应, 置换流水车间调度, 萤火虫算法, 学习率

Abstract: For Permutation Flow-shop Scheduling Problem（PFSP）, considering?the theory of learning effect, it builds relations between processing time and position in the production sequence of a workpiece, to minimize the maximum completion time（Makespan） of it. By comparing?the minimizations of makespan under different learning rates to provide reference for manufacture enterprise in arranging production plans. It applies MATLAB to write the Firefly Algorithm（FA） and use it to simulate the model. By results’ comparison of FA, Particle Swarm Optimization（PSO） and Genetic Algorithm（GA） to verify the validity of FA. On that basis, it solves the minimizations of makespan under different learning rates.

Key words: learning effect, permutation flow-shop scheduling, firefly algorithm, learning rate

杜贞，叶春明，凌远雄. 应用萤火虫算法求解基于学习效应的PFSP问题[J]. 计算机工程与应用, 2015, 51(16): 248-251.

DU Zhen, YE Chunming, LING Yuanxiong. Permutation flow-shop scheduling problem with learning effect based on firefly algorithm[J]. Computer Engineering and Applications, 2015, 51(16): 248-251.

[1]	刘锁兰，顾嘉晖，王洪元，张云鹏. 基于关联分区和ST-GCN的人体行为识别[J]. 计算机工程与应用, 2021, 57(13): 168-175.
[2]	唐魏，郑源，潘虹，徐晶珺. 引入动态调节学习率的SAE轴承故障诊断研究[J]. 计算机工程与应用, 2020, 56(20): 264-269.
[3]	张哲辰，刘三阳. 基于拓扑改进与交叉策略的萤火虫算法[J]. 计算机工程与应用, 2019, 55(7): 1-8.
[4]	朱丹1，邱斌1，2，肖海林1，4，倪菊3. 基于萤火虫算法的认知车载网络频谱分配[J]. 计算机工程与应用, 2019, 55(2): 67-71.
[5]	陈超. 高斯混合模型结合加权似然的目标跟踪算法[J]. 计算机工程与应用, 2019, 55(12): 124-131.
[6]	李丽娜1，郭永强1，2，张晓东1，卢媛1，徐攀峰1. 萤火虫算法结合人工势场法的机器人路径规划[J]. 计算机工程与应用, 2018, 54(20): 104-109.
[7]	陈冠宇1，孙鹏1，2，张杰勇1，武君胜3. 基于离散萤火虫算法的指控结构适应性调整[J]. 计算机工程与应用, 2018, 54(15): 112-119.
[8]	段少楠，戴胜华. 离散萤火虫算法在高速列车运行调整中的应用[J]. 计算机工程与应用, 2018, 54(15): 209-213.
[9]	范文兵，赵周鼎，王诗. 多特征融合的自适应相关滤波跟踪算法[J]. 计算机工程与应用, 2018, 54(14): 19-25.
[10]	林诗洁1，2，董晨1，2，陈明志1，2，张凡1，2，陈景辉1，2. 新型群智能优化算法综述[J]. 计算机工程与应用, 2018, 54(12): 1-9.
[11]	张明，张树群，雷兆宜. 改进的萤火虫算法在神经网络中的应用[J]. 计算机工程与应用, 2017, 53(5): 159-163.
[12]	孙良旭1，曲殿利2，刘国莉3. 置换流水车间调度问题的两阶段分布估计算法[J]. 计算机工程与应用, 2017, 53(2): 64-71.
[13]	卞京红1，贺兴时1，杨新社2. 基于萤火虫算法的自适应花授粉优化算法[J]. 计算机工程与应用, 2016, 52(21): 162-167.
[14]	郭伟，高媛媛，刘鑫焱. 改进的基于混合高斯模型的运动目标检测算法[J]. 计算机工程与应用, 2016, 52(13): 195-200.
[15]	欧阳桢，李应. 基于萤火虫算法的匹配追踪用于生态声音辨识[J]. 计算机工程与应用, 2015, 51(2): 198-204.