展會(huì)信息港展會(huì)大全

一種混合蟻群算法在jsp中的應(yīng)用研究
來源:互聯(lián)網(wǎng)   發(fā)布日期:2011-10-01 13:31:06   瀏覽:114056次  

導(dǎo)讀:作業(yè)車間調(diào)度問題是生產(chǎn)管理和組合優(yōu)化領(lǐng)域的重要研究內(nèi)容。合理地進(jìn)行生產(chǎn)調(diào)度對(duì)提高生產(chǎn)效率,減少生產(chǎn)成本,改進(jìn)產(chǎn)品質(zhì)量起著非常重要的作用。研究車間調(diào)度問...

作業(yè)車間調(diào)度問題是生產(chǎn)管理和組合優(yōu)化領(lǐng)域的重要研究內(nèi)容。合理地進(jìn)行生產(chǎn)調(diào)度對(duì)提高生產(chǎn)效率,減少生產(chǎn)成本,改進(jìn)產(chǎn)品質(zhì)量起著非常重要的作用。研究車間調(diào)度問題具有很大的理論意義和現(xiàn)實(shí)價(jià)值。 作業(yè)車間調(diào)度(job-shop調(diào)度)問題是許多實(shí)際車間調(diào)度問題的簡化模型,是一個(gè)典型的np-hard問題。該問題具有約束性、非線性、不確定性、大規(guī)模性等復(fù)雜性特點(diǎn),已被證明在多項(xiàng)式時(shí)間內(nèi)得不到最優(yōu)值。自1954年,johnson首次研究了兩臺(tái)機(jī)床的流水車間調(diào)度問題,迄今為止,已經(jīng)有很多關(guān)于該問題的解決方法,如分支界定方法、動(dòng)態(tài)規(guī)劃方法、移動(dòng)頸瓶方法、拉格朗日松弛法及各種智能算法等。不管是精確算法還是啟發(fā)式算法均有其自身的局限性。為了更好的解決作業(yè)車間調(diào)度問題,考慮將各種算法結(jié)合揚(yáng)長避短以達(dá)到最佳效果是當(dāng)前解決此問題的主要研究方法。 本文針對(duì)基本作業(yè)車間調(diào)度問題,利用回溯相鄰交換方法對(duì)傳統(tǒng)的蟻群優(yōu)化算法進(jìn)行改進(jìn)。對(duì)蟻群優(yōu)化算法中的全局信息素更新規(guī)則進(jìn)行調(diào)整,求解生產(chǎn)周期最小的排程方案。最后通過仿真實(shí)驗(yàn),驗(yàn)證了該算法比單純使用蟻群算法能夠更好的緩和早熟和收斂速度之間的矛盾。 基本作業(yè)車間調(diào)度問題中,每個(gè)工件的每道工序只能在一臺(tái)固定的機(jī)器上加工,在實(shí)際生產(chǎn)環(huán)境中,問題往往更加復(fù)雜。因此本文進(jìn)一步研究了每道工序可以在多臺(tái)機(jī)器上加工,且在每臺(tái)機(jī)器上的加工時(shí)間不等的情況,針對(duì)這一特點(diǎn),對(duì)文章提出的混合蟻群算法稍加改進(jìn)后,應(yīng)用于該問題中,并進(jìn)行了仿真實(shí)驗(yàn),驗(yàn)證了該算法在柔性作業(yè)車間調(diào)度問題中的有效性。

贊助本站

相關(guān)內(nèi)容
AiLab云推薦
展開

熱門欄目HotCates

Copyright © 2010-2025 AiLab Team. 人工智能實(shí)驗(yàn)室 版權(quán)所有    關(guān)于我們 | 聯(lián)系我們 | 廣告服務(wù) | 公司動(dòng)態(tài) | 免責(zé)聲明 | 隱私條款 | 工作機(jī)會(huì) | 展會(huì)港