具有约束指导的模拟退火算法.pdfVIP

第l9卷第3期(总第lO5期) l毫 统 I 程 Vo1．1 9，N0．3 2001年 5月 Systems Engineering Mav．，2001 文章编号：l001—4098(200t)02 0049—07 具有约束指导的模拟退火算法 李歧强 (山东大学 控制科学与工程学院，山东 济南 250081 摘 要 ：摸扭退上算法作为一种克服局部极小点的仝避优化算击，是眸决调度问题中出现的 组合爆炸扣非线性规划问题的有垃算法 为眸决模拟退犬搜索空- 过太，难以利用领域知识 等问题，提 出具有约束指导的摸糊退火算法，给出抽样次数选择、新眸的产生等一些新方法， 以间歇过程生产调度为背景的苒法仿真表明谊算法的应用较大地提高了收敛速度。 关键词；模扭眶戈；约束；生产调度；间敢过程 中图分类号：O22t 文献标识码：A 在生产实际中，由于生产调度主要涉及一定时间内共享资源的可用性和设备分配等问题， 因此生产调度大都形成混合整数线性规划(MILP)模型“ 或混合整数非线性规划(MINLP) 模型0 。然而当调度规模增加时．这些模型中的决策变量将急剧增加，传统的数学方法难以解 决。对MINLP模型，由于存在非线性问题，更给求解增加了难度。模拟退火算法(SA)作为一 种克服局部极小点的全局优化算法．是解决调度问题中出现的组合爆炸和非线性规划I百l题的 有效算法 。 然而模糊退火算法的致命弱点是搜索空间过于庞大，下降温度难以掌握等。利 用模拟退火求解MILP和 MINLP问题时，往往把约束条件乘一较大的罚因子放入目标函数 中 一，然后随机取一组变量值，计算新的目标函数值。实际上它们的搜索时间大部分花在搜 寻不可行解上。如果适当减小搜索空间，并能利用领域知识指导搜索，即增强局部寻优能力，将 会大大减小搜索空间，从而提高SA的收敛速度 本文以批量生产调度的MILP模型为基础t 提出了具有约束指导的模拟退火算法(sAAGc)。 ， 1 批量生产调度的MILP模型 T 为了说明算法的推导过程及其在生产调废中的应用，我们给出了批量生产调度的MILP 模型。鉴于篇幅有限，这里我们只给出MILP模型的表达式．式中各参数和各集合的意义不再 说明，详丌尢文献7a] 1．1 批量生产调度的约束条件 (1)设备的分配 竖霎是警 祟 ；中青年科学家奖威基金资助项目(。g。1 作者简升：李歧强，山东大学控制科学与工程学院． 系 统 工 程 2001正 ∑‰≤1，Vi,t (1a) “ t + 一】 X (∑ ∑X )一0，￡∈LI,V ， (1b) ，∈L ，一 +l 五 ∈{O，L}，X -_l表示t时刻在设备i上开始作业f的加工，加工中或未加工皆为零。 (2)产品的产量与消耗约束