基于改进的离散PSO算法的FJSP的研究(Python代码实现)

简介: 基于改进的离散PSO算法的FJSP的研究(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

文献来源:


757eac99f2b6d260d52d365febaac910.png


摘要:柔性作业车间调度问题(Flexible Job-shop Scheduling Problem,FJSP)是经典作业车间调度问题的一个扩展,前者更接近于实际生产。以最小化最大完工时间为目标,提出了一种改进的离散粒子群优化算法。传统粒子群优化算法一般适用于优化连续模型问题,FJSP作为复杂度比较高的组合优化问题,是一种典型的离散模型。提出的算法采用机器负荷平衡机制初始化粒子种群,在粒子的更新过程中引入了3个操作算子来更新粒子的工序排序部分和机器分配部分,这3个算子分别为基于工序排序或机器分配的变异、与个体最优位置之间进行工序先后顺序保留的交叉(POX)操作、与全局最优位置进行随机点保存的交叉(RPX)操作。先后执行以上3个算子以完成粒子的一次更新。这种操作能够使种群较快地收敛于最优解。对标准测试案例进行实验的结果表明,所提算法对解决FJSP具有有效性,并且能够快速地搜索到近似最优解;与其他同类算法相比,所提算法在求解效果和收敛速度上均具有优越性。


关键词:


作业车间调度;离散优化问题;柔性;粒子群优化;


📚2 运行结果

#总共15个Brandimarte文件 for i in range(15): #每个数据用例都测试10次,取最好的一次结果,如果为了效率可以每个数据都测试1次 results = [solve_FJSP(i,j) for j in range(10)] Pg_list = [result[0] for result in results ] fitness_list = [result[1] for result in results ] job_op_num = results[0][2] p_table = results[0][3] best_fitness_index = np.argmax(np.array(fitness_list)) best_fitness = fitness_list[best_fitness_index] best_Pg = Pg_list[best_fitness_index] #画图,写入.txt文档 path= './BestFitness/BrandimarteMk'+str(i+1)+'/' Decode.decode(best_Pg,job_op_num,p_table,'save',path) print(best_Pg,best_fitness) with open(path+'best_schedule.txt', 'w') as f: f.write(str(best_Pg)+'\n'+str(best_fitness))


80ff3cc65c568bb1a8ad1d64ab7ef547.png


部分代码:

# 生成初始种群
# 种群大小,可以根据m和n的值来调整大小,如C*m*n c为一个常系数
# Popsize = 5*p_table.shape[1]*len(job_op_num)
Popsize = 200
encode = Encode(Popsize, p_table, job_op_num)
# 全局选择的染色体
global_chrs = encode.global_selection()
# #局部选择的染色体
local_chrs = encode.local_selection()
# #随机选择的染色体
random_chrs = encode.random_selection()
# 合并三者,得到初始的种群
chrs = np.vstack((global_chrs, local_chrs, random_chrs))
# 以下是关于操作染色体的代码
# 初始的超参数赋值
o_mega = 0.15
c1 = 0.5
c2 = 0.7
pf_max = 0.8
pf_min = 0.2
# 迭代次数,也可以根据m和n的值来调整大小,
# Iter = 5*p_table.shape[1]*len(job_op_num)
Iter = 200
# 得到初始的个体最优位置
P = copy.deepcopy(chrs)
# 得到初始的全局最优位置
# Decode.decode(chr,job_op_num,p_table,'decode'),其中的‘decode’表示不画图,只是计算适应度
fitness_list = [Decode.decode(chr, job_op_num, p_table, 'decode',None) for chr in P]
Pg = P[np.argmin(fitness_list)]
for iter in range(Iter):
# 计算pf
pf = pf_max - (pf_max - pf_min) / Iter * iter
# 更新种群中所有的染色体
copy_chrs = copy.deepcopy(chrs)
chrs = [pso.f_operator(job_op_num, p_table, chr, P[index], Pg, pf, o_mega, c1, c2) for index, chr in
enumerate(copy_chrs)]
# 更新个体最优位置
P = np.array([chr1 if Decode.decode(chr1, job_op_num, p_table, 'decode',None) <= Decode.decode(chr2, job_op_num,
p_table, 'decode',None)
else chr2 for chr1, chr2 in zip(P, chrs)])
# 更新全局最优位置
fitness_list = [Decode.decode(chr, job_op_num, p_table, 'decode',None) for chr in P]
Pg = P[np.argmin(fitness_list)]
# for chr in chrs:
# print(Decode.decode(chr, job_op_num, p_table, 'decode',None))
# print("第" + str(iter + 1) + '次循环的最优fitness:', Decode.decode(Pg, job_op_num, p_table, 'decode',None))
print("第"+str(file_num+1)+'个数据集,第'+str(run_times+1)+'次运行'+'迭代:'+str(iter+1)+'/'+str(Iter))
fitness = Decode.decode(Pg, job_op_num, p_table, 'decode',None)


🎉3 参考文献

部分理论来源于网络,如有侵权请联系删除。

[1]丁舒阳,黎冰,侍洪波.基于改进的离散PSO算法的FJSP的研究[J].计算机科学,2018,45(04):233-239+256.


🌈4 Python代码实现

相关文章
|
9天前
|
存储 算法 调度
【复现】【遗传算法】考虑储能和可再生能源消纳责任制的售电公司购售电策略(Python代码实现)
【复现】【遗传算法】考虑储能和可再生能源消纳责任制的售电公司购售电策略(Python代码实现)
107 26
|
6天前
|
Python
Python的简洁之道:5个让代码更优雅的技巧
Python的简洁之道:5个让代码更优雅的技巧
150 104
|
6天前
|
开发者 Python
Python神技:用列表推导式让你的代码更优雅
Python神技:用列表推导式让你的代码更优雅
214 99
|
6天前
|
设计模式 人工智能 API
AI智能体开发实战:17种核心架构模式详解与Python代码实现
本文系统解析17种智能体架构设计模式,涵盖多智能体协作、思维树、反思优化与工具调用等核心范式,结合LangChain与LangGraph实现代码工作流,并通过真实案例验证效果,助力构建高效AI系统。
85 7
|
11天前
|
存储 大数据 Unix
Python生成器 vs 迭代器:从内存到代码的深度解析
在Python中,处理大数据或无限序列时,迭代器与生成器可避免内存溢出。迭代器通过`__iter__`和`__next__`手动实现,控制灵活;生成器用`yield`自动实现,代码简洁、内存高效。生成器适合大文件读取、惰性计算等场景,是性能优化的关键工具。
134 2
|
9天前
|
JSON 缓存 开发者
淘宝商品详情接口(item_get)企业级全解析:参数配置、签名机制与 Python 代码实战
本文详解淘宝开放平台taobao.item_get接口对接全流程,涵盖参数配置、MD5签名生成、Python企业级代码实现及高频问题排查,提供可落地的实战方案,助你高效稳定获取商品数据。
|
17天前
|
数据采集 机器学习/深度学习 人工智能
Python:现代编程的首选语言
Python:现代编程的首选语言
188 102
|
17天前
|
数据采集 机器学习/深度学习 算法框架/工具
Python:现代编程的瑞士军刀
Python:现代编程的瑞士军刀
191 104
|
17天前
|
人工智能 自然语言处理 算法框架/工具
Python:现代编程的首选语言
Python:现代编程的首选语言
180 103
|
17天前
|
机器学习/深度学习 人工智能 数据挖掘
Python:现代编程的首选语言
Python:现代编程的首选语言
128 82

热门文章

最新文章

推荐镜像

更多