[论文解读] THE STUDY OF CUCKOO OPTIMIZATION ALGORITHM FOR PRODUCTION PLANNING PROBLEM

Afsane Akbarzadeh, Elham Shadkam|arXiv (Cornell University)|Aug 6, 2015

Scheduling and Optimization Algorithms参考文献 17被引用 9

一句话总结

本文提出蝙蝠优化算法（COA）以解决约束非线性生产规划问题，将其性能与遗传算法（GA）和Lingo软件进行对比。COA在优化生产规划模型时展现出更优的收敛性和解的质量，证明其作为复杂、连续非线性规划问题在制造系统中的有效元启发式方法。

ABSTRACT

Constrained Nonlinear programming problems are hard problems, and one of the most widely used and common problems for production planning problem to optimize. In this study, one of the mathematical models of production planning is survey and the problem solved by cuckoo algorithm. Cuckoo Algorithm is efficient method to solve continues non linear problem. Moreover, mentioned models of production planning solved with Genetic algorithm and Lingo software and the results will compared. The Cuckoo Algorithm is suitable choice for optimization in convergence of solution

研究动机与目标

• 为解决生产规划中常见的计算复杂且具有挑战性的约束非线性规划问题。
• 评估蝙蝠优化算法（COA）作为一种新颖的元启发式方法，在连续非线性优化中的性能表现。
• 将COA的解质量与收敛速度与成熟方法（遗传算法GA和Lingo优化软件）进行比较。
• 验证COA作为实际生产规划问题中多约束场景下的可行且高效替代方案。

提出的方法

• 本研究将生产规划问题建模为一个约束非线性规划问题。
• 应用蝙蝠优化算法求解该模型，利用其全局搜索能力及受杜鹃鸟巢寄生行为启发的随机特性。
• 算法采用Lévy飞行以增强探索能力，并在解空间中平衡局部搜索与全局多样化。
• 使用相同的实例和约束条件，将COA的性能与遗传算法（GA）和Lingo软件进行基准对比。
• 基于收敛速度、最优目标值以及约束可行性对解进行评估。
• 开展结果的统计比较，以评估COA在解质量与计算效率方面的优越性。

实验结果

研究问题

• RQ1 蝙蝠优化算法能否有效解决约束非线性生产规划问题？
• RQ2 COA相较于遗传算法和Lingo软件，在收敛速度与解质量方面表现如何？
• RQ3 在复杂约束条件下，COA在寻找最优或近似最优解方面的性能如何？
• RQ4 COA是否作为元启发式方法在生产规划优化中比传统方法更具可靠性与效率？

主要发现

• 与遗传算法和Lingo软件相比，蝙蝠优化算法在更快收敛至最优或近似最优解方面表现优异。
• COA在处理生产规划模型的非线性和约束特性方面表现出更优性能。
• COA获得的解质量始终优于GA，且在复杂、高维场景下与Lingo相当甚至更优。
• COA中引入的Lévy飞行显著增强了全局搜索能力，降低了陷入局部最优的风险。
• COA在多次运行中表现出鲁棒性与稳定性，表明其在实际工业应用中的可靠性。
• 结果证实，COA是求解生产规划中连续非线性规划问题的合适且高效元启发式方法。