针对多目标萤火虫算法在解决高维多目标优化问题时存在Pareto支配失效、寻优能力弱和收敛速度慢的问题，提出了参考点引导和多策略协同的高维多目标萤火虫算法（many-objective firefly algorithm based on reference point guidance an...
详细信息
针对多目标萤火虫算法在解决高维多目标优化问题时存在Pareto支配失效、寻优能力弱和收敛速度慢的问题，提出了参考点引导和多策略协同的高维多目标萤火虫算法（many-objective firefly algorithm based on reference point guidance and multiple cooperation strategies，MaOFA-RR）.该算法在目标空间中预设一组均匀分布的参考点，通过萤火虫与参考点之间的距离关系，划分出引导萤火虫和普通萤火虫，以取代Pareto支配，增大选择压力；使用3种进化策略对萤火虫进行位置更新，引导萤火虫对局部空间进行探索，普通萤火虫根据距离阈值分别向引导萤火虫学习或对全局空间进行探索，提升算法的寻优能力和收敛速度；最后，算法融合反向学习思想，扩大种群搜索范围，提高发掘更优解的可能.将MaOFA-RR与8种新近高维多目标进化算法进行比较，实验结果表明，MaOFA-RR在处理高维多目标优化问题时具有高效的性能.
针对单目标柔性作业车间调度问题(Flexible Job shop Scheduling Problem,FJSP),以优化最大完工时间为目标,提出一种自适应灰狼优化(Adaptive Grey Wolf Optimization,AGWO)算法求解该问题。首先,采用离散整数编码方式以及混合初始化规...
详细信息
针对单目标柔性作业车间调度问题(Flexible Job shop Scheduling Problem,FJSP),以优化最大完工时间为目标,提出一种自适应灰狼优化(Adaptive Grey Wolf Optimization,AGWO)算法求解该问题。首先,采用离散整数编码方式以及混合初始化规则生成高质量种群;其次,根据灰狼优化(Grey Wolf Optimization,GWO)算法的社会等级制度,提出一种基于种群规模的自适应社会等级制度分布策略,以提高算法求解速度和稳定性;然后,设计一种新的狼群捕猎和猎物搜索机制,保证种群多样性的同时提高算法的全局探索能力;此外,提出融合基于关键路径和均衡机器负载2种邻域结构的变邻域搜索策略,提高算法的局部搜索能力;最后,通过标准算例验证算法的有效性和可行性。
暂无评论