两阶段分布估计算法优化置换流水线调度

本文主要探讨了"置换流水车间调度问题的两阶段分布估计算法"这一论文研究主题。作者孙良旭、曲殿利和刘国莉，分别来自辽宁科技大学软件学院、高温材料与镁资源学院和理学院，他们在2017年的《计算机工程与应用》杂志上发表了这项研究成果，该期的卷号为53，第2期。 论文的核心目标是解决置换流水车间调度问题，即如何有效地安排生产过程中的任务流动，以实现最小化的总流水时间。为达成这一目标，作者提出了创新的两阶段估计分布算法。在第一阶段，他们运用了Nawaz-Enscore-Ham（NEH）启发式方法来构建一个相对优化的初始个体。这种方法通常基于经验规则或搜索策略，旨在提供一个接近全局最优解的初步解决方案。接着，作者设计了一种混合策略，通过随机生成初始种群，同时引入了一种择优机制，以保持种群的多样性，确保算法能够探索多种可能的解决方案。 为了进一步优化种群，他们采用了精英机制，即在每一代中保留当前种群的最佳解，这有助于防止算法陷入局部最优解。接下来，通过概率模型，他们从这些保留的个体中采样，生成新的种群，以进行全局搜索。这一步骤利用了进化计算中的核心概念——遗传算法中的重组（如插入和互换操作），以增强算法的寻优能力。 第二阶段则是邻域搜索，通过这些操作对第一阶段得到的最优解进行微调，从而探索其周围潜在的改进方案。这种迭代的过程旨在挖掘更优的解，提升算法的整体性能。 论文通过一系列的实例实验，对比和分析了提出的两阶段分布估计算法与传统方法的性能，证实了其在处理置换流水车间调度问题上的可行性与有效性。这种算法不仅考虑了效率，也注重了搜索空间的广泛性和多样性，对于实际工业生产中的优化调度具有重要的理论和实践意义。这篇论文深入研究了组合优化问题的一种新颖求解策略，对计算机工程与应用领域内的调度问题解决提供了新的思路和技术支持。