可重入混合流水车间调度优化:NEH-IGA算法解决总加权完成时间问题
39 浏览量
更新于2024-08-30
收藏 289KB PDF 举报
该文研究了可重入混合流水车间调度问题(RHFS-TWC),目标是最小化总加权完成时间,通过建立整数规划模型,并采用NEH启发式算法与IGA优化策略相结合的方法寻找高效解决方案。
本文主要探讨了一个特定的生产调度问题——可重入混合流水车间调度问题,其核心目标是降低总加权完成时间。在这个问题中,工件可以在不同的工作阶段反复进入流水线,增加了调度的复杂性。作者首先构建了一个整数规划模型来量化和优化这个问题,该模型考虑了每个工件的加权完成时间,旨在找到一个最优的加工顺序,以最小化所有工件的加权完成时间之和。
为了生成有效的初始调度解,研究者提出了一种基于二维矩阵组的调度解编码方案,该方案能够简洁地表示复杂的调度信息。接着,他们结合NEH(Nemhauser-Golomb Heuristic)启发式算法,该算法能快速生成初步的工件加工顺序,从而产生高质量的初始调度解集。
考虑到遗传算法(GA)在解决此类问题时可能会遇到早熟收敛的问题,即过早找到局部最优解而无法探索全局最优解,研究者提出了IGA(Improved Genetic Algorithm)的遗传参数自适应调整策略。这种策略能够动态改变算法的参数,以避免早熟并扩大解的空间搜索范围,提高算法的探索能力。
最终,通过将NEH启发式与IGA的遗传参数自适应调整策略融合,形成了一种名为NEH-IGA的混合算法。在不同规模的测试问题上,对比了传统GA、基于遗传参数自适应调整的IGA、NEH启发式以及NEH-IGA算法的性能。实验结果显示,NEH启发式和遗传参数自适应策略的引入显著提升了GA的性能,而NEH-IGA算法在解决RHFS-TWC问题上表现出显著的优势,能更有效地找到接近或达到全局最优的解。
关键词涉及的关键技术包括总加权完成时间(TWC)作为优化目标,可重入流水车间调度的复杂性,运输时间的考虑,以及NEH-IGA算法作为解决问题的创新工具。这篇研究对于工业生产中的调度优化,特别是在面对具有重入特性的流水线作业时,提供了理论依据和实用方法。
2021-09-29 上传
2024-10-26 上传
2019-09-07 上传
点击了解资源详情
点击了解资源详情
点击了解资源详情
点击了解资源详情
点击了解资源详情
weixin_38651165
- 粉丝: 4
- 资源: 901
最新资源
- SSM动力电池数据管理系统源码及数据库详解
- R语言桑基图绘制与SCI图输入文件代码分析
- Linux下Sakagari Hurricane翻译工作:cpktools的使用教程
- prettybench: 让 Go 基准测试结果更易读
- Python官方文档查询库,提升开发效率与时间节约
- 基于Django的Python就业系统毕设源码
- 高并发下的SpringBoot与Nginx+Redis会话共享解决方案
- 构建问答游戏:Node.js与Express.js实战教程
- MATLAB在旅行商问题中的应用与优化方法研究
- OMAPL138 DSP平台UPP接口编程实践
- 杰克逊维尔非营利地基工程的VMS项目介绍
- 宠物猫企业网站模板PHP源码下载
- 52简易计算器源码解析与下载指南
- 探索Node.js v6.2.1 - 事件驱动的高性能Web服务器环境
- 找回WinSCP密码的神器:winscppasswd工具介绍
- xctools:解析Xcode命令行工具输出的Ruby库