《基于带随机网络的多种群粒子群优化算法求解多资源受限柔性作业车间调度问题》
重庆大学学报/2021/华中科技大学 机械科学与工程学院
MRC-FJSP问题描述
MRC-FJSP是传统FJSP的拓展。主要在FHSP的基础上增加了机器准备时间和附资源资源约束。MRC-FJSP包含机器分配子问题、工序排序子问题和机器配置子问题：
基于MPSO-RDnet求解MRC-FJSP
1、编码
由于不考虑同一类附资源的单件之间的差异性，单独编写机器配置向量会导致搜索空间过大，使算法的寻优效率降低。因此，MRC-FJSP 只编写工序排列向量和机器分配向量，各加工机器的附资源配置在解码阶段动态决策。
解码
解码的过程就是确定每道工序在所选机器上的开始加工时间。对MRC-FJSP而言，如果要开始加工某一道工序，需要同时满足3个条件：
(1)工件到达机器；
（2）机器处于空闲，且已完成加工前的准备工作；
（3）所选机器需要配置的所有资源均可立即投入使用。
MRC-FJSP 的工件数量和机器数量都相对较多，导致解空间比较庞大，如果仅仅依靠单个种群进行迭代搜索，算法的效率比较低。多种群并行搜索机制既可以满足单次迭代搜索方向的多元化需求，也在客观上维护了种群的多样性，在复杂优化问题中被广泛应用。目前文献中常用的多种群策略是离散重组和基于网络结构通信的多种群策略。
离散重组大体操作如下：在每次迭代完成后，打破原有的子种群束缚，将所有个体重新 归为一个大种群；根据适应度值高低，将种群划分为若干个层次；每个层次随机选取一定数量的个体填充入各子种群中；新组建的子种群再依据相应的规则进行下一轮迭代搜索。虽然离散重组起到了保持种群多样性的作用，但每次重组后，原有子种群个体之间建立的关系被打破，新子种群个体之间需要重新进行磨合，导致算法后期收敛的精度不高。
目前应用比较广泛的网络结构图有3种：无标度网络、分块对角网络和随机网络。
随机网络：指分布满足均匀分布的网络结构。
算法流程图
