基于改进MOEA/D的多目标置换流水车间调度问题

doi:10.13196/j.cims.2021.07.008

计算机集成制造系统 ›› 2021, Vol. 27 ›› Issue (7): 1929-1940.DOI: 10.13196/j.cims.2021.07.008

基于改进MOEA/D的多目标置换流水车间调度问题

李林林¹,刘东梅²,王显鹏^1,3+

1.东北大学智能工业数据解析与优化教育部重点实验室
2.沈阳中医药学校计算机系
3.东北大学辽宁省智能工业数据解析与优化工程实验室

出版日期:2021-07-31 发布日期:2021-07-31
基金资助:
国家重点研发计划资助项目(2018YFB1700404);国家自然科学基金资助项目(61573086,71790614,71621061);教育部111创新引智基地资助项目(B16009)。

Multi-objective permutation flowshop scheduling problem based on improved MOEA/D

Online:2021-07-31 Published:2021-07-31
Supported by:
Project supported by the National Key Research & Development Program,China(No.2018YFB1700404),the National Natural Science Foundation,China(No.61573086,71790614,71621061),and the 111 Project,China(No.B16009).

摘要/Abstract

摘要： 针对工期和总流水时间的两目标置换流水车间调度问题,提出一种改进的基于分解的多目标进化算法(MOEA/D)。为了改进非支配解集的质量,提高算法效率,在MOEA/D中嵌入分组和统计学习机制提出一种两阶段局部搜索策略改进外部存档。利用基于距离的替换策略更新种群,提高种群的多样性,保证了分组机制的有效性。基于Taillard标准测试问题的实验结果表明,所提出的改进MOEA/D算法明显优于传统MOEA/D、NSGA-Ⅱ、MEDA/D-MK等算法。

关键词: 置换流水车间调度, 多目标, 分解, 进化算法, 统计学习

Abstract: To solve the bi-objective permutation flowshop scheduling problem with makespan and total flow time minimized,an improved Multi-objective Evolutionary Algorithm based on Decomposition (MOEA/D) algorithm was proposed.To improve the quality of non-dominant solutions and enhance the efficiency of proposed algorithm,the grouping and statistical learning mechanism was embedded in a two-stage local search strategy,which was used to improve the external archive.The population was updated by adopting the perpendicular distance-based replacement strategy,and the effectiveness of the grouping mechanism was ensured.Computational results on the Taillard benchmark problems showed that the proposed improved MOEA/D was significantly superior to the traditional MOEA/D,NSGA-Ⅱ and MEDA/D-MK algorithms.

Key words: permutation flowshop scheduling, multi-objective, decomposition, evolutionary algorithm, statistical learning

中图分类号:

TP273

李林林,刘东梅,王显鹏. 基于改进MOEA/D的多目标置换流水车间调度问题[J]. 计算机集成制造系统, 2021, 27(7): 1929-1940.

[1]	王琦,闻立杰,邓雅方,钱忱,王建民. 基于过程模型约束的轨迹乱序事件修复方法[J]. 计算机集成制造系统, 2021, 27(9): 2491-2500.
[2]	高子建,张晗睿,窦万春,徐江民,孟顺梅. 基于谱聚类和隐语义模型的智能协同推荐方法[J]. 计算机集成制造系统, 2021, 27(9): 2517-2524.
[3]	陈志远,伍章俊,童珊珊,刘晓. 基于改进双归档进化算法的多目标动态软件项目调度[J]. 计算机集成制造系统, 2021, 27(9): 2565-2574.
[4]	秦旋,房子涵,张赵鑫. 考虑资源约束的预制构件多目标生产调度优化[J]. 计算机集成制造系统, 2021, 27(8): 2248-2259.
[5]	顾九春,姜天华,朱惠琦. 多目标离散灰狼优化算法求解作业车间节能调度问题[J]. 计算机集成制造系统, 2021, 27(8): 2295-2306.
[6]	刘晶,张喆语,董志红,季海鹏. 基于工业物联网的区块链多目标优化[J]. 计算机集成制造系统, 2021, 27(8): 2382-2392.
[7]	冯国奇,崔东亮,代学武,俞胜平. 数据视角下神经网络增量学习支持的涡轮盘多目标优化[J]. 计算机集成制造系统, 2021, 27(8): 2393-2404.
[8]	张建侠,宋明顺,方兴华,邓钰佳. 基于Kriging模型的多目标代理优化算法及其收敛性评估[J]. 计算机集成制造系统, 2021, 27(7): 2035-2044.
[9]	王文中,张树生,余隋怀,陈登凯. 基于解构·重构思维的潜水器舱室布局优化[J]. 计算机集成制造系统, 2021, 27(7): 2045-2052.
[10]	郭羽含,于俊宇,刘万军,张宇,张美琪. 制造业可持续供应链网络建模及求解[J]. 计算机集成制造系统, 2021, 27(7): 2112-2133.
[11]	蒋晋,张则强,谢梦柯,蔡宁. 空间约束下多目标拆卸线平衡问题的改进狼群算法[J]. 计算机集成制造系统, 2021, 27(6): 1569-1581.
[12]	段建国,李豪晨,张青雷. 面向绿色制造的半组合式船用曲轴结构件生产车间多目标调度优化[J]. 计算机集成制造系统, 2021, 27(6): 1714-1727.
[13]	胡金昌,刘紫薇,马文凯,吴耀华. 考虑学习效应的单人作业车间多目标调度算法[J]. 计算机集成制造系统, 2021, 27(5): 1361-1370.
[14]	赵瑛峰,刘检华,武林林,马江涛. 基于特征分解的半空间构造实体几何模型转换算法[J]. 计算机集成制造系统, 2021, 27(5): 1382-1389.
[15]	吴暖,王诺,于安琪,吴迪. 基于柔性靠泊的港口疏船调度多目标优化及最优解选择[J]. 计算机集成制造系统, 2021, 27(5): 1531-1540.

基于改进MOEA/D的多目标置换流水车间调度问题

Multi-objective permutation flowshop scheduling problem based on improved MOEA/D

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