基于记忆曲线模型的蚁群算法在柔性作业车间的调度优化

doi:10.16731/j.cnki.1671-3133.2017.11.019

现代制造工程 ›› 2017, Vol. 446 ›› Issue (11): 105-109.doi: 10.16731/j.cnki.1671-3133.2017.11.019

基于记忆曲线模型的蚁群算法在柔性作业车间的调度优化

张于贤, 丁修坤, 薛殿春, 王晓婷, 程书瑞

桂林电子科技大学商学院,桂林 541004

收稿日期:2016-06-02 出版日期:2017-11-20 发布日期:1900-01-01
作者简介:张于贤,教授,博士,主要从事管理科学与工程、工业工程、机械工程等方面的研究工作。 E-mail:dingxiuk@126.com
基金资助:
国家自然科学基金项目(51461009);广西高等学校科学研究重点资助项目(SK13ZD016);广西研究生科研创新项目(YCSW2015155,YCSW2014147,YCSW2012066);国家大学生创新项目(ZJW41137)

Ant colony algorithm in flexible job-shop scheduling optimization based on memory curve model

Zhang Yuxian, Ding Xiukun, Xue Dianchun, Wang Xiaoting, Cheng Shurui

Business School,Guilin University of Electronic Technology,Guilin 541004,Guangxi,China

Received:2016-06-02 Online:2017-11-20 Published:1900-01-01

摘要/Abstract

摘要： 对蚁群算法在车间调度方面的应用进行研究,针对其在求解柔性作业车间调度方面存在收敛速度慢且容易陷入局部最优解的问题,提出一种基于生物记忆曲线原理的信息素更新规则。以最短加工时间为目标函数,建立柔性作业车间调度目标函数,并结合实际算例,借助MATLAB软件进行求解。通过与基本蚁群算法和其他智能算法的对比分析,提出的基于生物记忆曲线原理的信息素更新规则具有良好的求解能力和收敛能力。

关键词: 车间调度, 信息素更新规则, 记忆曲线, 柔性车间, 蚁群算法

Abstract: The colony algorithm shop scheduling aspect of the application has been studied for its convergence rate in terms of solving the flexible job-shop scheduling problem is slow and easy to fall into local optimal solution,proposed a biological memory curve based on the principle of information pheromone update rules.The shortest processing time as the objective function objective function flexible job-shop scheduling,combined with practical examples using MATLAB to solve.By contrast with the basic ant colony algorithm and other intelligent algorithm analysis,based on the principles of biological memory curve pheromone update rule it proposed solving ability and has a good convergence capability.

Key words: job-shop scheduling, pheromone updating rules, memory curve, flexible workshop, ant colony algorithm

中图分类号:

TP391.9

张于贤, 丁修坤, 薛殿春, 王晓婷, 程书瑞. 基于记忆曲线模型的蚁群算法在柔性作业车间的调度优化[J]. 现代制造工程, 2017, 446(11): 105-109.

Zhang Yuxian, Ding Xiukun, Xue Dianchun, Wang Xiaoting, Cheng Shurui. Ant colony algorithm in flexible job-shop scheduling optimization based on memory curve model[J]. Modern Manufacturing Engineering, 2017, 446(11): 105-109.

