带学习策略的遗传算法求解柔性作业调度问题.docVIP

PAGE PAGE 4 带学习策略的遗传算法求解柔性作业调度问题 王公堂 许化强 （山东师范大学物理与电子科学学院，山东 济南 250014） 摘要：多个不同最优染色体之间存在许多共有特征，如果进化过程中能识别这些优秀特征并尽可能遗传到后代个体中，则可以改善后代种群质量，加快遗传算法的收敛速度。在分析柔性作业调度问题的基础上，采用共生遗传算法并加入学习策略进行改进，在进化过程中学习父代优秀特征并指导后代的进化。通过实验测试，并与其它文献中的结果进行比较，表明改进算法在解的质量上有较好的效果。 关键词：作业调度；共生遗传算法；学习策略 ；柔性 中图分类号：TP301 Improved evolutionary algorithm with learning strategy for the flexible job-shop scheduling problem WANG Gong-tang XU Xua-qiang (College of Physics and Electronics, Shandong Normal University,Jinan 250014, Abstract: There are some common traits between different best chromosomes. If these traits can be identified during evolution and be copied to the offspring, the later population will have a high quality and the efficiency of algorithm will be enhanced. Based on the analysis of the characteristics of the flexible job-shop problem, the symbiotic evolutionary algorithm was improved and was added with learning strategy. So offspring can inherit best traits of parent generation with high efficiency. The improved algorithm is tested on instances taken from the literature and compared with their results. The results show that the proposed algorithm outperformed in solution quality. Key words: job-shop scheduling problem; symbiotic evolutionary algorithm; learning strategy; flexibility 0 引言 表 SEQ 表格 \* ARABIC 1 一个FJSP的实例 2×3 Tab.1 An example of the FJSP 2×3 作业 操作 加工机器和加工时间 M1 M2 M3 J1 O1,1 4 5 - O1,2 9 2 3 O1,3 - 6 3 J2 O2,1 6 2 - O2,2 3 3 5 传统的作业调度问题中，作业的每一道工序都是预先知道的，而且工序的加工机器和时间也是预先确定好的。而在柔性作业调度问题中，工序的加工机器是不确定的。作业的每一道工序都可以在多个加工机器上加工，而且不同的加工机器所需要的加工时间也不相同。在处理此类问题上，不仅要处理作业之间的调度问题，而且要考虑每一道工序面临可选择机器的问题，使问题更难以解决。针对柔性车间调度问题的特点，本文在Yasuhiro Tsujimura[1]等人提出的主从共生遗传算法的基础上进行改进，加入学习策略，在进化过程中发掘并保留种群中的优秀特征，并指导后代的进化，加快收敛速度，提高搜索效率。 1 带操作柔性的作业调度问题描述 具有操作柔性（OF）的柔性车间调度问题（Flexible Job-Shop Scheduling Problem,FJSP)是指同一个操作（或工序）可以在不同的机器上运行。FJSP假定加工系统中有M台机器和N个作业，每个作业包括一道或多道操作，操作顺序是预先确定的，每道操作可以选择在多台不同的设备上加工，操作的加工时间随加工设备的不同而变化。例如，表1是FJSP的一个例子,共有两个作业，三个加工机器，每道工序可以选择在不同机器上以不同的加工时间加工。调度目标是为每道工序选择最合适的加工