mtsp模型及求解word版(完整版)
【正文】 問題進(jìn)入標(biāo)準(zhǔn)MTSP問題的變換為了將熱軋調(diào)度問題轉(zhuǎn)換為MTSP問題,引進(jìn)了M個虛擬節(jié)點(diǎn)(定單) 其編號為N+1,N+2,…,N+M。引進(jìn)M個虛擬節(jié)點(diǎn)，那么熱軋計劃排出問題可以建成MTSP模型。相鄰板坯之間的寬度、厚度和硬度跳躍值之和越大，則作為懲罰值也就越大，對應(yīng)的軋制計劃評價就越差。A = 3 2 1 4 8 7 6 5B = 3 5 7 2 4 6 8 1C = 3 2 1 8 7 5 6 4由于d(3,2)d(3,5)，所以有：A =5 2 1 4 8 7 6B =5 7 2 4 6 8 1C =5 6 4 2 1 8 7由此規(guī)則計算可得：O =3 5 7 6 8 4 2 1SUM0 = 24(SUM0為3個父代所產(chǎn)生的子代所走的距離或懲罰費(fèi)用總和)，顯然SUM0遠(yuǎn)遠(yuǎn)小于SUM1，SUM2和SUM3。當(dāng)fbest與 f 很接近時，說明某一代中所有的值可能在局部最優(yōu)附近徘徊，所以讓Pm較大,以擺脫局部最優(yōu)。結(jié)果證明應(yīng)用TSP問題的改進(jìn)遺傳算法能夠有效地解決軋鋼廠生產(chǎn)調(diào)度問題。 steel plex[ J].European Journal of Operational Research,2000,124(2): 267282.[4] [J].東北大學(xué)學(xué)報,1999,20(2):148~150.[5] Lenstra J K,Rinnooy Kan AHG. Some simple applications of the traveling salesman problem. Operational Research Quarterly, 1975, ~733.[6] 黃可為。4結(jié)論通過以實(shí)際生產(chǎn)數(shù)據(jù)為例,進(jìn)行仿真，結(jié)果表明，所給出的算法非常有效。 (2)其中：f′=SUM1+SUM2+SUM3 / 3 (3)f′當(dāng)前交叉的3個父代的平均值；ffit為當(dāng)前代中最短的路程值；f當(dāng)前代的平均值。遺傳算法（GA）是一種全新的隨機(jī)搜索與優(yōu)化算法，而標(biāo)準(zhǔn)遺傳算法執(zhí)行的效率不高，而且容易在局部最優(yōu)解處收斂[8]。在建立模型之前,先將模型中用到的變量和參數(shù)定義如下：對于i, j∈{1,…,N}1 如果訂單j直接跟在訂單i之后生產(chǎn)Xij= 0 否則當(dāng)i∈{N+1,…,N+M}, j∈{1,…,N} 1 如果訂單j是第iN個計劃的第一個被軋制的Xij= 0 否則當(dāng)i∈{1,…,N}, j∈{N+1,…,N+M}1 如果訂單i是第jN個計劃的最后一個被軋制的Xij= 0 否則
規(guī)章制度相關(guān)推薦
鄂ICP備17016276號-1