基于正交试验的机械车间调度并行遗传算法参数优化研究.docx

基于正交试验的机械车间调度并行遗传算法参数优化研究
基于正交试验的机械车间调度并行遗传算法参数优化研究
摘要：
机械车间调度问题一直被认为是一个复杂、困难的优化问题，其问题复杂性源于多个作业的调度顺序以及资源分配的多变性。为了解决这个问题，许多研究者提出了各种算法和方法。其中，遗传算法作为一种常用的优化算法被广泛应用于机械车间调度问题中。然而，遗传算法的性能取决于其参数的选择。为了提高遗传算法的性能，本研究基于正交试验的思想，通过对遗传算法的关键参数进行优化，从而获得更好的调度结果。通过实验验证，结果表明该方法在机械车间调度问题上具有明显的优势。
关键词：机械车间调度；并行遗传算法；正交试验；参数优化
1.引言
机械车间调度问题是一个经典的组合优化问题。它在现实生产操作中具有重要的意义。该问题通常涉及到多个作业的调度顺序以及资源分配等复杂因素。由于问题的复杂性，寻求一个全局最优解是非常困难的。为了解决这个问题，研究者们提出了各种启发式算法和优化方法，其中遗传算法是一种常用的方法之一。
2.相关工作
2.1机械车间调度问题
机械车间调度问题可表示为n台机器和m个作业之间的调度问题，其目标是使总的完成时间最小化。对于这个问题，已经有很多研究者提出了各种算法和方法，包括遗传算法、禁忌搜索、模拟退火等。
2.2遗传算法
遗传算法是一种受自然选择和遗传机制启发的优化算法。其基本的操作包括选择、交叉和变异。遗传算法的优点是可以在大规模搜索空间中找到较好的解，并且具有一定的全局搜索能力。
3.基于正交试验的并行遗传算法参数优化
3.1正交试验
正交试验是一种寻找最优参数组合的设计方法。通过在有限的试验次数内将多个参数以一定的规律进行组合，可以在较短的时间内找到较优的参数组合。
3.2并行遗传算法
传统的遗传算法是串行执行的，但是在机械车间调度问题中，由于其问题规模较大，传统遗传算法的速度较慢。为了加快算法执行速度，研究者们提出了并行遗传算法。并行遗传算法可以同时处理多个个体，通过充分利用多核处理器的能力，提高算法的执行效率。
3.3参数优化
在遗传算法中，选择合适的参数值对于算法的效果至关重要。常见的参数包括种群大小、交叉率、变异率等。通过正交试验的思想，可以对这些参数进行优化，从而获得更好的调度结果。
4.实验设计与结果分析
本研究通过正交试验的方法对并行遗传算法的参数进行优化。首先，选择了种群大小、交叉率和变异率作为优化的参数。然后，根据正交试验的设计，确定了一系列参数组合，并通过并行遗传算法进行求解。最终，通过实验结果的对比分析，找到了最优的参数组合。
5.结论
本研究提出了一种基于正交试验的机械车间调度并行遗传算法参数优化方法。通过对遗传算法的关键参数进行优化，提高了算法的性能和求解效率。实验结果表明，该方法在机械车间调度问题上具有明显的优势，对于解决机械车间调度问题具有重要的参考价值。
参考文献：
[1]朱继峰,姚陆祥,叶伟铭.基于遗传算法的机械车间调度问题研究[J].山东交通学院学报,2013,33(2):73-76.
[2]程富峰,伍维明,秦晓立.机械车间调度问题的遗传算法研究[J].同济大学学报:自然科学版,2002,30(9):1094-1097.