论文阅读|《一种基于非支配排序的改进生物地理学优化算法求解多目标FJSP》

Posted 码丽莲梦露

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了论文阅读|《一种基于非支配排序的改进生物地理学优化算法求解多目标FJSP》相关的知识,希望对你有一定的参考价值。

《An improved non-dominated sorting biogeography-based optimization algorithm(NSBBO) for the (hybrid) multi-objective flexible job-shop scheduling problem》

Applied Soft Computing Journal/2021
在这里插入图片描述

这篇文章的贡献:
(1)为克服个体进化过程中缺乏Pareto支配关系,提出V-dominance principle 用于判断个体间的支配关系,加速种群的收敛。
(2)为提高NSBBO的局部搜索能力,加入了HVNS(混合领域结构)
(3)为了避免在迭代过程中丢失部分最优或近似最优解,提出了精英存储策略用于选择和存储全局最优或接近最优的解决。

1 问题描述和建模

符号:
在这里插入图片描述

问题:普通FJSP问题
问题的目标函数:
在这里插入图片描述

2 NSBBO算法及其改进方法

2.1 NSBBO算法

生物地理学优化算法的简介

2.2 主要的改进方法

2.2.1 V-dominance principle

为了加快收敛速度,减少每层的栖息地数量,采用目标函数的Volum来评估每两个解之间的支配关系
在这里插入图片描述
解X的目标函数值F(X)=[f1(X),f2(X),…,fg(X)],于是Voulm可以由下式计算:
在这里插入图片描述
其中:
在这里插入图片描述
Z表示种群中目标函数值最差的解。
在V-dominance priciple 中,Volum直接用于评价解的好坏。Volum越小,解越好,反之亦然。

2.2.2 局部搜索HVNS

这篇论文设计了5种领域结构来优化工序排序和机器选择:
(1)随机插入(RIN)
(2)随机整领(RWN)
(3)随即置换(RRN)
(4)两点交换(TEN)
(5)机器空闲时间导向的变领域结构(MITN)
在这里插入图片描述
在这里插入图片描述

3 INSBBO算法的设计

3.1 栖息地的编码与解码

如传统遗传算法的编码与解码:

在这里插入图片描述

3.2 HSI指数设计

与遗传算法中的适应度函数相似,在这篇文章中HSI用V-dominance principle 来确定:
在这里插入图片描述
其中,ranki表示栖息地在Pareto中的等级。

3.3 迁徙算子

(1)计算每个栖息地的迁入、迁出率
在这里插入图片描述
其中,I、E分别表示最大迁入、迁出率
(2)设置迁移率阈值:
原始:
在这里插入图片描述
改进后:
在这里插入图片描述
迁徙算子的伪代码:
在这里插入图片描述

3.3 改进变异算法

高HSI的栖息地和低HSI的栖息地都有可能发生变异,因此,传统变异阈值设计如下:
在这里插入图片描述
其中Mmax为自定义参数。
由于随着迭代次数的增加,容易陷入局部最优,于是,变异概率改进如下:
在这里插入图片描述
其中,MAXGEN指最大迭代次数。
伪代码如下:
在这里插入图片描述

4 算法整体框架

在这里插入图片描述

5 实验

5.1 算例

在这里插入图片描述

5.2 评价指标

(1)非支配解个数:
在这里插入图片描述
(2)Hypervolume(HV)
表示Pareto前沿解的数量大小,HV越大表示最终解集的多样性和覆盖率越好
在这里插入图片描述

5.3 算法对比

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

以上是关于论文阅读|《一种基于非支配排序的改进生物地理学优化算法求解多目标FJSP》的主要内容,如果未能解决你的问题,请参考以下文章

优化调度基于matlab非支配排序遗传算法求解车辆充电调度优化问题含Matlab源码 2000期

多目标非支配排序遗传算法-NSGA-II(一)

基于参考点的非支配遗传算法-NSGA-III

基于参考点的非支配遗传算法-NSGA-III

优化求解基于tent混沌改进粒子群优化算法

优化求解基于tent混沌改进粒子群优化算法