教与同伴学习粒子群算法求解多目标柔性作业车间调度问题

？针对多目标柔性作业车间调度问题,提出了带pareto非支配解集的教与同伴学习粒子群算法。首先,以工件的最大完工时间、最大机器负荷和所有机器总负荷为优化目标建立了多目标柔性作业车间调度模型。然后,该算法结合多目标pareto方法和教与同伴学习粒子群算法,采用快速非支配排序算法产生初始pareto非支配解集,用提取pareto支配层程序更新pareto非支配解集,同时采用混合分派规则产生初始种群,采用开口向上抛物线递减的惯性权重选择策略提高算法的收敛速度。最后,对3个benchmark算例进行仿真实验。理论分析和仿真表明,与带向导性局部搜索的多目标进化算法(moea-gls)和带局部搜索的控制遗传算法(al-cga)相比,对于相同的测试实例,该算法能产生更多更好的pareto非支配解;在计算时间方面,该算法要小于带向导性局部搜索的多目标进化算法。实验结果表明该算法可以有效解决多目标柔性作业车间调度问题。