考虑学习效应的多目标流水车间调度问题

摘要

考虑了学习效应对流水车间调度问题的影响,以最大完工时间和总加权滞后时间为优化目标,建立了与加工顺序相关的对数线性调度模型,设计了LNEH(NEH heuristic with Learning effect)启发式算法和MCF(Membrane Computing for multi-objective Flow-shop scheduling)算法进行求解。LNEH算法根据对学习效应下问题性质的分析,在初始序列和工件插入两个环节进而达到对原有NEH算法的改进,同时采用随机策略以获得多个解。MCF算法是采用膜计算理论设计的一种近似调度优化算法,针对调度问题设计了字符对象的编码方式,根据前端等级大小将字符对象往复地分配为均匀的对象集,借鉴PSO算法制订膜内规则:从外部档案和所在的基本膜内中分别选择作为参考的选择规则和类似于PSO算法的移动规则。数值仿真显示,不同学习系数对调度结果具有较大影响,并对比证明了所提两种算法的有效性。