基于粒子群算法的混合Flow Shop生產(chǎn)調(diào)度問題的研究.pdf

1、生產(chǎn)調(diào)度問題具有復(fù)雜性、多約束性、動(dòng)態(tài)隨機(jī)性和多目標(biāo)性,是一個(gè)已經(jīng)被證實(shí)了的NP問題?；旌狭魉囬g生產(chǎn)調(diào)度問題作為典型流水車間生產(chǎn)調(diào)度問題的一種推廣,由于其在各階段存在并行機(jī)調(diào)度問題,從而大大增加了問題的求解難度。粒子群算法是一種基于群體智能的進(jìn)化方法,由于其簡(jiǎn)單易編程實(shí)現(xiàn),須調(diào)整的參數(shù)較少而被廣泛應(yīng)用。
　　 本文從混合流水車間生產(chǎn)調(diào)度問題的工業(yè)背景出發(fā),研究混合流水車間生產(chǎn)調(diào)度問題的特點(diǎn),并綜合分析了各調(diào)度目標(biāo),從而選擇以生

2、產(chǎn)周期最小化、拖期懲罰與提前完工保管費(fèi)用最小化為調(diào)度目標(biāo),建立考慮了前期準(zhǔn)備的混合流水車間生產(chǎn)調(diào)度問題數(shù)學(xué)模型。
　　 本文又從粒子群算法的產(chǎn)生背景開始,介紹了粒子算法的基本原理,并在研究分析大量現(xiàn)有的改進(jìn)方法的基礎(chǔ)上,提出基于粒子適應(yīng)度的慣性權(quán)重調(diào)整策略、擾動(dòng)機(jī)制,以及基于位置相似度的禁忌策略三者相結(jié)合的改進(jìn)粒子群算法,同時(shí)對(duì)改進(jìn)算法使用了測(cè)試函數(shù)驗(yàn)證,證明改進(jìn)后的算法性能有所提高。
　　 最后,本文選擇了紡織生產(chǎn)調(diào)度