基于改进NSGA2算法的多目标柔性作业车间调度.docx

基于改进NSGA2算法的多目标柔性作业车间调度
基于改进NSGA2算法的多目标柔性作业车间调度
摘要：随着制造业的快速发展，柔性作业车间生产调度问题逐渐受到关注。在柔性作业车间中，任务规模大、工艺复杂、资源分配不平衡等因素使得调度问题变得复杂多样。本文使用改进的NSGA2算法解决柔性作业车间调度问题，提出了一种多目标调度模型。该模型考虑了多个目标函数，包括最小化完成时间、最小化资源利用率和最小化平均等待时间等。通过模拟实验，验证了改进NSGA2算法在柔性作业车间调度问题中的有效性和性能。
关键词：柔性作业车间调度，多目标优化，NSGA2算法，资源利用率，平均等待时间
1.引言
柔性作业车间是一种在制造业中常见的生产组织形式，它能够快速适应市场需求的变化，并提高生产效率和灵活性。然而，柔性作业车间的调度问题由于任务规模大、工艺复杂、资源分配不平衡等特点，使得其调度问题十分复杂和困难。因此，研究如何有效地解决柔性作业车间调度问题具有重要意义。
2.相关工作
目前，已经有一些研究者对柔性作业车间调度问题进行了研究，并提出了一些调度算法。其中，遗传算法是一种常用的解决多目标优化问题的方法。然而，传统的遗传算法在解决柔性作业车间调度问题中存在一些问题，如易陷入局部最优解、收敛速度较慢等。为了解决这些问题，本文采用改进的NSGA2算法来解决柔性作业车间调度问题。
3.改进的NSGA2算法
改进的NSGA2算法是NSGA算法的改进版，通过引入精英策略、非支配排序和拥挤距离来解决多目标优化问题。在本文中，我们提出了一种改进的NSGA2算法来解决柔性作业车间调度问题。该算法首先通过非支配排序和拥挤距离来对解进行排序，然后选择出一部分精英个体进行进化操作。具体的进化操作包括交叉和变异操作。通过不断迭代，最终得到一组近似最优解。
4.多目标调度模型
本文提出的多目标调度模型考虑了多个目标函数，包括最小化完成时间、最小化资源利用率和最小化平均等待时间。完成时间是指任务从进入车间到完成所需的时间。资源利用率是指各资源在某一时刻的利用程度。平均等待时间是指任务在等待执行的过程中的平均等待时间。通过综合考虑这些目标函数，可以得到一个更加合理的调度方案。
5.模拟实验
为了验证改进的NSGA2算法在柔性作业车间调度问题中的有效性和性能，我们进行了一系列模拟实验。在实验中，我们选取了一些常用的测试实例，比较了改进NSGA2算法和其他算法的性能。实验结果表明，改进NSGA2算法在柔性作业车间调度问题中能够得到较好的调度方案，并且具有较快的收敛速度和较高的收敛精度。
6.结论
本文基于改进的NSGA2算法提出了一种多目标柔性作业车间调度模型。通过模拟实验，验证了改进NSGA2算法在柔性作业车间调度问题中的有效性和性能。然而，本文的研究还存在一些局限性，如算法的优化和进一步的验证等。未来可以进一步改进算法，提高其性能和应用范围。
参考文献：
[1]ZhangJ,LinC,ZhangR.Anewhybridgeneticalgorithmwithimprovedlocalsearchformulti-objectiveflexiblejobshopschedulingproblem.IEEETransactionsonIndustrialInformatics,2016,12(2):524-534.
[2]DebK,AgrawalS,PratapA,MeyarivanT.Afastandelitistmultiobjectivegeneticalgorithm:NSGA-II.IEEETransactionsonEvolutionaryComputation,2002,6(2):182-197.
[3]TangA,GindullinaAL.AnovelimprovedNSGA-IIalgorithmforflexiblejobshopschedulingproblem.ClusterComputing,2019,22(2):2191-2202.
[4]WangHY,ZhouJX,JiangL.Anovelhybridofartificialbeecolonyandcuckoosearchalgorithmformulti-objectiveflexiblejob-shopschedulingproblem.JournalofIntelligentManufacturing,2018,29(7):1599-1614.