改进灰狼优化算法求解模糊车间调度问题

摘要：

模糊车间调度问题是复杂调度的经典体现,针对此问题设计优秀的调度方案能提高生产效率.目前对于模糊车间调度问题的研究主要集中在单目标上,因此提出一种改进的灰狼优化算法(improved grey wolf optimi-zation,IGWO)求解以最小化模糊完成时间和最小化模糊机器总负载的双目标模糊柔性作业车间调度问题.该算法首先采用双层编码将IGWO离散化,设计一种基于HV贡献度的策略提高种群多样性;然后使用强化学习方法确定全局和局部的搜索参数,改进两种交叉算子协助个体在不同更新模式下的进化;接着使用两级变邻域和四种替换策略提高局部搜索能力;最后在多个测例上进行多组实验分析验证改进策略的有效性.在多数测例上,IGWO的性能要优于对比算法,具有良好的收敛性和分布性.

关键词：灰狼优化算法、模糊调度、强化学习、变邻域、多 目标

所属期刊栏目：40

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家自然科学基金62106088

在线出版日期：2023-07-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：2060-2067,2074