螢火蟲(chóng)優(yōu)化算法及其在流水線調(diào)度問(wèn)題中的應(yīng)用研究.pdf

1、螢火蟲(chóng)優(yōu)化算法（GSO算法）是一種模擬了螢火蟲(chóng)發(fā)光的生物學(xué)特性演變而來(lái)的隨機(jī)優(yōu)化算法，也是一種新興的群智能優(yōu)化算法，在多信號(hào)定位、多模函數(shù)優(yōu)化方面有廣泛的應(yīng)用前景。置換流水線調(diào)度問(wèn)題(PFSP)是混合流水線調(diào)度問(wèn)題中的一類經(jīng)典的車間調(diào)度問(wèn)題，是一種NP難題。相關(guān)資料表明，有接近四分之一的生產(chǎn)調(diào)度問(wèn)題可以簡(jiǎn)化為PFSP問(wèn)題，具備很高的研究?jī)r(jià)值。
　　本課題的主要研究目的是在全面分析研究螢火蟲(chóng)優(yōu)化算法的基礎(chǔ)上，對(duì)其進(jìn)行改進(jìn)，提高其處理

2、多模函數(shù)優(yōu)化的能力，并將其應(yīng)用于求解PFSP問(wèn)題。本課題的主要工作如下：
　　(1)全面分析了當(dāng)前群智能算法特別是螢火蟲(chóng)算法以及車間調(diào)度問(wèn)題的研究現(xiàn)狀和發(fā)展方向，詳細(xì)研究了基本螢火蟲(chóng)優(yōu)化算法的原理和實(shí)現(xiàn)方式。
　　(2)針對(duì)GSO算法存在的問(wèn)題，改進(jìn)了搜索策略和步長(zhǎng)更新機(jī)制，提出了改進(jìn)螢火蟲(chóng)優(yōu)化算法(Advanced Glowworm Swarm Optimization,AGSO)，通過(guò)測(cè)試函數(shù)證明AGSO算法局部尋優(yōu)能力

3、明顯優(yōu)于GSO算法。針對(duì)復(fù)雜高維多模函數(shù)，在借鑒捕食搜索策略后，提出了混合螢火蟲(chóng)模擬退火算法(Simulated Annealing GlowwormSwarm Optimization,SAGSO)，該算法在處理20維以上的復(fù)雜多模函數(shù)時(shí)性能明顯優(yōu)于GSO算法。
　　(3)針對(duì)PFSP問(wèn)題的離散特性，在基于連續(xù)種群空間的GSO及其改進(jìn)算法求解離散流水線調(diào)度問(wèn)題的缺陷上，對(duì)種群空間進(jìn)行離散化編碼，結(jié)合NEH算法和遺傳算法，提出了全