结合作业车间调度问题的关键路径理论，设计了一种具有多次退火过程的调度算法。该算法利用记忆表记录下降过程中的平衡点，当一次退火过程结束后，从表中取出各平衡点的温度、状态和抽样长度重新开始退火过程，直到记忆表为空。仿真结果表明该算法在求解质量和求解效率方面均有优势。
2022-04-07 18:29:54
218KB
1
该套件可用于评估整数变量的单目标无约束优化技术的性能，并可用作黑盒优化问题。 问题的一些特点是（i）一台机器可以处理多个订单，而单个订单不能在多台机器上处理。
(ii) 一台机器在给定的时间点只能处理一个订单。
(iii) 订单的处理成本和时间取决于机器。
(iv) 每个订单都与发布和到期日期相关联。 订单的处理可以在发布日期或之后执行，但必须在到期日或之前完成。
该套件中有十个最小化优化问题（P1S1.p、P1S2.p、P2S1.p、P2S2.p、P3S1.p、P3S2.p、P4S1.p、P4S2.p、P5S1.p和P5S2.p） . 他们每个人都有以下格式
[F] = P1S1(X);
输入：人口（或解决方案，用 X 表示） 输出：总体（F）的目标函数值。
文件 ProblemDetails.p 可用于确定每个案例的下限和上限以及函数句柄。 格式是[lb,ub,fobj]
2022-03-19 19:05:14
266KB
1
果蝇优化算法的基本原理是初始化种群的中心位置，利用敏锐的嗅觉进行搜索，即根据中心位置随机产生多个邻域解。计算各可行解的味道浓度，即适应度值，然后利用视觉从中选择较好的解，更新替换中心位置，然后进行迭代寻优，以更好的靠近食物源。
FOA在整个迭代寻优过程中，所有个体都聚集到本次迭代的最优个体附近，只向当前最优果蝇个体学习，极易是算法陷入局部最优。要克服早熟的问题，必须提供一种机制可以跳出局部最优，在其他解空间中继续搜索。
2022-03-16 16:56:14
161.63MB
1
算例为流水车间调度算例，包括 car1-car8、hel1-hel2、reC01-reC42
2022-01-03 18:02:30
30KB