求解可重入作业车间调度问题的改进离散微粒群优化算法

doi:10.3976/j.issn.1002-4026.2017.06.017

山东科学 ›› 2017, Vol. 30 ›› Issue (6): 105-119.doi: 10.3976/j.issn.1002-4026.2017.06.017

求解可重入作业车间调度问题的改进离散微粒群优化算法

万婧

山东省科学院海洋仪器仪表研究所，山东省海洋仪器仪表科技中心，山东青岛 26600

收稿日期:2017-01-03 出版日期:2017-12-20 发布日期:2017-12-20
作者简介:万婧（1989—），女，助理工程师，研究方向为海洋技术。E-mail:1066358426@qq.com
基金资助:
青岛市市南区科技发展基金(2016-2-012-ZH )

Improved discrete particle swarm optimization algorithm to solve the reentrant jobshop scheduling problem

WAN Jing

Shandong Technological Center of Oceanographic Instrumentation，Institute of Oceanographic Instrumentation, Shandong Academy of Sciences，Qingdao 26600, China

Received:2017-01-03 Online:2017-12-20 Published:2017-12-20

摘要/Abstract

摘要：

本文针对可重入作业车间调度问题，对离散微粒群算法的搜索方式进行改进，混合一种变异机制，并结合Interchange邻域局部搜索机制，设计与开发有效的混合离散微粒群算法。通过实验仿真结果的比较，有力地证明了所提算法的有效性。

关键词: 作业车间, 离散微粒群算法, 局部搜索

Abstract:

In this paper, by combining the existing discrete particle swarm optimization algorithm with a small but effective local search, an effective hybrid discrete particle swarm optimization algorithm was formed. This paper also discussed how to fuse the local search to optimize the discrete particle swarm. And the effectiveness of the proposed algorithm has been proved by the comparison of the simulation results.

Key words: local search, discrete particle swarm optimization algorithm, job-shop

中图分类号:

TP301.6

万婧. 求解可重入作业车间调度问题的改进离散微粒群优化算法[J]. 山东科学, 2017, 30(6): 105-119.

WAN Jing. Improved discrete particle swarm optimization algorithm to solve the reentrant jobshop scheduling problem[J]. SHANDONG SCIENCE, 2017, 30(6): 105-119.

参考文献

［1］PARPINELLI R S, LOPES H S. New inspirations in swarm intelligence:A survey[J] International Journal of BioInspired Computation，2011，3（1）:146159.
［2］马丁,陈庆新,毛宁，等.具有交货期约束带准备时间的平行机分批调度[J]. 计算机集成制造系统，2012，18(01):159188.
［3］WANG L, WANG S Y, XU Y,et al. A bipopulation based estimation of distribution algorithm for the flexible jobshop scheduling problem[J] . Computers & Industrial Engineering，2012，62(4): 917926.
［4］汪慎文,丁立新,张文生.差分进化算法研究进展[J]. 武汉大学学报(理学版)，2014，60(4): 283292.
［5］YANG X S. Flower pollination algorithm for global optimization[C]//International Conference on Unconventional Computing and Natural Computation. Berlin Springer，2012: 240249..
［6］李修琳,鲁建厦,柴国钟,等.混合蜂群算法求解柔性作业车间调度问题[J].计算机集成制造系统，2011，17(7): 14951500.
［7］吴尤可,王田.基于蚁群群体智能理论的创新政策扩散研究[J]. 科学学与科学技术管理，2014，35(4): 3540.
［8］ZHANG R, SONG S J, WU C. A hybrid artificial bee colony algorithm for the job shop scheduling problem[J] .International Journal of Production Economics，2013，141 (1) : 167178.
［9］WANG L, ZHOU G, XU Y, et al. An effective artificial bee colony algorithm for the flexible jobshop scheduling problem[J] .The International Journal of Advanced Manufacturing Technology，2012,60(1): 303315.
［10］王圣尧,王凌,许烨.求解混合流水车间调度问题的分布估计算法[J]. 自动化学报，2012，38(3): 437433.
［11］夏小翔.改进的微粒群优化算法[J].鄂州大学学报，2011，18(5): 57.

[1]	刘书磊, 杜家乐, 邵增珍. 一种基于邻居节点和边的复杂网络节点排序方法——NL中心性算法[J]. 山东科学, 2019, 32(2): 130-136.
[2]	董伟. 一个改进的变邻域搜索方法求解k-card问题[J]. J4, 2011, 24(1): 93-96.

求解可重入作业车间调度问题的改进离散微粒群优化算法

Improved discrete particle swarm optimization algorithm to solve the reentrant jobshop scheduling problem

PDF (PC)

赞

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 2

Metrics

本文评价

推荐阅读 0