求解模糊柔性作业车间调度的多目标进化算法

王春; 田娜; 纪志成; 王艳

doi:10.3969/j.issn.0372-2112.2017.12.012

您当前的位置：

首页 >

文章列表页 >

求解模糊柔性作业车间调度的多目标进化算法

学术论文 | 更新时间：2025-07-16

- 求解模糊柔性作业车间调度的多目标进化算法
- Multi-objective Evolutionary Algorithm to Solve Fuzzy Flexible Job Shop Scheduling Problem
- 电子学报 2017年45卷第12期页码：2909-2916
- 作者机构：
  
  1. 江南大学教育部物联网技术应用工程中心,江苏,无锡,214122
  2. 江南大学人文学院,江苏,无锡,214122
  3. 江南大学教育部物联网技术应用工程中心,江苏,无锡,214122
  4. 江南大学人文学院,江苏,无锡,214122
- 作者简介：
- 基金信息：
  
  国家自然科学基金 (No.61572238）;江苏省杰出青年基金 (No.BK20160001）
- DOI：10.3969/j.issn.0372-2112.2017.12.012
  中图分类号： TP302
- 网络出版：2017-12-25，
  
  纸质出版：2017
- 稿件说明：
移动端阅览
王春, 田娜, 纪志成, 等. 求解模糊柔性作业车间调度的多目标进化算法[J]. 电子学报, 2017,45(12):2909-2916.

WANG Chun, TIAN Na, JI Zhi-cheng, et al. Multi-objective Evolutionary Algorithm to Solve Fuzzy Flexible Job Shop Scheduling Problem[J]. Acta Electronica Sinica, 2017, 45(12): 2909-2916.
王春, 田娜, 纪志成, 等. 求解模糊柔性作业车间调度的多目标进化算法[J]. 电子学报, 2017,45(12):2909-2916. DOI： 10.3969/j.issn.0372-2112.2017.12.012.

WANG Chun, TIAN Na, JI Zhi-cheng, et al. Multi-objective Evolutionary Algorithm to Solve Fuzzy Flexible Job Shop Scheduling Problem[J]. Acta Electronica Sinica, 2017, 45(12): 2909-2916. DOI： 10.3969/j.issn.0372-2112.2017.12.012.

摘要

针对实际制造车间中工序加工时间具有不确定性，将加工时间采用模糊数表示，建立一种多目标模糊柔性作业车间调度模型，并提出了有效求解该模型的多目标进化算法.算法采用混合机器分配和工序排序策略的方法产生初始种群，并采用插入空隙法对染色体进行解码.定义一种新的基于可能度的个体支配关系和一种基于决策空间的拥挤算子，并将所提支配关系和拥挤算子运用于快速非支配排序.接着，提出一种基于移动模糊关键工序的局部搜索策略.实验部分首先通过田口试验方法来研究关键参数对算法性能的影响；其次，将所提算法与三种不同的优化算法作对比.实验结果验证了所提算法的有效性.

Abstract

Seeing that the processing time is uncertain in the actual manufacturing workshop

a multi-objective fuzzy flexible job shop scheduling model is established

and then an effective multi-objective evolutionary algorithm (MOEA) is proposed to solve this model.First

a method of mixing different machine allocation and operation sequencing strategies is adopted to generate initial population and a well-designed greedy inserting algorithm is adopted for chromosome decoding.Second

a Pareto dominant relation based on possibility degree and a modified crowding distance measure in decision space are defined and further employed to improve the fast nondominated sorting.Moreover

a problem-specific local search based on fuzzy critical path theory is incorporated into MOEA.Afterwards

the influence of key parameters is investigated based on the Taguchi method of experiment.Finally

extensive comparison with three existing algorithms is carried out

and the results demonstrate the effectiveness of the proposed algorithm.

关键词

Keywords

references

浏览量

393

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于特征冗余分析的高维多任务多目标特征选择算法

基于混合进化算法的特征选择方法研究

一种MOEA分布度的逐步评价方法