模拟退火算法优化PSO-GA算法解决柔性流水车间调度问题

发布时间：2024-06-15 01:21

　　针对遗传算法解决柔性流水车间调度(Flexible Flow Shop scheduling,FFSP)时问题存在的搜索效率低、容易陷入局部最优解等方面不足进行分析,提出了一种模拟退火(SA)算法优化粒子群遗传(PSO-GA)算法.首先通过增加工艺路线的对应工序数完成双层编码,自适应函数中引入CT_max和CT_min两个变量、采用自适应交叉和变异算子的方法完成对PSO-GA的改进,之后用SA算法与改进后的PSO-GA算法进行结合,完成了SA-PSO-GA算法的设计.最后将传统PSO-GA与SA-PSO-GA进行仿真比较,验证了SA-PSO-GA算法在解决FFSP问题时拥有更好地最优解和速度.

【文章页数】：4 页

【部分图文】：

图1SA-PSO-GA算法流程图

前期利用遗传算法前期搜索效率高的优势产生初始种群，前期迭代次数所占总次数的百分比为GAΦ，中期利用粒子群算法收敛速度快的特点进行中期迭代，中期迭代次数所占总次数的百分比为PSOΦ，后期利用模拟退火算法来避免PSO-GA后期容易陷入局部极值的问题，后期迭代次数百分比为SAΦ，且PS....

图2传统PSO-GA算法对应甘特图

对改进PSO-GA算法进行排产的初始粒子数为50、迭代次数150、pc0为0.85、pm0为0.35、γ为0.95.SA优化PSO-GA算法进行排产的初始粒子数、迭代次数、pc0、pm0不变，模拟退火初始值500、模拟退火终值0，两种算法对应甘特图分别如图2、图3所示．甘特图用j....

图3SA-PSO-GA算法对应甘特图

图2传统PSO-GA算法对应甘特图通过图2和图3可以看出，传统PSO-GA算法甘特图排产结果显示48个小时可完成6个工件的生产，GA-PSO-SA算法甘特图排产结果显示46个小时即可完成生产任务，说明GA-PSO-SA算法排产实际效果优于传统PSO-GA算法．两种算法的进化曲线....

图4进化曲线图

通过图2和图3可以看出，传统PSO-GA算法甘特图排产结果显示48个小时可完成6个工件的生产，GA-PSO-SA算法甘特图排产结果显示46个小时即可完成生产任务，说明GA-PSO-SA算法排产实际效果优于传统PSO-GA算法．两种算法的进化曲线图如图4所示．从进化曲线图可以看出传....

本文编号：3994707