结合混合进化算法和知识的多目标车间调度

发布时间：2022-01-16 14:29

　　提出了一种结合混合进化算法和知识的新型多目标车间调度方法,在有限的时间或迭代次数下可以得到更好的非支配Pareto解以服务于生产调度。由优化目标和属性归纳演绎法确定了知识挖掘的工件属性,通过优先级权重得到了规则初始种群。所提出的增减排序方法通过重新局部排序初始种群中工序的位置来克服优先级下工序不足或过饱和的问题。最后由一标准案例和非支配排序遗传算法-Ⅱ（NSGA-Ⅱ）混合模拟退火算法对所提调度方法进行了验证,得到的结果无论是优化目标值还是解集的分布在不同迭代次数和初始种群尺寸下都要优于传统随机进化方法。 

【文章来源】：中国机械工程. 2020,31(24)北大核心EICSCD

【文章页数】：9 页

【部分图文】：

结合混合进化算法和知识的多目标车间 调度求解流程

加工时间是指每道工序在指定机床上所需的加工时长。对于标准案例LA18,本文将加工时间(单位时间)划分为3类。其中,将加工时间tp<37标示为“short”,37≤tp≤66标示为“middle”,tp> 66标示为“long”,如图2所示。(4)剩余时间。

剩余时间是指加工完此道工序后,该零件剩余工序所需的总加工时间,可用来衡量一个零件距离完工还需多长时间。同上述加工时间的分类,本文将剩余时间(单位时间)也划分为3类。其中,将剩余时间tr<202标示为“short”,202≤tr≤402标示为“middle”,tr>402标示为“long”,如图3所示。(5)交货期。

【参考文献】：
期刊论文
[1]大数据驱动的智能制造[J]. 张洁,汪俊亮,吕佑龙,鲍劲松.  中国机械工程. 2019(02)
[2]新型群智能优化算法综述[J]. 林诗洁,董晨,陈明志,张凡,陈景辉.  计算机工程与应用. 2018(12)



本文编号：3592846