????1 概述
针对以最大完工时间最小为优化目标的柔性作业车间调度问题(Flexible Job-shop Scheduling Problem,FJSP),采用改进的粒子群算法进行求解。该方法在选择算子时,通过加入轮盘赌策略,增加种群的多样性,提升了算法全局寻优能力。通过与传统粒子群方法进行算例实验对比,改进粒子群算法在全局寻优速度和求最小解方面均优于传统方法。
????2 运行结果
部分代码：
def calculate(x):
# 输入:粒子位置，输出:粒子适应度值
Tm = np.zeros(machine) #每个机器上的完工时间
Te = np.zeros((workpiece, process)) #每个工序的完成时间
array = handle(x) #经过处理后的工序部分
for i in range(total_process):
machine_index = int(x[total_process+(array[i][0]-1)*process+(array[i][1]-1)])-1 #contents数组中的纵坐标
process_index = (array[i][0]-1)*process + (array[i][1]-1) #contents数组中的横坐标
process_time = int(contents[process_index][machine_index])
if array[i][1] == 1:
Tm[machine_index] += process_time
Te[array[i][0]-1][array[i][1]-1] = Tm[machine_index]
else:
Tm[machine_index] = max(Te[array[i][0]-1][array[i][1]-2], Tm[machine_index]) + process_time
Te[array[i][0]-1][array[i][1]-1] = Tm[machine_index]
return max(Tm)
def getinitbest(fitness,pop):
# 群体最优的粒子位置及其适应度值
gbestpop,gbestfitness = pop[fitness.argmin()].copy(),fitness.min()
#个体最优的粒子位置及其适应度值,使用copy()使得对pop的改变不影响pbestpop，pbestfitness类似
pbestpop,pbestfitness = pop.copy(),fitness.copy()
return gbestpop,gbestfitness,pbestpop,pbestfitness
????3 参考文献
[1]杨文理,李长云.改进粒子群算法在柔性作业车间调度中的应用[J].科学技术创新,2021(12):5-6
[2]陈强,王宇嘉,林炜星,陈万芬.改进粒子群算法求解分布式柔性车间调度问题[J].电子科技,2021,34(10):63-68
????4 Python代码实现
