混沌压缩非线性粒子群算法求解车间调度问题

发布时间：2022-01-08 14:01

　　针对大规模车间调度问题,提出了一种混沌压缩非线性粒子群算法。首先运用多种群策略增加粒子多样性,结合混沌策略和非线性策略改进惯性权重,以平衡全局和局部搜索能力,加快算法后期收敛速度;再引入压缩因子改进算法速度更新公式,加大算法前期搜索范围,以防止算法陷入局部最优;最后用6种车间作业经典算例分别对粒子群算法、遗传算法、灰狼算法和混沌压缩非线性粒子群算法进行检验。实验结果表明,该方法可以显著提升粒子群算法的收敛精度和速度,对于实际大规模车间调度问题适应性较好,能有效提高车间的生产效率。 

【文章来源】：现代制造工程. 2020,(09)北大核心CSCD

【文章页数】：9 页

【部分图文】：

多种群搜索变异过程图

式(9)中,当σ偏小时,函数值αt会随着迭代次数的增加收敛于一个特定的值;而当σ接近于4时,随着迭代次数的增加,产生的αt是一系列随机分布的函数值。σ取不同值时αt的分布情况如图2所示。图2a和图2b所示分别为σ=3.98和σ=2.6且迭代次数为300时函数值αt的分布情况。可以看出,当σ=2.6时,随着迭代次数的增加函数值αt分布趋近于0.6～0.7之间的某个定值;而当σ=3.98时,随着迭代次数的增加函数值αt呈随机分布,为了进一步得到αt的初始函数值α0和σ的最优取值,绘制当t=300时,Logistic映射函数中αt分别随σ和α0变化的函数值分布图,αt随σ数值变化的分布情况如图3所示,αt随α0数值变化的分布情况图4所示。

式(10)中,当ωmax=0.9、ωmin=0.4时搜索效果较好,通过混沌映射能够明显加强粒子群算法的全局搜索能力和粒子的多样性。图4 αt随α0数值变化分布情况

【参考文献】：
期刊论文
[1]基于基因表达式编程的单AGV加工车间调度规则生成[J]. 成丽新,唐秋华,张利平.  现代制造工程. 2020(01)
[2]应用强化学习算法求解置换流水车间调度问题[J]. 张东阳,叶春明.  计算机系统应用. 2019(12)
[3]改进人工蜂群算法求解模糊柔性作业车间调度问题[J]. 郑小操,龚文引.  控制理论与应用. 2020(06)
[4]遗传算法解柔性作业车间调度问题应用综述[J]. 罗雄,钱谦,伏云发.  计算机工程与应用. 2019(23)
[5]混合鲸鱼算法在柔性作业车间系统中的应用[J]. 张斯琪,倪静.  系统科学学报. 2020(01)
[6]直觉模糊集相似度遗传算法求解多目标车间调度问题[J]. 徐文婕,朱光宇.  控制理论与应用. 2019(07)
[7]新型教与同伴学习粒子群算法求解作业车间调度问题[J]. 董君,叶春明.  计算机应用研究. 2019(12)
[8]基于文化基因算法的开放车间调度问题研究[J]. 陈祥,朱传军,张超勇.  工业工程. 2018(06)
[9]基于改进粒子群算法的离散制造车间柔性调度优化[J]. 黎书文,张成龙,周知进.  组合机床与自动化加工技术. 2018(11)
[10]柔性作业车间调度的改进邻域结构混合算法[J]. 赵诗奎.  计算机集成制造系统. 2018(12)



本文编号：3576684