【《车间任务调度算法的对比分析概述》2200字】_第1页
【《车间任务调度算法的对比分析概述》2200字】_第2页
【《车间任务调度算法的对比分析概述》2200字】_第3页
【《车间任务调度算法的对比分析概述》2200字】_第4页
【《车间任务调度算法的对比分析概述》2200字】_第5页
已阅读5页，还剩2页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

[19]。1.3.2蚁群算法步骤1.初始化信息素，对设置参数进行初始化；1.建立解空间和超级源点，根据产品的工序顺序和加工时间建立图和禁忌表，所有蚁群走完所有的节点形成一个解；3.蚂蚁根据信息素强度大小，采用轮盘赌算法确定蚂蚁需要走的下一个节点；4.判断所有蚂蚁是否完成遍历，如果遍历结束则执行下一步，否则返回上一步；5.更新信息素，统计信息素的增量，记录蚁群中的最优解；6.判断是否达到迭代次数，若到最后一代则输出蚁群中的最优解，否则继续迭代，返回至第二步。蚁群算法的流程图如图2-2所示。图2-2蚁群算法流程图其中第三步中的轮盘赌算法也被称为比例选择法，即个体被选中的概率与适应度成正比。在车间任务调度问题中就是：选择下一个机器加工时，选到某个机器的概率是根据信息素和启发量确定的。概率小的事件发生的可能性小，概率大的事件发生的可能性大，每个机器都是有可能被选中的。假设有5个机器，其概率分别是p1~p5,这五个机器是一个完备事件组，概率和为1，这里我们将其依次放在[0,1]的区间中，如下图所示：图2-3机器概率分布图这时取一个在0到1区间的随机数，随机数落在哪个概率区间就选择与之对应的机器作为下一个执行的节点，这就是轮盘赌算法的实现。1.4结果展示与对比分析两种算法在MATLAB进行仿真运行中，其中遗传算法的参数设置如下：加工工序数量为50，交叉概率为0.8，最大迭代次数为2000。变异概率为0.1和0.2的遗传算法最短加工时间和平均时间结果如图2-4和2-5所示。蚁群算法的参数设置如下：加工工序数量为50，信息素重要程度因子为1，启发因子为5，信息素挥发因子为0.1，最大迭代次数为2000。信息素挥发因子为0.1和0.2的蚁群算法的最短加工时间和平均时间如图2-6和2-7所示。显示迭代次数与加工时间关系下的平均时间和最短时间。其中遗传算法运行程序平均耗时3.572秒，蚁群算法运行程序平均耗时1.077秒。结果显示遗传算法和蚁群算法随着迭代次数的增加平均加工时间和最短加工时间越来越小，并在最后趋于稳定，都没有陷入局部最优解。其中设置变异概率为0.2的遗传算法和设置挥发因子为0.2的蚁群算法能更快的计算出最短加工时间。通过比较可以看出蚁群算法非常适合解决车间任务调度问题，它的迭代次数要求少，运行速度快，稳定性高，且蚁群算法只需要维持一只蚂蚁的状态就好，不用像遗传算法需要维持一个群体的状态，占用的内存更小，可见蚁群算法在时间复杂度和空间复杂度上都比遗传算法低。因此，本系统采用蚁群算法作为车间任务调度的解决方案。图2-4变异概率为0.1的遗传算法各代最短时间与平均时间对比图图2-5变异概率为0.2的遗传算法各代最短时间与平均时间对比图图2-6

人人文库> 全部分类> 行业资料 > 工业设计

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论