聚类差分进化算法求解多目标工艺规划与调度集成问题
发布时间：2021-02-14 23:10
针对多目标工艺规划与调度集成问题,以完工时间、交货总拖期和设备工作负荷为优化目标,建立了多目标非线性工艺规划集成模型,提出一种聚类差分进化算法。该算法设计了包含工艺、设备和加工顺序信息的3层编码结构,结合聚类算法、差分进化算法和遗传算法的相关操作,有效地优化工艺信息和调度方案,保持可行解的多样性,实现Pareto非支配解集快速更新。通过对Pareto非支配解集进行领域搜索,使其更加接近或到达Pareto最优解集。最后通过实例验证了算法的性能。
【文章来源】：计算机集成制造系统. 2019,25(07)北大核心
【文章页数】：10 页
【部分图文】：
图１主动解码??受支配数小于的的可行解进行领域搜索，提高??
??Ｉ?＊?Ｉ?ｕ６Ｐ６??式中：尤为解集ｈ与Ｐａｒｅｔｏ最优解集匕中第ｍ个??非支配解的最小距离；人（ｘ）为解集巧中可行解的??第ｗ个目标值；ｒ为目标数；九Ｕ）为Ｐ，，中第Ｍ个??非支配解第ｗ个目标值；和分别为Ｐ＊中??第ｗ个目标的最大值和最小值；｜Ｐ４｜为Ｐａｒｅｔｏ最优??解集尺的规模。??３．３可行性分析??算法搜索过程中产生的非支配解较少，因此选??取解集中非支配排序前３０个不同解组成测试解集，??通过分析测试解集相关参数检验算法可行性，重复??运行１０次后结果如图７和表３所示。??离ｃＴ判断解集与Ｐａｒｅｔｏ最优解集的逼近程度，其??计算如式（１３）和式（１４）所示。??？初始值？?１次迭代?＊?１０次迭代??图７测试解集迭代过程??表３测试结果表??迭代次数??Ｎ＊??５＊??ｃＴ??０??２．?２３７??０．?００５??３．?５９９??１??４．?１６２??０．?０２９??１．?８６８??２??２．?９７４??０．?０１２??１．?１６９??３??３．?６１３??０．０４０??０．?６７２??４??４??０．?０７４??０??５??４??０．?１４１??０??６??４??０．?１９８??０??７??４??０．?２５７??０??８??４??０．?３２０??０??９??４??０．?３９２??０??１０??４??０．?４７０??０??图６?ＣＤＥ算法流程??３实例分析??３．１实例信息??本文基于ＭＡＴＬＡＢ软件平台编程实现ＣＤＥＡ??求解多目标ＩＰＰＳ问题，分别以５Ｘ５［１°］，８Ｘ８，２０Ｘ??５［１７］（ａＸｂ表示ａ种工件在ｂ台机器上加工）问题为??测试对象，测试ＣＤＥＡ
中Ｇｒａｍｍａｔｉｃａｌ?ａｐｐｒｏａｃｈ算法和ＧＲＡＳＰ算法都是??基于权重相加的方式化简化多目标为单目标，提高??算法求解效率。从表４中可以发现ＣＤＥＡ求解不??５??２??２??丁??１??２??７??５??ｂ??１??３＾??４??０?２０?４０?６０?８０?１００?１２０?１４０?１６０?１８０??最大完工时间??持较高的效率，不但获得的Ｐａｒｅｔｏ最优解个数增加，而??且质量由于前两种算法，其中有部分可行解完全支配??于其他解。图１２显示各设备平均利用率超过了?５Ｘ５??问题对应的可行解，从而证明了算法有效性。??表６?８Ｘ８测试结果表??算法??ＧＲＡＳＰ??ＨＢＭＯ??ＣＤＥＡ??／ｉ??２５３??２１３??２１４??２３３??２３６??１８３??１９１??１９５??１９６??２０１??２０８??２１２??ｈ??９０８??５９４??６１１??７７２??６９６??４９９??５１２??４９７??５１７??５１１??５０５??５０９??ｈ??２３７??２０７??１９９??１８７??１８１??１７８??１７２??１８１??１７３??１７５??１７５??１７７??工件类型??工艺路线??１??０４（４）－０２（２）－０３（１）－０５（５）??２??０１（３）－０４（４）－０２（１３）??３??０３（５）－０５（５）－０１（３）－０４（４）??４??０５（１）－０３（１）－０２（２）－０４（２）??５??０４（２）－０７（５）??（２）‘８Ｘ８’问题??表６所示为使用不同算法求解８Ｘ８问题的Ｐａｒｅｔｏ??最优解集，图１２和表７所示为最优完工时间对应解的??调度方
【参考文献】：
期刊论文
[1]基于蚁群算法的多加工路线柔性车间调度问题[J]. 黄学文,张晓彤,艾亚晴. 计算机集成制造系统. 2018(03)
[2]考虑柔性分批的IPPS问题研究[J]. 巴黎,李言,杨明顺,刘永. 机械科学与技术. 2017(03)
[3]考虑准时化调度的IPPS问题研究[J]. 巴黎,李言,杨明顺,刘永,魏凡智. 计算机集成制造系统. 2016(10)
[4]基于模糊支配的高维多目标进化算法MFEA[J]. 毕晓君,张永建,陈春雨. 电子学报. 2014(08)
[5]工艺规划与车间调度及两者集成的研究现状和发展趋势[J]. 吕盛坪,乔立红. 计算机集成制造系统. 2014(02)
博士论文
[1]多目标集成式工艺规划与车间调度问题的求解方法研究[D]. 文笑雨.华中科技大学 2014
本文编号：3034019
【文章来源】：计算机集成制造系统. 2019,25(07)北大核心
【文章页数】：10 页
【部分图文】：
图１主动解码??受支配数小于的的可行解进行领域搜索，提高??