参考文献

[1]李莉.柔性作业车间调度中的群智能优化算法研究[D].哈尔滨:东北林业大学,2011.
[2] 顾文斌,唐敦兵,郑堃,等.基于激素调节机制改进型自适应粒子群算法在置换流水车间调度中的应用研究[J].机械工程学报,2012(14):177-182.
[3] 张超勇,董星,王晓娟,等.基于改进非支配排序遗传算法的多目标柔性作业车间调度[J].机械工程学报,2010(11):156-164.
[4] 臧文科,刘希玉.一种Hopfield神经网络能量函数改进下的作业车间调度[J].计算机应用研究,2011(6):2052-2054.
[5] 廖胜娟.基于人工鱼群算法的MES车间动态调度问题研究[J].电子科技,2014(10):64-66,70.
[6] 张洁,张朋,刘国宝.基于两阶段蚁群算法的带非等效并行机的作业车间调度[J].机械工程学报,2013(6):136-144.
[7] 宋代立,张洁.蚁群算法求解混合流水车间分批调度问题[J].计算机集成制造系统,2013(7):1640-1647.
[8] 陈成,邢立宁.求解柔性作业车间调度问题的遗传-蚁群算法[J].计算机集成制造系统,2011(3):615-621.
[9] 刘志勇,吕文阁,谢庆华,等.应用改进蚁群算法求解柔性作业车间调度问题[J].工业工程与管理,2010(3):115-119.
[10] YU Jian-xing,LI Yan-cang.Study on Resource Scheduling in Project Group Management of Offshore Engineering based on ACO[J].Systems Engineering-Theory & Practice,2007,27(7):57-63.
[11] 段海滨.蚁群算法原理及其应用[M].北京:科学出版社,2005.
[12] DONKIN C,NOSOFSKY R M.A Power-law Model of Psychological Memory Strength in Short-and Long-term Recognition[J].Psychological Science,2012,23(6):625-634.
[13] 叶志伟,郑肇葆.蚁群算法中参数α、β、ρ设置的研究——以TSP问题为例[J].武汉大学学报(信息科学版),2004(7):597-601.
[15] 王常青,操云甫,戴国忠.用双向收敛蚁群算法解作业车间调度问题[J].计算机集成制造系统,2004(7):820-824.
[16] 王凌.智能优化算法及应用[M].北京:清华大学出版社,2001.

[1]	钟敬伟，石宇强. 基于DQN的智能工厂作业车间调度[J]. 现代制造工程, 2021, 492(9): 17-23.
[2]	曾飞，宋杰杰，胡文祥，刘欣. 带式输送机输送带横向纠偏控制系统[J]. 现代制造工程, 2021, 492(9): 107-111.
[3]	唐浩，黎向锋，张丽萍，王建明，叶磊，王子旋. 扰动机制下的遗传算法求解柔性作业车间调度[J]. 现代制造工程, 2021, 490(7): 1-9.
[4]	袁福龙，朱建平. 基于改进蚁群算法的移动机器人最优路径规划[J]. 现代制造工程, 2021, 490(7): 38-47.
[5]	王昀睿，赵旭雯，武争利，蒋子强. 基于混流生产模式的装配车间物料配送路径规划方法[J]. 现代制造工程, 2021, 490(7): 109-116.
[6]	王玉芳，缪昇，马铭阳，葛嘉荣. 改进混合遗传算法的作业车间调度研究[J]. 现代制造工程, 2021, 488(5): 32-38.
[7]	方喜峰，章振，张胜文，王沾，于超. 基于混合优化算法的装配线平衡问题[J]. 现代制造工程, 2021, 487(4): 20-25.
[8]	李志敏. 基于三维时空状态图-并行排序蚁群算法的多机器人路径协同规划[J]. 现代制造工程, 2021, 495(12): 41-47.
[9]	李亚杰，赵帅，杨晓英. 面向制造物联的物料配送路径优化技术研究[J]. 现代制造工程, 2021, 494(11): 35-42.
[10]	杜玉红，张岩，赵焕峰. 基于参数优化蚁群算法的机器人路径规划研究[J]. 现代制造工程, 2020, 480(9): 7-14.
[11]	包贤哲，丁稳房，宋阿妮. 混沌压缩非线性粒子群算法求解车间调度问题[J]. 现代制造工程, 2020, 480(9): 15-22.
[12]	张守京，王彦亭. 基于改进NSGA2的柔性车间多目标智能调度问题研究[J]. 现代制造工程, 2020, 480(9): 23-31.
[13]	宫敬程，庄存波，刘检华，何永熹，曹远冲. 基于磷虾群-禁忌算法的复杂产品装配调度问题[J]. 现代制造工程, 2020, 480(9): 32-39.
[14]	章盼梅. 单模单冲数控冲床加工路径优化方法研究[J]. 现代制造工程, 2020, 476(5): 71-76.
[15]	谭宬，张纪会，郭藤. 考虑批量分割的多目标柔性作业车间调度[J]. 现代制造工程, 2020, 483(12): 25-35.

基于记忆曲线模型的蚁群算法在柔性作业车间的调度优化

Ant colony algorithm in flexible job-shop scheduling optimization based on memory curve model

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics