混合分布估計(jì)算法及其在車間調(diào)度中的應(yīng)用研究.pdf

1、車間調(diào)度是影響企業(yè)生產(chǎn)效率的關(guān)鍵因素之一，采取合理有效的調(diào)度策略可以縮短工期、加快交貨速度以及降低庫存，提高企業(yè)生產(chǎn)效率。然而面對(duì)種類繁多，工藝復(fù)雜的實(shí)際車間調(diào)度問題，現(xiàn)有的調(diào)度策略及優(yōu)化方法還不能夠解決非線性、高維度、強(qiáng)約束、大規(guī)模的車間調(diào)度問題。因此，尋求有效的調(diào)度策略及優(yōu)化方法仍然是調(diào)度理論研究領(lǐng)域所關(guān)注的重要問題。分布估計(jì)算法（EDA）是一類基于概率統(tǒng)計(jì)的新型進(jìn)化算法，其根據(jù)種群中優(yōu)質(zhì)個(gè)體的信息來建立概率模型，并通過對(duì)所建立的概

2、率模型采樣來生成新個(gè)體，周而復(fù)始，從而實(shí)現(xiàn)種群進(jìn)化。分布估計(jì)算法通過概率模型來引導(dǎo)和維持種群的進(jìn)化過程，有效地避免了遺傳算法交叉、變異對(duì)構(gòu)造塊的破壞，可以更快速、可靠地解決傳統(tǒng)優(yōu)化方法難以解決的非線性高維復(fù)雜問題。分布估計(jì)算法具有較快的收斂速度，較強(qiáng)的全局搜索能力和協(xié)同能力，因此能夠在演化計(jì)算及優(yōu)化領(lǐng)域占據(jù)重要地位。
　　本研究主要內(nèi)容包括：⑴在深入研究分布估計(jì)算法理論的基礎(chǔ)上，針對(duì)分布估計(jì)算法局部搜索能力不足的問題，本文提出一種

3、基于分布估計(jì)和混沌差分進(jìn)化的混合優(yōu)化算法(cDE/EDA)。該算法通過所提出的決策因子將具有局部搜索能力的差分進(jìn)化算法與分布估計(jì)算法融合，有效地彌補(bǔ)了分布估計(jì)算法的不足。同時(shí)，將混沌參數(shù)更新策略（CPC）引入到差分進(jìn)化算法中以加強(qiáng)其搜索能力?；趩握{(diào)有界序列的極限定理對(duì)cDE/EDA算法的全局收斂性進(jìn)行了證明，通過正交實(shí)驗(yàn)設(shè)計(jì)的方法分析了cDE/EDA算法的參數(shù)靈敏性。最后，通過Benchmark測(cè)試函數(shù)測(cè)試了cDE/EDA的性能，實(shí)驗(yàn)

4、結(jié)果表明cDE/EDA具有明顯的可行性和有效性。⑵針對(duì)作業(yè)車間調(diào)度（JSSP），提出一種基于鄰域搜索的混合分布估計(jì)和差分進(jìn)化算法(NS-HDE/EDA)。該算法以cDE/EDA算法為基礎(chǔ)，同時(shí)融入一種基于關(guān)鍵路徑塊結(jié)構(gòu)的鄰域搜索算法(NS)以加強(qiáng)cDE/EDA算法的搜索能力和改善解的質(zhì)量；并通過正交實(shí)驗(yàn)討論了所提出算法的參數(shù)靈敏性。最后，利用典型Job shop實(shí)例對(duì)NS-HDE/EDA進(jìn)行了測(cè)試，實(shí)驗(yàn)結(jié)果表明，NS-HDE/EDA可以

5、有效地解決JSSP問題。⑶針對(duì)置換流水車間調(diào)度（PFSSP），提出一種混合分布估計(jì)----和聲搜索算法(HS/EDA)。HS/EDA采用基于工序的編碼方式，通過 LOV規(guī)則將種群個(gè)體轉(zhuǎn)化為編碼序列，利用和聲搜索算法（HS）初始化種群，EDA算法引導(dǎo)和維持種群進(jìn)化。為了進(jìn)一步加強(qiáng)HS/EDA的局部搜索能力，本文將兩種局部搜索算法以概率方式融合，提出一種混合局部搜索算法并融入到 HS/EDA。最后，通過典型 Flow shop實(shí)例測(cè)試了 H