

建模与仿真|多目标Jaya算法求解节能柔性作业车间调度问题

汉斯出版社

2023-05-16

导读：关注汉斯出版社公众号联系小编即可投稿，还可获取最新论文模板！

导读：

在实际的柔性作业车间调度中，考虑工件运输时间和机器可选速度的影响，建立了优化最大完工时间、机器总负载和加工过程总能耗的多目标优化模型，并提出了一种改进的多目标Jaya算法用于求解该模型。结合问题的特点，采用了一种包含工序、机器和速度的三层编码和考虑运输时间和机器速度的插入式解码，并采用多种规则的混合策略的初始化种群方法以提高种群质量，然后根据不同情况设计多种不同的离散个体更新方式，并基于问题的特点设计了5种邻域结构，以提高算法的搜索能力。最后，在对基准算例改造并进行对比实验，验证了所提算法的可行性与有效性。

基本信息：

多目标Jaya算法求解节能柔性作业车间调度问题

Multi-Objective Jaya Algorithm for Solving Energy-Saving Flexible Job Shop Scheduling Problem

作者：

张德尚, 李仁旺：浙江理工大学机械工程学院，浙江杭州

关键词:

柔性作业车间调度；Jaya算法；运输时间；机器速度；多目标；Flexible Job Shop Scheduling；Jaya Algorithm；Transportation Time；Machine Speed；Multi-Objective

项目基金：

浙江省2023年度“尖兵”“领雁”研发攻关计划(2022C01SA111123)

国家自然科学基金资助项目(51475434)

原文链接：

https://doi.org/10.12677/MOS.2023.123171

内容简介：

在汉斯出版社《建模与仿真》这本期刊中，有论文针对传统的柔性车调度问题，考虑了工件运输时间和机器可选速度的实际因素，建立了以最小化最大完工时间、机器总负载和加工过程总能耗为优化目标的多目标优化模型，并提出了一种改进的多目标Jaya算法用于该模型。在该算法中，采用了工序、机器和速度的三层编码和考虑运输时间与机器速度的插入式解码方法，采用了多种策略混合生成初始种群，设计了多种不同的个体更新方式，并设计了5种邻域结构，以提高算法的局部搜索能力。最后，对传统的FJSP算例进行改造，通过对比实验，验证了了本文提出的IMOJA的有效性，可以为车间生产提供指导。

本文以著名的NSGA-II、SPEA2进行实验对比以验证本文算法的可行性与有效性。三个算法均采用Matlab2020b编程实现，各算例在3.20 GHz处理器，8.0 GB内存的电脑上进行操作。所有算法的种群规模设为50，最大迭代次数设为100；IMOJA和SPEA2的外部档案规模设为50；NSGA-II和SPEA2的交叉率和变异率分别设置为0.8和0.1。每个算例均重复独立运行10次。

表2是不同算法在三个优化目标最优值的结果对比，最优值加粗显示。从表2可以看出，在这10个算例上，IMOJA在最大完工时间、机器总负载、总能耗三个优化目标函数值上，最优值结果均要优于NSGA-II和SPEA2，在各个方向的寻优都取得了更好的效果，说明了IMOJA具有更好的收敛性，可以取得更好的解。