基于差分进化的关键链项目调度方法.docxVIP

基于差分进化的关键链项目调度方法 随着工厂生产技术的迅猛发展，链条调度及其相关算法成为产线调度领域的研究热点，其发展受到了广泛的关注。拟合差分进化（Differential Evolution，DE）作为一种以模拟进化的方法来解决复杂的优化问题，具有良好的效率和收敛性。基于差分进化的关键链项目调度（Key Chain Scheduling Problem，KCSP）研究已经受到越来越多的关注。本文在经典的链条调度模型基础上，将差分进化算法应用于KCSP问题，并分析了DE算法的算法性能。 首先，我们引入了一种基于差分进化的混合DE/KCSP方法，用于求解KCSP问题。此方法采用具有一定偏差量级的良性随机数作为探索步长，以保证当前最优解的收敛性。此外，DE/KCSP方法可以独立优化不同的KCSP实例，并在约束条件下保证其质量。 其次，我们注意到DE/KCSP方法需要定义不同的参数，这些参数很难预测，改变参数可能会影响优化结果。因此，我们提出了基于主动学习的自适应参数设置方法，该方法对各个参数进行迭代，并以不同的方式调整，以期获得更好的调度结果。 最后，利用Wengs Benchmark单元和Websterss Benchmark单元测试，我们验证了DE/KCSP方法的性能，结果表明，DE/KCSP方法的优化能力大大超过了已有的基于极端编程的工作区调度方法