2022双目标柔性作业车间调度FJSP的多目标进化算法IMOEA D及其复现情况和优化结果分析

最新推荐文章于 2024-09-13 14:59:21 发布

FguOjRopMj

最新推荐文章于 2024-09-13 14:59:21 发布

阅读量389

点赞数 5

文章标签：算法程序人生

本文链接：https://blog.csdn.net/FguOjRopMj/article/details/139022823

版权

2022双目标柔性作业车间调度FJSP复现
复现情况:对2022年所提基于分解的多目标进化算法IMDFA/D及其对比算法共六种算法的完整复现，包含MATLAB完整源代码及配套测试输入数据，程序到手可运行。
优化最大完成工时及机器负载（或能量消耗）
我运行了IMOEA/D的D1-D5的5个测试实例，因为每个测试实例要循环执行了30次，输出数据又采用保存到TXT的做法，耗时约半小时。
运行结果参考图片信息。
其他算法都可以正常运行。
程序来自专业人士，车间调度问题我只知道点皮毛，所以不能提供及讲解服务。
摘要: 针对同时考虑最大模糊完工时间和总模糊机器负载的双目标模糊柔性作业车间调度问题(BFFJSP), 本文提出了一种改进的基于分解的多目标进化算法(IMOEA/D), 同时最优化最大模糊完工时间和总模糊机器负载, 其主要特点是: 1) 采用3种初始化种群的策略;
2) 提出了非支配解优先策略;
3) 设计了结合5种局部搜索策略的变邻域搜索;
4) 提出了计数器策略预防陷入局部解. 运用大量实例进行了算法策略分析和对比实验, 仿真结果表明, IMOEA/D在求解BFFJSP上具有更优性能.
关键词: 双目标模糊柔性作业车间调度; 非支配解优先策略; 变邻域搜索; 计数器策略; MOEA/D
Key words: bi-objective fuzzy flexible job shop scheduling; non-dominated solution first rule; variable neighborhood search; counter strategy; MOEA/D

YID:6650691447474567

UVWY仿真编程

2022双目标柔性作业车间调度FJSP复现

摘要:
针对同时考虑最大模糊完工时间和总模糊机器负载的双目标模糊柔性作业车间调度问题(BFFJSP), 本文提出了一种改进的基于分解的多目标进化算法(IMOEA D), 同时最优化最大模糊完工时间和总模糊机器负载, 其主要特点是: 1) 采用3种初始化种群的策略; 2) 提出了非支配解优先策略; 3) 设计了结合5种局部搜索策略的变邻域搜索; 4) 提出了计数器策略预防陷入局部解. 运用大量实例进行了算法策略分析和对比实验, 仿真结果表明, IMOEA D在求解BFFJSP上具有更优性能.

关键词:
双目标模糊柔性作业车间调度; 非支配解优先策略; 变邻域搜索; 计数器策略; MOEA D

尊敬的读者们，本文将向大家介绍一个关于2022双目标柔性作业车间调度FJSP复现的技术问题。该问题主要考虑了最大模糊完工时间和总模糊机器负载两个目标，并提出了一种改进的基于分解的多目标进化算法(IMOEA D)来解决该问题。

首先，让我们来了解一下双目标模糊柔性作业车间调度问题(BFFJSP)的具体情况。在BFFJSP中，我们需要考虑到同时满足最大模糊完工时间和总模糊机器负载的要求。这意味着我们需要通过合理的调度安排来最大限度地减少作业的延迟时间，并使机器的负载分布均衡。然而，由于作业的特性和限制条件的复杂性，这一问题并不容易解决。

为了解决BFFJSP问题，本文提出了一种基于分解的多目标进化算法(IMOEA D)。该算法具有以下几个主要特点：