利用历史信息和限制算子求解MOFJSP

doi:10.3778/j.issn.1002-8331.1810-0324

计算机工程与应用 ›› 2020, Vol. 56 ›› Issue (2): 272-278.DOI: 10.3778/j.issn.1002-8331.1810-0324

• 工程与应用 • 上一篇

利用历史信息和限制算子求解MOFJSP

吉训生，蔡益青

1.江南大学物联网工程学院，江苏无锡 214122
2.物联网技术应用教育部工程研究中心，江苏无锡 214122

出版日期:2020-01-15 发布日期:2020-01-14

Solving Multi-Objective FJSP Using Historical Information and Restriction Operator

JI Xunsheng, CAI Yiqing

1.School of Internet of Things Engineering, Jiangnan University, Wuxi, Jiangsu 214122, China
2.Engineering Research Center of Internet of Things Technology Application, Ministry of Education, Wuxi, Jiangsu 214122, China

Online:2020-01-15 Published:2020-01-14

摘要/Abstract

摘要： 在绿色车间实际生产中，生产者要求在尽量短的时间内获得符合要求的多目标柔性作业车间的调度方案。提出一种使用个体历史信息和限制算子求解柔性作业车间优化调度问题的方法。该方法将多个优化目标分解为一组标量子问题，利用多目标进化算法优化子进行目标优化；在进化过程中，子代生成阶段使用历史信息，提高个体的改变量，加快收敛；在选择阶段，利用带有限制信息的稳定匹配选择策略选择多样性好的染色体种群作为下一次进化的父代种群，保证种群的多样性。实例仿真表明：相比已有算法，所提算法在效率、成本以及能效三个目标上分别提升0.8%、0.8%、2.5%，同时优于NSGA-II求解方案的1.4%、1.8%、4.8%。

关键词: 多目标进化算法, 历史信息, 限制信息, 收敛速度

Abstract: In the actual production of the green workshop, the producers are required to obtain the scheduling scheme of the multi-objective flexible job shop to meet the requirements in the shortest possible time. This paper proposes a method to solve scheduling problems by using individual historical information and limitation operators. This method decomposes multi-objective into a set of scalar sub-problem, and uses multi-objective evolutionary algorithm to optimize the sub-problem. The generation strategy with historical information is used to accelerate the speed of convergence. Then, a stable matching strategy, with limitation information, is used as selection operation and population with better diversity to be selected as the next parent. The result shows that compared with the original algorithm, the efficiency, cost and energy efficiency of this new algorithm are increased by 0.8%, 0.8% and 2.5%, respectively. And it is better than NSGA-II solution by 1.4%, 1.8% and 4.8%.

Key words: multi-objective evolutionary algorithm, historical information, limitation information, speed of convergence

吉训生，蔡益青. 利用历史信息和限制算子求解MOFJSP[J]. 计算机工程与应用, 2020, 56(2): 272-278.

JI Xunsheng, CAI Yiqing. Solving Multi-Objective FJSP Using Historical Information and Restriction Operator[J]. Computer Engineering and Applications, 2020, 56(2): 272-278.

[1]	张松灿，普杰信，司彦娜，孙力帆. 基于种群相似度的自适应改进蚁群算法及应用[J]. 计算机工程与应用, 2021, 57(8): 70-77.
[2]	贾雁飞，杜艳丽，赵立权. 快速收敛参考独立分量分析方法[J]. 计算机工程与应用, 2020, 56(7): 255-259.
[3]	宋杰，许冰，杨淼中. 基于自适应步长果蝇优化算法图像分割[J]. 计算机工程与应用, 2020, 56(4): 184-190.
[4]	张晓莉，杨亚新，谢永成. 改进的蚁群算法在机器人路径规划上的应用[J]. 计算机工程与应用, 2020, 56(2): 29-34.
[5]	耿焕同，周利发，丁洋洋，周山胜. 一种基于新型差分进化模型的MOEA/D改进算法[J]. 计算机工程与应用, 2019, 55(8): 138-146.
[6]	袁罗1，2，葛洪伟1，2. 基于随机鞭策机制的散漫度粒子群算法[J]. 计算机工程与应用, 2019, 55(4): 66-71.
[7]	肖俊明，高洪洋，朱永胜，瞿博阳. 考虑新能源接入的电力多目标优化调度[J]. 计算机工程与应用, 2019, 55(23): 241-247.
[8]	顾春华，刘鑫平，罗飞，丁炜超. 基于同步更新外部归档集的NSGA-II改进算法[J]. 计算机工程与应用, 2018, 54(20): 28-34.
[9]	刘期烈，贾梦芳，陈林，冯志宇. 城市环境中车载自组织网络路由算法[J]. 计算机工程与应用, 2017, 53(9): 121-126.
[10]	王俊，赵凤. 基于半监督的多目标进化模糊聚类算法[J]. 计算机工程与应用, 2017, 53(22): 40-44.
[11]	许峰，吴福芳. 自适应协同进化多目标进化算法[J]. 计算机工程与应用, 2016, 52(6): 26-30.
[12]	王超学，田利波. 一种改进的多目标合作型协同进化遗传算法[J]. 计算机工程与应用, 2016, 52(2): 18-23.
[13]	周丹1，2，葛洪伟1，2，张欢庆1，杨金龙1. 基于健康度的人工蜂群粒子群算法[J]. 计算机工程与应用, 2016, 52(18): 62-67.
[14]	冀荣华1，李想1，高万林1，王枫辰2，祁力钧2. 多维正态分布分段禁忌优化算法的参数优化[J]. 计算机工程与应用, 2015, 51(6): 59-63.
[15]	赵凤，韩文超，惠房臣. 基于分水岭的多目标核聚类图像分割[J]. 计算机工程与应用, 2015, 51(18): 151-155.

利用历史信息和限制算子求解MOFJSP

Solving Multi-Objective FJSP Using Historical Information and Restriction Operator

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics