基于蚂蚁优化算法的柔性车间调度研究（Python代码实现）

 

欢迎来到本博客❤️❤️

博主优势：博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

本文目录如下：

目录

1 概述

2 运行结果

3 参考文献

4 Python代码实现

---

1 概述

柔性车间调度问题一类较为复杂的NP-hard问题。随着客户需求向多样化方向的演变以及市场竞争的日趋激烈,越来越多的企业开始进行柔性生产。因此,柔性调度问题的研究,对于企业提高生产效率、降低生产成本等具有重要意义。本研究以工艺规划和调度集成为基础,对一类具有工艺路径柔性和机器柔性的柔性调度问题展开了研究。首先,为了解决当工艺柔性复杂度较高时,现有描述方法存在的规模过大和组合爆炸等问题,提出了一种新的四元组数学描述方法,较好的描述了具有机器柔性的工艺路径柔性的工件。其次,结合多加工路线柔性车间调度问题的特点,设计了基于蚁群算法的集成型调度优化算法。

2 运行结果

 

 

 

 

 

 

 

 

部分代码：

def __init__(self,J_num,O_num,M_num,alpha=2,beita=5,p=0.1,N_max=50,S=50,S_2=50,u=0.2):
    self.J_num=J_num        #工件总类
    self.O_total=O_num     #总工序数
    self.alpha=alpha        #信息素启发因子
    self.beita=beita        #期望启发因子
    self.p=p                #信息素蒸发率
    self.N_max=N_max        #最大迭代次数
    self.S=S                #第一层蚂蚁总数
    self.S_2=S_2
    self.Ant_Map=np.ones((J_num,O_num),dtype=float)    #第一阶段：工序排序蚂蚁地图
    self.Ant_Machine_Map=np.ones((O_num,M_num),dtype=float) #第二阶段：机器选择蚂蚁地图
    self.P0=0.1             #目前暂定为这样
    self.P1=0.6
    self.P2=0.7
#候选集
def Candidate_set(self,Jobs):  # 候选解集

3 参考文献

部分理论来源于网络，如有侵权请联系删除。

[1]张晓彤. 基于ACO的集成型多加工路线柔性车间调度研究[D].大连理工大学,2017.

4 Python代码实现