求解作业车间调度问题的改进混合灰狼优化算法

被引：69

作者：

姚远远

叶春明

机构：

[1] 上海理工大学管理学院

来源：

计算机应用研究 | 2018年 / 35卷 / 05期

关键词：

灰狼优化算法; 作业车间调度; 最小化最大完工时间; 混合算法;

D O I：

暂无

中图分类号：

TB497 [技术管理]; TP18 [人工智能理论];

学科分类号：

083803 [交通管理工程]; 140502 [人工智能];

摘要：

灰狼优化算法(GWO)是目前一种比较新颖的群智能优化算法,具有收敛速度快、寻优能力强等优点。将灰狼优化算法用于求解复杂的作业车间调度问题,与布谷鸟搜索算法进行比较研究,验证了标准GWO算法求解经典作业车间调度问题的可行性和有效性。在此基础上,针对复杂作业车间调度问题难以求解的特点,对标准GWO算法进行改进,通过进化种群动态、反向学习初始化种群以及最优个体变异三个方面的改进操作,测试结果表明,改进后的混合灰狼优化算法能够有效跳出局部最优值,找到更好的解,并且结果鲁棒性更强。

引用

页码：1310 / 1314

页数：5

共 11 条

[1]

A hybrid multi-objective grey wolf optimizer for dynamic scheduling in a real-world welding industry.[J].Chao Lu;Liang Gao;Xinyu Li;Shengqiang Xiao.Engineering Applications of Artificial Intelligence.2017,

[2]

Multi-objective grey wolf optimizer: A novel algorithm for multi-criterion optimization.[J].Seyedali Mirjalili;Shahrzad Saremi;Seyed Mohammad Mirjalili;Leandro dos S. Coelho.Expert Systems With Applications.2016,

[3]

Grey Wolf Optimizer.[J].Seyedali Mirjalili;Seyed Mohammad Mirjalili;Andrew Lewis.Advances in Engineering Software.2014,

[4]

Engineering optimisation by cuckoo search.[J].Xin-She Yang; Suash Deb.Int. J. of Mathematical Modelling and Numerical Optimisation.2010, 4

[5]

Constrained optimization based on hybrid evolutionary algorithm and adaptive constraint-handling technique [J].