帶約束的多目標(biāo)進(jìn)化算法及其應(yīng)用研究.pdf

1、車間調(diào)度問題對(duì)企業(yè)提高資源利用率、節(jié)約成本、提高運(yùn)行效率起著關(guān)鍵作用。但車間調(diào)度問題是一個(gè)多目標(biāo)優(yōu)化問題,且這些目標(biāo)之間往往是相互沖突的,傳統(tǒng)的解決方法是將多目標(biāo)優(yōu)化問題通過一定的處理轉(zhuǎn)化為單目標(biāo)優(yōu)化問題,這種處理方法每次實(shí)驗(yàn)只能得到單一的最優(yōu)解。為了得到多個(gè)可行較優(yōu)解,就需要進(jìn)行多次重復(fù)實(shí)驗(yàn),這大大降低了優(yōu)化效率。因此,研究一種高效的、可解決多目標(biāo)的、帶約束的優(yōu)化算法來解決諸如車間調(diào)度這類實(shí)際生產(chǎn)問題,具有重要的理論與實(shí)踐意義。

2、>　　 差分進(jìn)化(Differential Evolution,DE)算法是一種高效的、解決連續(xù)優(yōu)化問題的進(jìn)化算法,本文對(duì)如何利用DE算法解決當(dāng)前工程實(shí)際中最常見的多目標(biāo)約束優(yōu)化問題作了深入研究。研究?jī)?nèi)容主要從以下兩方面進(jìn)行:一是研究如何提高DE算法在解決多目標(biāo)約束優(yōu)化問題的算法效率；二是研究DE算法在車間調(diào)度優(yōu)化中的應(yīng)用。
　　 第一部分的研究?jī)?nèi)容為:
　　 (1)研究了如何將解決單目標(biāo)、無約束優(yōu)化問題的標(biāo)準(zhǔn)DE算法

3、用于解決多目標(biāo)約束優(yōu)化問題。在對(duì)標(biāo)準(zhǔn)DE算法分析研究的基礎(chǔ)上,提出了一種基于雙群體搜索機(jī)制的改進(jìn)DE算法來解決多目標(biāo)約束優(yōu)化問題,采用了兩個(gè)不同種群分別保存可行個(gè)體與不可行個(gè)體的雙群體約束處理策略,利用基于Pareto的分類排序多目標(biāo)優(yōu)化技術(shù)來完成對(duì)進(jìn)化個(gè)體解的評(píng)價(jià)。并通過混沌群體初始化、自適應(yīng)交叉和變異操作來提高DE算法的性能。用三個(gè)標(biāo)準(zhǔn)benchmark函數(shù)對(duì)其進(jìn)行測(cè)試,驗(yàn)證了其解決低維多目標(biāo)約束優(yōu)化問題的有效性；
　　 (

4、2)針對(duì)標(biāo)準(zhǔn)DE算法在解決多目標(biāo)優(yōu)化問題時(shí)其多樣性與收斂性之間的平衡維持難題,提出了基于自適應(yīng)動(dòng)態(tài)變異和非支配解二次變異的改進(jìn)DE算法。用六個(gè)標(biāo)準(zhǔn)測(cè)試函數(shù)對(duì)其進(jìn)行測(cè)試,驗(yàn)證了其性能優(yōu)于非支配排序遺傳算法和標(biāo)準(zhǔn)DE算法；
　　 (3)針對(duì)標(biāo)準(zhǔn)DE算法在求解多目標(biāo)優(yōu)化問題時(shí)非支配解數(shù)目過少、易陷入局部最優(yōu)的不足,提出了一種結(jié)合分階段二次變異和混沌理論的改進(jìn)DE算法來解決多目標(biāo)約束優(yōu)化問題。用典型測(cè)試問題對(duì)其進(jìn)行測(cè)試,驗(yàn)證了所提算法能

5、在全局搜索性能和局部搜索性能之間維持較好平衡。
　　 第二部分的研究?jī)?nèi)容為:
　　 (1)研究了如何用DE算法來解決多目標(biāo)流水車間調(diào)度問題。主要工作是對(duì)標(biāo)準(zhǔn)DE算法進(jìn)行了改進(jìn),使DE算法的應(yīng)用范圍從解決連續(xù)優(yōu)化問題擴(kuò)展到離散優(yōu)化問題,構(gòu)建了適合求解多目標(biāo)流水車間調(diào)度問題的離散DE算法,用經(jīng)典調(diào)度模型的標(biāo)準(zhǔn)測(cè)試問題集對(duì)其進(jìn)行測(cè)試,驗(yàn)證了算法的有效性；
　　 (2)研究了如何用DE算法來解決更為復(fù)雜的多目標(biāo)作業(yè)車間調(diào)