随着经济的发展,在各行各业中分布式生产变得越来越普及,我们将更多的注意力放在分布式生产模型之上。在本文中,为求解带有序相关设置时间和到达时间的零等待分布式流水线调度问题(no-wait distributed flow shop with Sequence Depende...
详细信息
随着经济的发展,在各行各业中分布式生产变得越来越普及,我们将更多的注意力放在分布式生产模型之上。在本文中,为求解带有序相关设置时间和到达时间的零等待分布式流水线调度问题(no-wait distributed flow shop with Sequence Dependent Setup Times and Arrival times,NDPFSP with SDSTs and RDs),提出了一种自适应的分布估计算法(adaptive estimation of distribution algorithm,AEDA),用于最小化最大完成时间。首先,提出了更加适合带到达时间问题的最早完成工厂最早达到工件(ECFEAJ)规则,使得解的生成过程有适当的判断,提高了每代生成解的质量。其次,针对不同的问题规模局部搜索都做出特定的调整,使得在不同的规模下都能有很好的局部搜索能力。
针对近年来一系列严重的环境影响和越来越多的能量成本损耗所引发的绿色调度问题,提出了一种改进的基于"教"与"学"的优化(Modified Teaching-Learning-Based Optimization,MTLBO)算法,求解带序相关设置时间和释放时间的零等待流水车间绿色调度问题(No-wait Flow-shop Green Scheduling Problem with Sequence-Dependent Setup Times and Release Dates,NFSGSPDSTRD),用于最小化电量成本(electric power cost,EPC)。首先,根据带序相关设置时间和释放时间的零等待流水车间调度问题的性质,设计了一种问题解的快速评价方法。其次,在算法的教师阶段,通过对成绩最差的学员或问题解进行Insert操作来提高种群的整体质量,同时提出一种自适应的教学因子,从而使算法的全局搜索能力得到改善。最后,提出基于Insert邻域的局部搜索来增强算法的局部搜索能力,从而有助于算法在全局和局部之间达到合理平衡。仿真实验和算法比较验证了MTLBO的有效性和鲁棒性。
暂无评论