基于关键工序的全局随机机器选择和改进GA求解FJSP
本文选题：柔性作业车间调度 切入点：优化 出处：《化工学报》2017年03期
【摘要】：以FJSP的最大完工时间作为优化目标,在考虑同一工件的工序顺序约束的同时,为提高初始种群的多样性,针对FJSP的机器选择问题采用堆栈方式存储工序。P-FJSP中只有一台机器可选的关键工序能直接影响机器总负荷和工件加工时间,进而提出了一种基于关键工序的全局随机选择(GRS)初始化方法。为了避免基本遗传算法在求解FJSP时陷入局部极优而停滞,在GA算法中加入再激活(re-activation)机制,旨在重新激活种群,增加种群的多样性。最后,针对FJSP基准测试算例进行数值分析,通过初始机器选择部分的性能对比实验、不同初始方式下遗传算法求解FJSP对比实验分别验证了GRS初始化机制的有效性和所提改进算法的可靠性。
[Abstract]:Taking the maximum completion time of FJSP as the optimization objective, considering the process sequence constraints of the same work piece, to improve the diversity of the initial population,In order to solve the machine selection problem of FJSP, only one machine can be selected as the key process in the stack storage process. P-FJSP can directly affect the total machine load and the processing time of the workpiece.Furthermore, a global random selection (GRS) initialization method based on key processes is proposed.In order to avoid the basic genetic algorithm falling into local optimum and stagnation in solving FJSP, the reactivation re-activation mechanism is added to GA algorithm to reactivate the population and increase the diversity of the population.Finally, the numerical analysis of the FJSP benchmark is carried out, and the performance comparison experiment of the initial machine selection part is carried out.The effectiveness of the GRS initialization mechanism and the reliability of the proposed improved algorithm are verified by the comparative experiments of solving FJSP by genetic algorithm in different initial modes.
【作者单位】： 北京石油化工学院信息工程学院;北京化工大学信息科学与技术学院;
【基金】：国家自然科学基金项目(61304217) 北京市教育委员会科技计划项目(KM201510017003)~~
【分类号】：TP18;TB497
【相似文献】
相关期刊论文 前10条
1 杨艳丽,史维祥;一种新的优化算法—遗传算法的设计[J];液压气动与密封;2001年02期
2 王毅,曹树良;遗传算法在并联水泵系统运行优化中的应用[J];流体机械;2003年10期
3 赵义红,李正文,何其四;生物信息处理系统遗传算法探讨[J];成都理工大学学报(自然科学版);2004年05期
4 李凡,黄数林,张东风;一种改进的多倍体遗传算法[J];华中科技大学学报(自然科学版);2005年01期
5 韦雪洁;黎明;刘高航;田贵超;;注入式的遗传算法的分析与研究[J];南昌航空工业学院学报(自然科学版);2006年01期
6 阎纲;;遗传算法及其仿真[J];湖南工程学院学报(自然科学版);2006年04期
7 ;遗传算法[J];电网与清洁能源;2008年10期
8 吴玫;陆金桂;;遗传算法的研究进展综述[J];机床与液压;2008年03期
9 李培植;肖利明;于静涛;;基于遗传算法的结构优化方法[J];公路交通科技(应用技术版);2008年08期
10 于金;金乐;杜海璐;;基于改进遗传算法的集装箱装载优化问题研究[J];船海工程;2008年05期
相关会议论文 前10条
1 陈家照;廖海涛;张中位;罗寅生;;一种改进的遗传算法及其在路径规划中的应用[A];2009系统仿真技术及其应用学术会议论文集[C];2009年
2 李国云;刘颖;薛梅;邬志敏;;遗传算法在高温空冷冷凝器优化设计中的应用[A];第五届全国制冷空调新技术研讨会论文集[C];2008年
3 王志军;李守春;张爽;;改进的遗传算法在反演问题中的应用[A];新世纪 新机遇 新挑战——知识创新和高新技术产业发展（上册）[C];2001年
4 任燕翔;姜立;刘连民;从滋庆;;改进遗传算法在三维日照方案优化中的应用[A];工程三维模型与虚拟现实表现——第二届工程建设计算机应用创新论坛论文集[C];2009年
5 韩娟;;遗传算法概述[A];第三届河南省汽车工程科技学术研讨会论文集[C];2006年
6 庞国仲;王元西;;基于遗传算法控制步长的定性仿真方法[A];'2000系统仿真技术及其应用学术交流会论文集[C];2000年
7 张忠华;杨淑莹;;基于遗传算法的聚类设计[A];全国第二届信号处理与应用学术会议专刊[C];2008年
8 何翠红;区益善;;遗传算法及其在计算机编程中的应用[A];1995年中国智能自动化学术会议暨智能自动化专业委员会成立大会论文集（下册）[C];1995年
9 靳开岩;张乃尧;;几种实用遗传算法及其比较[A];1996年中国智能自动化学术会议论文集（下册）[C];1996年
10 王宏刚;曾建潮;李志宏;;摄动遗传算法[A];1996年中国智能自动化学术会议论文集（下册）[C];1996年
相关重要报纸文章 前1条
1 林京;《神经网络和遗传算法在水科学领域的应用》将面市[N];中国水利报;2002年
相关博士学位论文 前10条
1 蔡美菊;交互式遗传算法及其在隐性目标决策问题中的应用研究[D];合肥工业大学;2015年
2 张士伟;三维声学快速多极基本解法在机械噪声预测中的应用研究[D];沈阳工业大学;2016年
3 高军;无铅焊料本构模型及其参数识别方法研究[D];南京航空航天大学;2015年
4 Amjad Mahmood;半监督进化集成及其在网络视频分类中的应用[D];西南交通大学;2015年
5 周辉仁;递阶遗传算法理论及其应用研究[D];天津大学;2008年
6 郝国生;交互式遗传算法中用户的认知规律及其应用[D];中国矿业大学;2009年
7 侯格贤;遗传算法及其在跟踪系统中的应用研究[D];西安电子科技大学;1998年
8 马国田;遗传算法及其在电磁工程中的应用[D];西安电子科技大学;1998年
9 唐文艳;结构优化中的遗传算法研究和应用[D];大连理工大学;2002年
10 周激流;遗传算法理论及其在水问题中应用的研究[D];四川大学;2000年
相关硕士学位论文 前10条
1 张英俐;基于遗传算法的作曲系统研究[D];山东师范大学;2006年
2 钟海萍;原对偶遗传算法与蚁群算法的一种融合算法[D];暨南大学;2013年
3 彭骞;基于遗传算法的山区高等级公路纵断面智能优化方法研究[D];昆明理工大学;2015年
4 周玉林;基于小波分析和遗传算法的配电网故障检测[D];昆明理工大学;2015年
5 郭颂;基于粗糙集和遗传算法的数字管道生产管理系统研究[D];昆明理工大学;2015年
6 吴南;数值逼近遗传算法的研究应用[D];华南理工大学;2015年
7 于光帅;一类优化算法的改进研究与应用[D];渤海大学;2015年
8 吴欣欣;改进GA-TS算法优化的BP神经网络入侵检测研究[D];湖南工业大学;2015年
9 王垒;基于遗传算法的A型单喇叭互通立交线形优化[D];长安大学;2015年
10 龚高;基于遗传算法的桥梁结构传感器优化布置研究[D];长安大学;2015年
，本文编号：1708158
本文链接：https://www.wllwen.com/guanlilunwen/gongchengguanli/1708158.html
