协同学习型差分进化算法及其在车间调度问题中的应用研究
发布时间：2020-12-18 12:34
随着制造系统节能问题的日益突出,绿色调度已成为制造系统领域研究的热点和关键问题。零等待流水车间调度作为一类典型调度问题,具有重要的工业应用价值,因而受到广泛的研究。很多已有的生产过程优化问题研究中,对调度模型做了很大的简化,没有考虑能源消耗约束。由于带能源约束的零等待流水车间调度问题内在的复杂性,传统的精确求解算法无法求解。而智能优化算法因其不依赖问题的数学模型,也不需要梯度信息,因而在复杂优化问题的求解中得到了广泛的应用。差分进化算法是一类典型的群体智能优化算法,因它的控制参数少、易于实现、简单而强有力的搜索框架而得到广泛研究和应用。本课题针对零等待流水车间的节能调度问题,提出协同学习型差分进化算法及两阶段协同演化算法,具体内容如下:（1）一个带有限内存的拟牛顿法的CMA-ES扰动辅助的混合协同差分进化算法（A hybrid cooperative differential evolution with the perturbation of CMAES with local search of Limited-Memory Broyden–Fletcher–Goldfarb–Sha...
【文章来源】：兰州理工大学甘肃省
【文章页数】：92 页
【学位级别】：硕士
【部分图文】：
Mtsls1算法沿维度搜索(来自文献[70]
协同学习型差分进化算法及其在车间调度问题中的应用研究22表3.12jSO_CMA-ES_LBFGS和jSO在30、50维函数上的Wilcoxon测试jSO_CMA-ES_LBFGSvsR+R-Zp-value=0.1=0.0530jSO53.00178.00-2.1730.030YesYes50jSO65.50187.50-1.9810.048YesYes图3.6jSO_CMA-ES的运行机制.图3.7jSO_LBFGS的运行机制如图3.7所示。如果jSO_CMA-ES_LBFGS中没有CMA-ES算子，则jSO_CMA-ES_LBFGS退化为jSO_LBFGS。如表3.11所示，在=0.1的显著性水平下，未观察到jSO_LBFGS与jSO之间的显著性差异。因此，jSO_LBFGS的扰动强度不足。但是，如表3.12所示，对于30和50维的测试函数，在=0.1和=0.05的显著性水平下，jSO_CMA-ES_LBFGS的搜索性能明显优于jSO的搜索性能。因此，jSO，CMA-ES和LBFGS是不可分割且不可缺少的有机整体，可实现“1+1+1>3”的效果，而不是“1+1>2”的效果。
协同学习型差分进化算法及其在车间调度问题中的应用研究22表3.12jSO_CMA-ES_LBFGS和jSO在30、50维函数上的Wilcoxon测试jSO_CMA-ES_LBFGSvsR+R-Zp-value=0.1=0.0530jSO53.00178.00-2.1730.030YesYes50jSO65.50187.50-1.9810.048YesYes图3.6jSO_CMA-ES的运行机制.图3.7jSO_LBFGS的运行机制如图3.7所示。如果jSO_CMA-ES_LBFGS中没有CMA-ES算子，则jSO_CMA-ES_LBFGS退化为jSO_LBFGS。如表3.11所示，在=0.1的显著性水平下，未观察到jSO_LBFGS与jSO之间的显著性差异。因此，jSO_LBFGS的扰动强度不足。但是，如表3.12所示，对于30和50维的测试函数，在=0.1和=0.05的显著性水平下，jSO_CMA-ES_LBFGS的搜索性能明显优于jSO的搜索性能。因此，jSO，CMA-ES和LBFGS是不可分割且不可缺少的有机整体，可实现“1+1+1>3”的效果，而不是“1+1>2”的效果。
【参考文献】：
硕士论文
[1]车间调度问题的适应度地形及智能优化算法研究[D]. 杨国强.兰州理工大学 2018
本文编号：2924007
【文章来源】：兰州理工大学甘肃省
【文章页数】：92 页
【学位级别】：硕士
【部分图文】：
Mtsls1算法沿维度搜索(来自文献[70]
协同学习型差分进化算法及其在车间调度问题中的应用研究22表3.12jSO_CMA-ES_LBFGS和jSO在30、50维函数上的Wilcoxon测试jSO_CMA-ES_LBFGSvsR+R-Zp-value=0.1=0.0530jSO53.00178.00-2.1730.030YesYes50jSO65.50187.50-1.9810.048YesYes图3.6jSO_CMA-ES的运行机制.图3.7jSO_LBFGS的运行机制如图3.7所示。如果jSO_CMA-ES_LBFGS中没有CMA-ES算子，则jSO_CMA-ES_LBFGS退化为jSO_LBFGS。如表3.11所示，在=0.1的显著性水平下，未观察到jSO_LBFGS与jSO之间的显著性差异。因此，jSO_LBFGS的扰动强度不足。但是，如表3.12所示，对于30和50维的测试函数，在=0.1和=0.05的显著性水平下，jSO_CMA-ES_LBFGS的搜索性能明显优于jSO的搜索性能。因此，jSO，CMA-ES和LBFGS是不可分割且不可缺少的有机整体，可实现“1+1+1>3”的效果，而不是“1+1>2”的效果。
协同学习型差分进化算法及其在车间调度问题中的应用研究22表3.12jSO_CMA-ES_LBFGS和jSO在30、50维函数上的Wilcoxon测试jSO_CMA-ES_LBFGSvsR+R-Zp-value=0.1=0.0530jSO53.00178.00-2.1730.030YesYes50jSO65.50187.50-1.9810.048YesYes图3.6jSO_CMA-ES的运行机制.图3.7jSO_LBFGS的运行机制如图3.7所示。如果jSO_CMA-ES_LBFGS中没有CMA-ES算子，则jSO_CMA-ES_LBFGS退化为jSO_LBFGS。如表3.11所示，在=0.1的显著性水平下，未观察到jSO_LBFGS与jSO之间的显著性差异。因此，jSO_LBFGS的扰动强度不足。但是，如表3.12所示，对于30和50维的测试函数，在=0.1和=0.05的显著性水平下，jSO_CMA-ES_LBFGS的搜索性能明显优于jSO的搜索性能。因此，jSO，CMA-ES和LBFGS是不可分割且不可缺少的有机整体，可实现“1+1+1>3”的效果，而不是“1+1>2”的效果。
【参考文献】：
硕士论文
[1]车间调度问题的适应度地形及智能优化算法研究[D]. 杨国强.兰州理工大学 2018
本文编号：2924007
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/2924007.html
