• 主题
高级搜索  >
历史搜索 清空历史
首页> 美国卫生研究院文献>Computational Intelligence and Neuroscience >A Bee Evolutionary Guiding Nondominated Sorting Genetic Algorithm II for Multiobjective Flexible Job-Shop Scheduling
【2h】

A Bee Evolutionary Guiding Nondominated Sorting Genetic Algorithm II for Multiobjective Flexible Job-Shop Scheduling

机译：多目标柔性作业车间调度的蜜蜂进化指导非控制排序遗传算法II

代理获取
本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Flexible job-shop scheduling problem (FJSP) is an NP-hard puzzle which inherits the job-shop scheduling problem (JSP) characteristics. This paper presents a bee evolutionary guiding nondominated sorting genetic algorithm II (BEG-NSGA-II) for multiobjective FJSP (MO-FJSP) with the objectives to minimize the maximal completion time, the workload of the most loaded machine, and the total workload of all machines. It adopts a two-stage optimization mechanism during the optimizing process. In the first stage, the NSGA-II algorithm with T iteration times is first used to obtain the initial population N, in which a bee evolutionary guiding scheme is presented to exploit the solution space extensively. In the second stage, the NSGA-II algorithm with GEN iteration times is used again to obtain the Pareto-optimal solutions. In order to enhance the searching ability and avoid the premature convergence, an updating mechanism is employed in this stage. More specifically, its population consists of three parts, and each of them changes with the iteration times. What is more, numerical simulations are carried out which are based on some published benchmark instances. Finally, the effectiveness of the proposed BEG-NSGA-II algorithm is shown by comparing the experimental results and the results of some well-known algorithms already existed.
机译：灵活的车间调度问题（FJSP）是一个NP难题，它继承了车间调度问题（JSP）的特征。本文提出了一种针对多目标FJSP（MO-FJSP）的蜜蜂进化引导非主导排序遗传算法II（BEG-NSGA-II），目的是最大程度地减少最大完成时间，最大负载机器的工作量以及所有机器。在优化过程中采用了两阶段优化机制。在第一阶段，首先使用具有T迭代时间的NSGA-II算法来获得初始种群N，其中提出了一种蜜蜂进化指导方案来广泛利用解空间。在第二阶段，再次使用具有GEN迭代时间的NSGA-II算法来获得帕累托最优解。为了提高搜索能力并避免过早收敛，现阶段采用了一种更新机制。更具体地说，它的总体包括三个部分，每个部分都随着迭代时间而变化。此外，还基于一些已发布的基准实例进行了数值模拟。最后，通过比较实验结果和已经存在的一些著名算法的结果，证明了所提出的BEG-NSGA-II算法的有效性。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
代理获取

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号