论文部分内容阅读
当今社会,能耗问题越来越受到全球的关注,柔性作业车间调度问题也面临着降低能耗和提高生产效率的双重任务。在实际研究中,柔性作业车间调度问题通常不止优化一个目标,而需要同时考虑多个性能指标。本文以柔性作业车间调度问题为研究对象,以最小化最大完成时间和最小化最大能耗为优化目标,综合考虑多个柔性作业车间调度约束条件,建立柔性作业车间调度问题数学模型,将改进的多目标优化算法应用于柔性作业车间调度问题研究中,获取调度问题的最优解集,达到降低能耗和提高生产效率的目的。主要开展如下工作:1、提出一种基于改进NSGA-Ⅱ算法的多目标优化算法FNSGA。该算法用于解决传统的多目标优化算法在求解柔性作业车间调度问题时搜寻速度较慢、调度方案效率低的问题,主要从以下几方面进行改进:(1)将NSGA-Ⅱ算法与粒子群算法相融合,对参数进行有效优化,防止算法陷入局部最优;(2)改进种群的初始化操作,保证最优解集的多样性和收敛性;(3)改进的精英选择策略,考虑删除个体后对邻域个体拥挤密度的影响,保留较优个体,提高种群水平。将FNSGA与传统的多目标优化算法在柔性作业车间调度问题标准测试数据集上进行对比实验,结果表明,FNSGA在运行速度、最优解集的收敛性与个体多样性等方面均优于传统的多目标优化算法,决策者可以获得更有效的解决方案。2、提出一种改进的多目标蝗虫优化算法IMOGOA。多目标蝗虫优化算法参数设置简单、易操作,具有较大的使用空间,但也存在算法运行不稳定和易陷入局部最优等缺点,主要从以下几方面进行改进:(1)通过引入余弦自适应参数代替蝗虫优化算法中的线性自适应参数,提高算法的全局搜索能力和稳定性;(2)将归档技术应用在Pareto解集的选择过程。将IMOGOA与传统的多目标蝗虫优化算法MOGOA、NSGA-Ⅱ算法在标准测试数据集上进行对比实验,并从机器在加工不同工件的不同工序时产生的能耗相同与不同两种情况下进行分析,结果表明,IMOGOA算法在稳定性和收敛性方面均优于未改进的优化算法。