??Ｉ?＊?Ｉ?ｕ６Ｐ６??式中：尤为解集ｈ与Ｐａｒｅｔｏ最优解集匕中第ｍ个??非支配解的最小距离；人（ｘ）为解集巧中可行解的??第ｗ个目标值；ｒ为目标数；九Ｕ）为Ｐ，，中第Ｍ个??非支配解第ｗ个目标值；和分别为Ｐ＊中??第ｗ个目标的最大值和最小值；｜Ｐ４｜为Ｐａｒｅｔｏ最优??解集尺的规模。??３．３可行性分析??算法搜索过程中产生的非支配解较少，因此选??取解集中非支配排序前３０个不同解组成测试解集，??通过分析测试解集相关参数检验算法可行性，重复??运行１０次后结果如图７和表３所示。??离ｃＴ判断解集与Ｐａｒｅｔｏ最优解集的逼近程度，其??计算如式（１３）和式（１４）所示。??？初始值？?１次迭代?＊?１０次迭代??图７测试解集迭代过程??表３测试结果表??迭代次数??Ｎ＊??５＊??ｃＴ??０??２．?２３７??０．?００５??３．?５９９??１??４．?１６２??０．?０２９??１．?８６８??２??２．?９７４??０．?０１２??１．?１６９??３??３．?６１３??０．０４０??０．?６７２??４??４??０．?０７４??０??５??４??０．?１４１??０??６??４??０．?１９８??０??７??４??０．?２５７??０??８??４??０．?３２０??０??９??４??０．?３９２??０??１０??４??０．?４７０??０??图６?ＣＤＥ算法流程??３实例分析??３．１实例信息??本文基于ＭＡＴＬＡＢ软件平台编程实现ＣＤＥＡ??求解多目标ＩＰＰＳ问题，分别以５Ｘ５［１°］，８Ｘ８，２０Ｘ??５［１７］（ａＸｂ表示ａ种工件在ｂ台机器上加工）问题为??测试对象，测试ＣＤＥＡ
中Ｇｒａｍｍａｔｉｃａｌ?ａｐｐｒｏａｃｈ算法和ＧＲＡＳＰ算法都是??基于权重相加的方式化简化多目标为单目标，提高??算法求解效率。从表４中可以发现ＣＤＥＡ求解不??５??２??２??丁??１??２??７??５??ｂ??１??３＾??４??０?２０?４０?６０?８０?１００?１２０?１４０?１６０?１８０??最大完工时间??持较高的效率，不但获得的Ｐａｒｅｔｏ最优解个数增加，而??且质量由于前两种算法，其中有部分可行解完全支配??于其他解。图１２显示各设备平均利用率超过了?５Ｘ５??问题对应的可行解，从而证明了算法有效性。??表６?８Ｘ８测试结果表??算法??ＧＲＡＳＰ??ＨＢＭＯ??ＣＤＥＡ??／ｉ??２５３??２１３??２１４??２３３??２３６??１８３??１９１??１９５??１９６??２０１??２０８??２１２??ｈ??９０８??５９４??６１１??７７２??６９６??４９９??５１２??４９７??５１７??５１１??５０５??５０９??ｈ??２３７??２０７??１９９??１８７??１８１??１７８??１７２??１８１??１７３??１７５??１７５??１７７??工件类型??工艺路线??１??０４（４）－０２（２）－０３（１）－０５（５）??２??０１（３）－０４（４）－０２（１３）??３??０３（５）－０５（５）－０１（３）－０４（４）??４??０５（１）－０３（１）－０２（２）－０４（２）??５??０４（２）－０７（５）??（２）‘８Ｘ８’问题??表６所示为使用不同算法求解８Ｘ８问题的Ｐａｒｅｔｏ??最优解集，图１２和表７所示为最优完工时间对应解的??调度方
【参考文献】：
期刊论文
[1]基于蚁群算法的多加工路线柔性车间调度问题[J]. 黄学文,张晓彤,艾亚晴. 计算机集成制造系统. 2018(03)
[2]考虑柔性分批的IPPS问题研究[J]. 巴黎,李言,杨明顺,刘永. 机械科学与技术. 2017(03)
[3]考虑准时化调度的IPPS问题研究[J]. 巴黎,李言,杨明顺,刘永,魏凡智. 计算机集成制造系统. 2016(10)
[4]基于模糊支配的高维多目标进化算法MFEA[J]. 毕晓君,张永建,陈春雨. 电子学报. 2014(08)
[5]工艺规划与车间调度及两者集成的研究现状和发展趋势[J]. 吕盛坪,乔立红. 计算机集成制造系统. 2014(02)
博士论文
[1]多目标集成式工艺规划与车间调度问题的求解方法研究[D]. 文笑雨.华中科技大学 2014
本文编号：3034019
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3034019.html
