Shuffled Complex Evolution算法及其在車間調(diào)度中的應(yīng)用研究.pdf

1、車間調(diào)度問題的復(fù)雜性使得傳統(tǒng)的常規(guī)方法已經(jīng)很難或者無法解決，研究新的解決方法顯得越來越重要。近年來，以借鑒自然現(xiàn)象形成的智能優(yōu)化算法因其良好的性能而得到了廣泛的應(yīng)用。許多研究者將精力集中在研究高性能的優(yōu)化算法以及將算法用于求解現(xiàn)實(shí)中的實(shí)際問題上。ShuffledComplexEvolution(SCE)算法是一種較新的群體智能優(yōu)化算法，具有很強(qiáng)的空間搜索能力，在解決大規(guī)模復(fù)雜問題時(shí)求解效率高、速度快。針對(duì)此，本文研究SCE算法及其在車間

2、調(diào)度中的應(yīng)用。主要內(nèi)容如下:
　　 (1)首先介紹了SCE算法的研究背景及當(dāng)前國(guó)內(nèi)外對(duì)于SCE算法的研究進(jìn)展，對(duì)其應(yīng)用領(lǐng)域進(jìn)行了大量的追蹤研究。同時(shí)對(duì)車間調(diào)度問題的研究現(xiàn)狀也進(jìn)行了系統(tǒng)的闡述，針對(duì)當(dāng)前存在的問題進(jìn)行了深入的研究。
　　 (2)研究了典型的優(yōu)化問題以及優(yōu)化方法。優(yōu)化問題包括函數(shù)優(yōu)化問題和組合優(yōu)化問題，優(yōu)化方法有遺傳算法和粒子群優(yōu)化算法。
　　 (3)深入研究了基本的SCE算法，針對(duì)基本SCE算法在求

3、解高維復(fù)雜問題時(shí)存在收斂速度慢及求解質(zhì)量差等缺陷，提出了一種改進(jìn)的SCE算法。該算法通過改變基本SCE算法中新個(gè)體沿著最優(yōu)解和次優(yōu)解中間方向進(jìn)化的策略，使其趨向于當(dāng)前群體中最優(yōu)個(gè)體的方向，加快了求解速度并提高了最優(yōu)解的質(zhì)量，降低陷入局部最優(yōu)的概率。同時(shí)基于隨機(jī)過程理論證明了改進(jìn)SCE算法中個(gè)體的更新過程為Markov過程且具有全局收斂性，通過八個(gè)Benchmark函數(shù)進(jìn)行驗(yàn)證，結(jié)果表明，改進(jìn)的SCE算法在獲取最終解的質(zhì)量和收斂速度方面是

4、有效的。
　　 (4)將改進(jìn)的SCE算法用于JobShop調(diào)度問題中，以求解工件的最小最大完成時(shí)間為目標(biāo)，通過序列映射方式將連續(xù)定義域空間中的變量映射到離散的組合優(yōu)化問題空間中，同時(shí)采用基于工序編碼的方式進(jìn)行編碼，最后使用順序插入解碼機(jī)制對(duì)其解碼。將改進(jìn)的SCE算法用于求解經(jīng)典JobShop調(diào)度問題，并將結(jié)果與基本SCE算法進(jìn)行比較。結(jié)果表明，改進(jìn)的SCE算法在解決JobShop調(diào)度問題上相比基本SCE算法更加有效。
　　

5、 (5)將SCE算法用于置換FlowShop調(diào)度問題中，以求解工件的最小最大完成時(shí)間為目標(biāo)，通過LOV機(jī)制將連續(xù)定義域空間中的變量映射到離散的組合優(yōu)化問題空間中，對(duì)工件變量采用基于實(shí)數(shù)的編碼方式編碼。最后將SCE算法用于求解29個(gè)典型置換FlowShop調(diào)度問題，并將其與已有的智能優(yōu)化算法PSO、DE、GA、NEH等進(jìn)行比較，結(jié)果表明，SCE算法在求解該類調(diào)度問題上的整體性能要高于其他智能算法，驗(yàn)證了SCE算法在置換FlowShop調(diào)