高级检索

  • ISSN 1006-3080
  • CN 31-1691/TQ

基于改进蚁群算法的多目标Job-shop动态调度

黎冰 王静 顾幸生

黎冰, 王静, 顾幸生. 基于改进蚁群算法的多目标Job-shop动态调度[J]. 华东理工大学学报(自然科学版), 2015, (4): 523-528.
引用本文: 黎冰, 王静, 顾幸生. 基于改进蚁群算法的多目标Job-shop动态调度[J]. 华东理工大学学报(自然科学版), 2015, (4): 523-528.
LI Bing, WANG Jing, GU Xing-sheng. Multi-objective Job-shop Dynamic Scheduling Based on Improved Ant Colony Algorithm[J]. Journal of East China University of Science and Technology, 2015, (4): 523-528.
Citation: LI Bing, WANG Jing, GU Xing-sheng. Multi-objective Job-shop Dynamic Scheduling Based on Improved Ant Colony Algorithm[J]. Journal of East China University of Science and Technology, 2015, (4): 523-528.

基于改进蚁群算法的多目标Job-shop动态调度

基金项目: 

国家自然科学基金(61104178,61174040)

上海市科委基础研究重点项目(12JC1403400)

中央高校基本科研业务费专项基金

详细信息
  • 中图分类号: TP18

Multi-objective Job-shop Dynamic Scheduling Based on Improved Ant Colony Algorithm

  • 摘要: 实际作业车间调度中多目标的动态优化更符合生产的需求。利用多目标优化问题的Pareto解集思想构建最大完工时间最小以及总拖期时间最小的数学模型,以事件驱动作为动态调度策略实现作业车间的动态调度。采用多目标蚁群算法优化启发式算法,并对算法的转移概率及全局信息素更新进行改进,加快算法的搜索收敛速度同时避免陷入局部最优。仿真实验证明,改进后的算法能实现Pareto前沿较好的均匀性与分布性,对双目标调度以及单个目标独自调度时的甘特图对比,表明双目标优化算法能更好地平衡各个目标的解。最后对急件插入以及机器故障两种动态事件进行仿真,验证了改进蚁群算法在实际动态调度中有较好的实现。

     

  • [1] Chaudhry I A.Job shop scheduling problem with alternative machines using genetic algorithms[J]. Journal of Central South University, 2012,19(5):1322-1333.
    [2] 段海滨,王道波,于秀芬.蚁群算法的研究进展评述[J].自然杂志,2006,28(2):102-105.
    [3] Arnaout J P,Rabadi G,Musa R. A two-stage ant colony optimization algorithm to minimize the makespan on unrelated parallel machines with sequence-dependent setup times[J]. Journal of Intelligent Manufacturing,2010,21(6):693-701.
    [4] Gan Rongwei, Guo Qingshun, Chang Huiyou, et al. Improved ant colony optimization algorithm for the traveling salesman problems[J].Journal of System Engineering and Electronics,2010,21(2):329-333.
    [5] 屈先锋,左荣春.一种改进蚁群算法及其在VRP中的应用[J].科学技术与工程,2008,8(2):563-565.
    [6] 刘志刚,李言,李淑娟.基于蚁群法的Job-shop多资源约束车间作业调度[J].系统仿真学报,2007,19(1):36-40.
    [7] 温文波,杜维.蚁群算法概述[J].石油化工自动化,2002(1):19-22.
    [8] Sindhya K,Miettinen K.A hybrid framework for evolutionary multi-objective optimization[J].IEEE Transactions on Evolutionary Computation,2013,17(4):495-511.
    [9] Crews J H, Mattson M G, Buckner G D. Multi-objective control optimization for semi-active vehicle suspension[J]. Journal of Sound and Vibration, 2011,330:5502-5516.
    [10] 王策,王书锋,冯冬青,等.混合粒子群算法在Job-shop动态调度中的应用[J].计算机工程与应用,2010,46(26):219-222.
    [11] 张利平,吴正佳,王魁,等.改进蚁群算法在车间作业调度中的应用研究[J].三峡大学学报:自然科学版,2009,31(2):75-78.
    [12] 王丽红,倪志伟,高雅卓.改进的蚁群算法求解多目标作业车间调度问题[J].计算机技术与发展,2008,18(10):49-52.
    [13] Christoforos C, Krzysztof F, Khalil S H. A hybrid searching method for the unrelated parallel machine scheduling problem[C]//AIAI 2010 6th IFIP Conference on Artificial Intelligence Application and Innovations. Larnaca, Cypru:DBLP, 2010:230-237.
  • 加载中
计量
  • 文章访问数:  1644
  • HTML全文浏览量:  147
  • PDF下载量:  631
  • 被引次数: 0
出版历程
  • 收稿日期:  2014-09-28
  • 刊出日期:  2015-09-07

目录

    /

    返回文章
    返回