考虑分时电价的多目标批调度问题蚁群算法求解
对同时优化电力成本和制造跨度的多目标批处理机调度问题进行了研究,设计了两种多目标蚁群算法,基于工件序的多目标蚁群算法(J-PACO,Job-based Pareto Ant Colony Optimization)和基于成批的多目标蚁群算法(B-PACO,Batch-based Pareto Ant Colony Optimization)对问题进行求解分析.由于分时电价中电价是时间的函数,因而在传统批调度进行批排序的基础上,需要进一步确定批加工时间点以测定电力成本.提出的两种蚁群算法分别将工件和批与时间线相结合进行调度对此类问题进行求解.通过仿真实验将两种算法对问题的求解进行了比较,仿真实验表明B-PACO算法通过结合FFLPT(First Fit Longest Processing Time)启发式算法先将工件成批再生成最终方案,提高了算法搜索效率,并且在衡量算法搜索非支配解数量的Q指标和衡量非支配集与Pareto边界接近程度的HV指标上,均优于J-PACO算法.
多目标、调度、蚁群算法、批处理机、分时电价
22
TP301(计算技术、计算机技术)
创新研究群体科学基金资助项目70821001;国家自然基金资助项目71171184;中国矿业大学青年科技基金项目2014QNA48;国家自然科学青年基金项目71401164
2015-01-30(万方平台首次上网日期,不代表论文的发表时间)
56-64