求解柔性作业车间调度问题的多策略融合Pareto人工蜂群算法

被引：23
作者：
赵博选 [1 ]
高建民 [2 ]
付颖斌 [1 ]
赵姣 [1 ]
机构：
[1] 长安大学汽车学院
[2] 西安交通大学机械工程学院
来源：
系统工程理论与实践 | 2019年 / 05期
关键词：
柔性作业车间调度; 多目标Pareto优化; 人工蜂群算法; 关键路径; 多策略融合;
D O I：
暂无
中图分类号：
TP18 [人工智能理论]; F273 [企业生产管理];
学科分类号：
081104 ; 0812 ; 0835 ; 1405 ; 1202 ; 120202 ;
摘要：
为克服单一算法在求解多目标柔性作业车间调度问题时最优性和多样性方面的缺陷,提出了一种多策略融合的Pareto人工蜂群算法(multi-strategy integration Pareto artificial bee colony algorithm, MSIPABC).算法在初始化阶段采用混合启发式策略产生质量较高的初始化种群;雇佣蜂采用多种探索操作实现蜂群自主邻域搜索;观察蜂选择较优食物源执行交叉操作,实现蜂群协作搜索,扩大搜索范围,并执行柔性作业车间关键路径相关局部搜索操作,进一步加强蜂群寻优能力;最后侦查蜂对种群重复解进行多样性重构.多种搜索策略的融合使算法不仅实现了人工蜂群的自主与协同搜索,而且达到了全局探索与局部寻优的平衡.通过验证,所提算法在求解质量和获取基准算例Pareto最优解数目方面具有优势.
引用
收藏
页码：1225 / 1235
页数：11
相关论文
共 17 条
[1]   基于混合人工蜂群算法的多目标柔性作业车间调度问题研究 [J].
孟冠军 ;
杨大春 ;
陶细佩 .
计算机应用研究, 2019, 36 (04) :972-974+979
[2]   基于规则导向的柔性作业车间多目标动态调度算法 [J].
朱伟 .
系统工程理论与实践, 2017, 37 (10) :2690-2699
[3]   混合离散蝙蝠算法求解多目标柔性作业车间调度 [J].
徐华 ;
张庭 .
机械工程学报, 2016, 52 (18) :201-212
[4]   求解多目标柔性作业车间调度问题的两阶段混合Pareto蚁群算法 [J].
赵博选 ;
高建民 ;
陈琨 .
西安交通大学学报, 2016, (07) :145-151
[5]   基于Pareto优化的离散自由搜索算法求解多目标柔性作业车间调度问题 [J].
彭建刚 ;
刘明周 ;
张玺 ;
张铭鑫 ;
葛茂根 .
中国机械工程, 2015, 26 (05) :620-626
[6]   生产能力约束条件下的柔性作业车间调度优化 [J].
张铁男 ;
韩兵 ;
于渤 .
系统工程理论与实践, 2011, 31 (03) :505-511
[7]   多目标柔性车间调度的Pareto混合禁忌搜索算法 [J].
李俊青 ;
潘全科 ;
王玉亭 .
计算机集成制造系统, 2010, 16 (07) :1419-1426
[8]   A discrete artificial bee colony algorithm for the multi-objective flexible job-shop scheduling problem with maintenance activities [J].
Li, Jun-Qing ;
Pan, Quan-Ke ;
Tasgetiren, M. Fatih .
APPLIED MATHEMATICAL MODELLING, 2014, 38 (03) :1111-1132
[9]   Hybrid discrete particle swarm optimization for multi-objective flexible job-shop scheduling problem [J].
Xinyu Shao ;
Weiqi Liu ;
Qiong Liu ;
Chaoyong Zhang .
The International Journal of Advanced Manufacturing Technology, 2013, 67 :2885-2901
[10]  
A Hybrid Artificial Bee Colony Algorithm with Local Search for Flexible Job-shop Scheduling Problem[J] . Arit Thammano,Ajchara Phu-ang.Procedia Computer Science . 2013
12