关键词：
柔性作业车间调度问题
金豺优化算法
邻域结构
多目标优化
摘要：
随着制造业向智能化和个性化方向的发展,柔性作业车间调度问题的复杂性和实际应用需求日益增加,相比传统的作业车间调度问题,柔性作业车间调度问题不仅涉及工序和机器之间的分配和调度,而且需要考虑工件在不同加工资源上的柔性选择以及多目标优化,更加贴合当下实际的生产状况。金豺优化算法是受金豺自然行为启发而设计的一种新的群智能优化算法,该算法的计算效率较高,参数较少,易于实现与调优,具有广阔的应用潜力和深远的研究意义。因此,本文主要研究改进金豺优化算法及其在柔性作业车间调度问题中的应用。论文的主要工作内容如下:
1.针对金豺优化算法后期种群多样性丢失,收敛速度过慢,易陷入局部最优等劣势,提出了一种混合改进的精英金豺优化算法(HGJO)。首先,以sigmoid函数为基础设计非线性收敛因子,平衡了算法全局搜索和局部搜索能力;其次,设计结合精英搜索的黄金正弦分割策略与金豺算法局部搜索阶段的位置更新公式结合,有效防止了算法过度局部搜索;最后,设计非线性权重柯西高斯变异算子以扰动最优个体,加快了算法的收敛速度和精度。实验结果表明,HGJO的收敛速度、稳定性以及收敛精度方面都表现出色,有效弥补了金豺算法存在的不足。
2.针对单目标柔性作业车间调度问题,以最小化最大完工时间为优化目标,在HGJO基础上提出了一种离散混合改进的精英金豺优化算法(HNGJO)。首先,采用分段式整数编码、贪婪插入式解码,并引入编码转换机制,实现了离散调度解与算法连续解空间的实时转换;其次,设计了混合初始化以提高种群初始化的质量;然后,设计改进的交叉算子,避免了算法陷入局部最优;最后,针对最优个体设计了基于关键路径的多元邻域搜索,减少了算法的无效搜索。选用Kacem算例和Brandimarte算例以及一组企业生产实例进行实验分析,实验结果表明,相比其他主流算法,HNGJO可找到更小的最大完工时间,并且取得的平均相对误差MRPD值为0.04%。
3.针对多目标柔性作业车间调度问题,以最小化最大完工时间、最小化机器总负荷和最大机器负荷为优化目标,在HNGJO基础上提出了一种离散混合改进的多目标精英金豺优化算法(HNMGJO)。首先,引入额外约束条件改进Pareto支配准则,使得解的评估更加合理和准确;其次,采用分布估计的动态调整策略来提高拥挤度计算的准确性;然后,设计了混合局部搜索,避免算法陷入局部最优;最后,引用精英保留策略,确保了优秀基因的传承。选用Kacem算例和Brandimarte算例以及一组汽车生产实例进行实验,并采用多目标优化的相关评价指标进行分析,实验结果表明,HNMGJO相比其他算法全面性更好,可在目标空间中找到更多、更优的非支配解。
欢迎来到三峡大学图书馆！
