双机制头脑风暴优化算法在离散调度问题中的应用

"本文提出了一个结合种群多样性和讨论机制的头脑风暴优化算法，用于解决离散调度问题，特别是柔性作业车间调度问题。通过对算法的关键参数进行分析，设计了基于扩展工序的编码方式，以及聚类算法、扰动算子和合并算子，以增强算法性能。仿真计算结果显示，PD-DMBSO算法在避免早熟和提升寻优能力方面表现出色。" 离散调度问题在工业生产中是一个常见的优化挑战，特别是在柔性作业车间调度中，需要合理安排多台设备上的任务顺序和时间，以达到最小化总完成时间、最大化生产效率等目标。传统的调度方法可能面临局部最优和早熟收敛的问题，这限制了它们在复杂问题上的性能。 头脑风暴优化算法（BSO）是一种模拟人类集体创新思维过程的全局优化算法，通过模拟头脑风暴会议中的自由讨论和想法融合来探索解决方案空间。然而，原始的BSO算法可能在处理高维度和复杂问题时，由于种群多样性不足和缺乏有效的信息交流，导致性能下降。 针对这些问题，作者提出了一种双机制头脑风暴优化算法（PD-DMBSO），它结合了种群多样性和讨论机制。种群多样性机制有助于保持种群的多样性，防止算法过早陷入局部最优，而讨论机制则促进了个体之间的信息交换，有助于发现更优解。在算法设计中，作者采用了基于扩展工序的编码方式，这种编码方式可以更好地适应离散调度问题的特点，使算法能有效地处理任务间的依赖关系。 为了进一步提升算法性能，作者还设计了聚类算法来组织种群中的个体，以便于相似解的识别和处理。扰动算子则用于打破局部结构，促进种群的动态演化，防止算法陷入停滞状态。最后，合并算子被用来整合讨论过程中产生的新解，以生成更高质量的解。 通过对比典型算例的仿真计算，PD-DMBSO算法在解决离散调度问题时表现出显著优势，不仅能够有效避免早熟现象，还能显著提高搜索解空间的能力，从而提高了算法的整体优化性能。这一研究为离散调度问题的求解提供了一种新的优化工具，并且对于其他需要全局优化的复杂问题也可能具有参考价值。 总结来说，这篇论文展示了如何通过改进头脑风暴优化算法，引入种群多样性和讨论机制，来增强其解决离散调度问题的能力，特别是在柔性作业车间调度场景中的应用。这种方法的成功实施为优化算法在实际生产环境中的应用提供了新的思路和方法。