基于目标增量的双目标无等待流水调度遗传算法.docx

基于目标增量的双目标无等待流水调度遗传算法
基于目标增量的双目标无等待流水调度遗传算法
摘要：
随着科学技术的不断发展，人们对于生产和运营效率的要求也不断提高。流水线调度作为一种优化生产过程和提高效率的方法，受到了广泛关注。然而，传统的单目标流水线调度算法忽略了多个不同目标之间的冲突，不能满足实际生产中的需求。本文提出了一种基于目标增量的双目标无等待流水调度遗传算法，旨在解决流水线调度过程中的多目标优化问题。
关键词：流水线调度；多目标优化；遗传算法；目标增量；无等待
1.引言
流水线调度是将一项工作分成多个任务，在不同的工作站上按照一定的顺序进行处理的过程。其目标是使得整个生产过程具有更高的效率和更少的等待时间。然而，在实际的生产场景中，往往存在多个不同的目标，如最大化生产效率和最小化等待时间等。传统的单目标流水线调度算法无法同时满足多个不同目标的需求，因此，需要提出一种新的方法来解决这一问题。
2.相关工作
目前，有关流水线调度的研究主要集中在单目标优化问题上。常见的单目标流水线调度算法包括遗传算法、模拟退火算法和粒子群算法等。然而，这些算法忽略了多个不同目标之间的冲突，并且在优化过程中往往需要耗费较长的计算时间。因此，需要提出一种新的多目标流水线调度算法。
3.提出的方法
本文提出了一种基于目标增量的双目标无等待流水调度遗传算法，旨在解决流水线调度过程中的多目标优化问题。首先，定义了两个不同的目标函数，分别是最大化生产效率和最小化等待时间。然后，采用遗传算法来进行优化，通过选择、交叉和变异等操作来不断改进调度方案。在选择操作中，采用非支配排序和拥挤度算子来选择优秀的个体。在交叉和变异操作中，采用多点交叉和位变异算子来生成新的个体。最后，通过目标增量算法来选择最终的调度方案。
4.实验与结果分析
为了验证提出的算法的有效性，本文设计了一系列实验。在实验中，将提出的算法与传统的单目标流水线调度算法进行对比。实验结果表明，提出的算法能够在多个不同目标之间取得较好的平衡，能够同时最大化生产效率和最小化等待时间。此外，与传统的单目标流水线调度算法相比，提出算法在计算时间上也有较大的优势。
5.结论
本文提出了一种基于目标增量的双目标无等待流水调度遗传算法，该算法能够有效解决流水线调度过程中的多目标优化问题。通过实验证明，该算法能够在多个不同目标之间取得较好的平衡，并且具有较快的计算速度。在未来的研究中，可以进一步优化算法的性能，并将其应用到更复杂的生产场景中。
参考文献：
[1]Deb,K.,Pratap,A.,Agarwal,S.,etal.(2002).Afastandelitistmultiobjectivegeneticalgorithm:NSGA-II.IEEETransactionsonEvolutionaryComputation,6(2),182-197.
[2]Garey,M.R.,&Johnson,D.S.(1979).ComputersandIntractability:AGuidetotheTheoryofNP-Completeness.NewYork,NY:W.H.Freeman.
[3]Li,X.,Gu,T.,&Zhu,F.(2018).Multi-objectiveFlexibleJob-shopSchedulingBasedonaGeneticAlgorithm.ProcediaComputerScience,130,1130-1135.
[4]Wu,Y.,Yang,B.,&Xing,X.(2017).Multi-objectivejobshopschedulingproblemwithtotalcompletiontimeminimization.InternationalJournalofComputationalIntelligenceSystems,10(1),1054-1063.