分别用改进的粒子群优化算法和改进的差分进化算法求解柔性作业车间调度问题
问题规模以(工件J*工序P*机器M)表示，例如J20P10M10表示共有20个工件，每个工件有10个工序，总共有10个加工机器可供选择。data文件夹中的文件表示程序所用的数据，其中data_first文件的问题规模是J10P5M6，data_second文件的问题规模是J20P10M10，data_third文件的问题规模是J20P20M15。对于其中数据的解释：横向表示工序，纵向表示机器，每个数值表示机器加工工序的耗时，工序和机器都是按顺序排列的。以data_first.txt文件为例，前五行分别表示第一个工件的5个工序分别在6台机器上加工的时间，第5-10行表示第二个工件的5个工序分别在6台机器上加工的时间，以此类推。
关于编码，本项目采用的是同类问题常用的编码方式，参考论文“基于改进遗传算法的柔性作业车间调度问题研究”，与该论文所述的编码方式不同的是，本项目的编码中第一段为工序编码，第二段为机器编码。DE文件夹中的三个文件分别采用三种不同的初始化方式，其中DE_first.py采用的是完全随机的
2022-05-07 09:10:53
22KB
一种基于遗传算法的作业车间调度问题的解决方案，陈浩哲，王晨升，作业车间调度问题(job shop scheduling problem，JSP)是复杂调度问题类型之一，有十分重要的研究意义和工程价值。本文以标准遗传算法为基础�
2022-05-02 16:22:36
264KB
1
为了有效地解决水火电力系统资源短期优化调度问题，提出了一种基于差分进化粒子群的调度算法。设计了水火电力系统资源调度问题的数学模型，给出了差分进化粒子群优化算法的框架，通过PSO种群和DE种群之间的信息交流机制以寻求全局最优位置，从而使算法具有动态自适应性，能够较容易地跳出局部最优。实验结果表明，该算法能有效解决水火发电资源调度问题，具有较好的应用价值。
2022-05-01 10:13:57
605KB
1