基于Pareto改进的混合算法求解多目标柔性车间调度问题

针对多目标柔性作业车间调度问题,该文建立优化目标为最大完工时间、机器平均相对空闲率以及机器总负荷最小化的数学模型,并设计一种基于Pareto改进的自适应混合算法(NGAPSO)。其算法采用分层结构相结合,底层采用基于隔离的小生境技术(Niche genetic algorithm,NGA),上层采用粒子群算法(Particle swarm optimization,PSO)。为提高算法的收敛效率和求解精度,提出了改进策略,采用适应度值分配策略作为种群选择的评价标准;设计动态的交叉变异概率,使算子在迭代过程自适应地对种群的寻优操作进行调整。最后,针对10个单目标基准案例与3个多目标典型案例进行仿真求解,通过与其他前沿算法进行对比验证NGA-PSO算法的优越性。