[发明专利]基于生物地理学优化算法的调度优化求解器

权利要求书

1.基于生物地理学优化算法的调度优化求解器，其特征在于，该调度优化求解器包括零等待流水车间调度求解模块、作业车间调度求解模块以及非线性函数优化求解模块，具体按以下过程实施：

(1)零等待流水车间调度求解模块采用HBV算法作为内置求解算法，其终止准则为运行时间，在不同运行时间下优化结果不同，需要用户针对具体问题设定可接受地运行时间；

(2)作业车间调度求解模块采用OMBBO算法作为内置求解算法，基于SPV编码规则将问题域转换为实数域进行求解，将对应的内置调度算法OMBBO置换为非线性函数优化模块同样可求解。

(3)非线性函数优化求解模块采用TDBBO算法作为内置求解算法，在CEC2017测试集中进行效果测试。

2.根据权利要求1所述的基于生物地理学优化算法的调度优化求解器，其特征在于零等待流水车间调度求解模块包含一个内置算法HBV；其中包含基于MNEH+NN的种群初始化策略、基于路径重定向和自我改进策略的迁移算子、基于迭代贪心算法的变异算子以及变邻域搜索，具体按以下过程实施：

(1)针对部分个体采用路径重定向代替原有迁移算子，针对其余个体采用基于块的自我改进策略进行优化；

(2)将迭代贪心算法和插入邻域结构引入变异算子进而在变异个体周围进行搜索；

(3)将插入邻域结构和块邻域结构嵌入到变邻域搜索框架进而开发出改进的变邻域搜索算法。

3.根据权利要求1所述的基于生物地理学优化算法的调度优化求解器，其特征在于作业车间调度求解模块包含一个内置算法OMBBO；其中包含基于混沌理论和反向学习的种群初始化策略、混合迁移算子、高斯变异算子、模拟退火接收准则以及变邻域搜索，具体按以下过程实施：

(1)使用最小位置值规则(SPV)将连续域求解算法映射到作业车间调度问题域；

(1)首先基于混沌理论生成初始种群，然后运用反向学习对初始种群进行改进；

x_n+1＝4x_n(1-x_n)

ox_i,j＝a_j+b_j-x_i,j

(2)引入混合迁移算子执行算法迁移操作，混合迁移算子如下所示：

U_i＝H_imigrate+F_i·(H_emigrate-H_imigrate)

(3)执行高斯变异算子执行变异操作，高斯变异算子如下所示：

H_i(j)＝H_i(j)+randn(0,1)

(4)使用模拟退火策略使得相比当前解较差的解有一定的几率被接收，其接收概率由当前迭代次数和当前解与新产生的候选解之间的差异决定；

(5)执行基于关键路径的变邻域搜索。

4.根据权利要求1所述的基于生物地理学优化算法的调度优化求解器，其特征在于非线性函数优化求解模块包含一个内置算法TDBBO；其中包含随机种群初始化策略、两阶段迁移模型、差分迁移算子、高斯变异算子以及贪婪选择接受准则，具体按如下过程实施：

(1)根据当前迭代进程，适时的改变迁出模型以适应当前的搜索区域；改变策略为：

(2)根据差分方程设计迁移算子以增强算法的旋转不变性，迁移算子为：

U_i＝H_i+F_i·(H_k-H_i)+F_i·(H_r1-H_r2)

(3)执行高斯变异算子执行变异操作；

(4)执行贪婪选择策略。