基于OCTPN和混合遗传算法的JSP多目标优化调度的综述报告.docx

基于OCTPN和混合遗传算法的JSP多目标优化调度的综述报告
介绍
针对传统的单目标调度方法在解决JSP（JobShopSchedulingProblem）多目标优化调度问题上存在局限性，近年来，多目标遗传算法成为了解决JSP多目标调度问题的一个重要工具。随着问题规模的不断扩大，多目标遗传算法在处理大规模JSP问题时所需要的计算资源会越来越多，为了优化算法的性能和提高求解效率，学者们开始尝试基于多目标遗传算法来寻求更有效的优化算法。其中，混合遗传算法和OCTPN（OpenCycleTimePetriNets）模型已成为研究的热点。本文主要综述基于OCTPN和混合遗传算法的JSP多目标优化调度算法研究现状和发展方向。
OCTPN模型
OCTPN模型起源于Petri网模型，在JSP多目标优化调度问题上得到了广泛应用，它提供了一种直观的表达机器，作业和产品之间的关系的方法。OCTPN模型由三个组成部分构成：OCTPN模型对机器进行描述，其中每个机器对应一个有限状态自动机；工作流图描述JSP调度过程；记录表描述了每个调度决策的输入和输出。OCTPN模型与JSP问题的相结合，可以有效地描述调度问题的特征，通过结果的解释可以反推对应的调度决策。
混合遗传算法
混合遗传算法是对遗传算法和其他优化算法的有机结合。在JSP多目标优化调度问题中，混合遗传算法可以通过融合GA（GeneticAlgorithm）、PSO（ParticleSwarmOptimization）等优化算法来提高算法性能。通过组合遗传操作和其他优化算法来优化遗传过程，混合遗传算法不仅提高了性能，而且还提高了算法的局部搜索能力。
应用
用混合遗传算法求解JSP多目标优化调度问题
张宏宇等人（2011）提出了一种基于混合遗传算法的JSP多目标调度优化算法。该算法将方法LWQ（LPT+WD+EDD+FCFS+SL）应用于JSP问题的决策树上，然后通过基于进化策略的局部搜索来实现优化。他们使用混合遗传算法解决了三个目标的JSP问题。结果表明，该算法能够有效地改善调度质量，并提高求解速度。
用混合线性规划和OCTPN模型求解JSP多目标优化调度问题
杨嘉林等人（2014）提出了一种基于混合线性规划和OCTPN模型的JSP多目标调度优化方法。该算法将OCTPN模型用于问题描述和调度决策的记录，并利用混合线性规划来求解JSP调度问题。实验表明，该算法在求解JSP多目标优化调度问题时，具有更强的求解能力和高效性。
结论
本文综述了基于OCTPN和混合遗传算法的JSP多目标优化调度算法研究现状和发展方向，OCTPN模型所具有的直观性和可解释性，可以有效提高调度质量；而混合遗传算法所具有的灵活性和鲁棒性，可以进一步提高算法的性能和求解效率。未来发展方向可以从以下几方面考虑：一是增加算法鲁棒性，通过深入研究算法内部机制来提高全面算法的调整能力；二是提高求解速度，通过优化算法的控制策略和具有更高性能的硬件设备，来加速求解过程；三是深入研究调度决策机制，通过引入更先进的算法和技术，来提高调度决策质量。