在以上的分配規(guī)則下，為保證在各杭州一機(jī)M7132平面磨床任務(wù)量盡可能均衡的條件下使完成總訂單的時間最短。我們不難想到建立以最短訂單完成時間為目標(biāo)的優(yōu)化模型。M7132
平面磨床為解決該單目標(biāo)函數(shù)的優(yōu)化模型，基于GA(遺傳)算法和SA(模擬退火)算法屬于概率分布機(jī)制的優(yōu)化算法，本文同時考慮了這兩種算法。但是，由于
杭州一機(jī)7132平面磨床GA局部搜索能力差，容易過早收斂，精度不高，同時有收斂準(zhǔn)則和參數(shù)選擇困難的缺陷；杭州一機(jī)M7132平面磨床SA算法對整個搜索空間的狀況了解不多，不便于使搜索在整個搜索空間進(jìn)行大范圍的搜索。于是，M7132平面磨床在彌補(bǔ)遺傳算法和模擬退火算法各自缺點的基礎(chǔ)上，我們將這兩種算法進(jìn)行混合得混合遺傳算法(GASA)。M7132平面磨床用該算法對問題一進(jìn)行解答。此算法充分發(fā)揮了遺傳算法良好的全局搜索能力和模擬退火算法有效避免陷入局部最優(yōu)并最終趨于全局最優(yōu)的特性。杭州一機(jī)M7132平面磨床GA和SA互相取長補(bǔ)短，降低了參數(shù)選擇的苛刻性，取得比較理想的效果。之后，對于如何確定各機(jī)床任務(wù)量是否均衡的問題，考慮到必須定義某項指標(biāo)對其進(jìn)行衡量，我們定義該指標(biāo)為均衡度提高
杭州一機(jī)M7132平面磨床價位。在以上的分配規(guī)則及題目所給的調(diào)度費(fèi)用、運(yùn)行成本的約束下，為保證生產(chǎn)費(fèi)用最小。
為使任務(wù)合理地分配到各
杭州一機(jī)7132磨床，并保證各機(jī)床任務(wù)量在盡可能均衡的條件下以最短的時間完成訂單。我們不得不對題中各任在不同安排下的數(shù)據(jù)進(jìn)行重新處理，以期得到更加形象，易懂的任務(wù)、工序、機(jī)床與時間之間的關(guān)系表格。對均衡度的定義：為衡量各
杭州一機(jī)M7132平面磨床任務(wù)量的均衡情況，現(xiàn)定義衡量指標(biāo)均衡度。均衡度，定義為各M7132平面磨床完成所有任務(wù)最大時間差值。
