混合蛙跳算法及其在車間調(diào)度中的應(yīng)用研究.pdf

1、隨著社會的發(fā)展和科技的進步，人們在實際的工程應(yīng)用中遇到了越來越多的復雜優(yōu)化問題，它們大多具有大規(guī)模性、非線性、多約束性等特點。車間調(diào)度問題就是這類問題的典型代表。傳統(tǒng)的優(yōu)化方法如動態(tài)規(guī)劃、線性規(guī)劃、分支定界等已經(jīng)很難應(yīng)對這些問題。近些年來，人們模擬自然界中生物進化的過程，提出了智能優(yōu)化算法，此類算法能有效地解決這類復雜問題。混合蛙跳算法（Shuffled Frog Leaping Algorithm，SFLA）是一種新型的后啟發(fā)式智能優(yōu)

2、化算法，該算法除具備智能優(yōu)化算法所具有的一些優(yōu)點外，如通用性強、魯棒性強等，由于其特有的尋優(yōu)機制和實現(xiàn)原理，它還具有參數(shù)少、結(jié)構(gòu)簡單、易于實現(xiàn)等特點。本文通過對SFLA的尋優(yōu)機制和實現(xiàn)原理進行深入的研究和分析，對基本SFLA做了改進，提高了算法的優(yōu)化性能并將改進算法應(yīng)用到了車間調(diào)度問題中。主要內(nèi)容如下：
　　(1)介紹了SFLA的研究背景，深入分析了當前國內(nèi)外對于SFLA的研究現(xiàn)狀。同時對車間調(diào)度問題的研究現(xiàn)狀也進行了系統(tǒng)的分析，

3、針對當前存在的問題進行了深入的研究。
　　(2)研究了智能優(yōu)化類算法，給出這類算法的基本框架，并介紹了幾種常見的智能優(yōu)化算法。對SFLA的基本原理、構(gòu)成要素、參數(shù)配置、搜索策略等進行了深入的研究和分析，給出了算法的基本流程。
　　(3)深入分析了基本SFLA的尋優(yōu)機制和實現(xiàn)原理，針對基本SFLA存在的收斂速度慢、優(yōu)化精度低且容易陷入局部最優(yōu)問題，提出一種改進SFLA。該算法對基本SFLA的組內(nèi)更新策略進行重新設(shè)計，引入自適應(yīng)

4、變異因子來控制青蛙的移動步長；在進化過程中，將粒子群優(yōu)化算法有機的嵌入其中，從而增加了搜索過程中發(fā)現(xiàn)新解的概率，使SFLA不易陷入局部最優(yōu)。通過仿真實驗結(jié)果表明改進SFLA具有更好的優(yōu)化性能。
　　(4)研究了作業(yè)車間調(diào)度問題，建立了目標函數(shù)是工件最小化最大完成時間的數(shù)學模型，并采用改進SFLA求解該問題。由于改進SFLA更適于求解連續(xù)優(yōu)化問題，而作業(yè)車間調(diào)度是離散組合優(yōu)化問題，因此采用相應(yīng)的編碼映射機制將連續(xù)空間變量轉(zhuǎn)化成離散空