基于改進(jìn)粒子群算法的車間作業(yè)排序的優(yōu)化及仿真研究.pdf

1、車間作業(yè)生產(chǎn)線是提高企業(yè)對(duì)市場(chǎng)快速反應(yīng)能力、滿足產(chǎn)品多樣化需求、降低生產(chǎn)成本、提高企業(yè)效益的重要手段。生產(chǎn)線的制造周期和生產(chǎn)線上機(jī)器利用率緊密聯(lián)系、相互影響，它們對(duì)車間作業(yè)生產(chǎn)線的有效利用有著至關(guān)重要的影響。然而大部分的研究都只考慮制造周期，忽視了機(jī)器利用率這一因素。因此本文開展了基于改進(jìn)粒子群算法的車間作業(yè)排序優(yōu)化與仿真研究。本文所完成的主要研究工作和取得的成果如下：
　?。?）系統(tǒng)測(cè)試了種群大小、慣性權(quán)重、加速因子1和加速因子

2、2四個(gè)控制參數(shù)對(duì)粒子群算法性能的影響，得出了控制參數(shù)的變化對(duì)算法收斂速度的影響規(guī)律。
　　（2）提出了三種改進(jìn)的粒子群算法：慣性權(quán)重和兩個(gè)加速常數(shù)均可根據(jù)粒子的適應(yīng)度值進(jìn)行自適應(yīng)變化的新的自適應(yīng)粒子群算法；將種群分成幾個(gè)子種群，首先對(duì)子種群進(jìn)行遺傳算法，然后將經(jīng)過遺傳操作后的子種群作為初始種群，最后進(jìn)行粒子群算法操作，稱為遺傳粒子群算法；引用協(xié)同技術(shù)、小生境技術(shù)、遺傳算法中的交叉和變異技術(shù)的基于小生境技術(shù)的協(xié)同粒子群算法。利用典型

3、測(cè)試函數(shù)，對(duì)比測(cè)試了基本粒子群算法與上述三種改進(jìn)的粒子群算法的性能，得出三種改進(jìn)后的粒子群算法的收斂可靠性和收斂速度均優(yōu)于基本粒子群算法。
　　（3）建立了車間作業(yè)排序優(yōu)化模型，對(duì)該模型進(jìn)行最小化最大完工時(shí)間和機(jī)器利用率最大多目標(biāo)優(yōu)化。針對(duì)該優(yōu)化模型，詳細(xì)設(shè)計(jì)了自適應(yīng)粒子群算法、遺傳粒子群算法和基于小生境技術(shù)的粒子群算法這三種改進(jìn)的粒子群算法，并將它們應(yīng)用于此優(yōu)化模型中，比較各算法在具體應(yīng)用中的性能。
　?。?）利用Matl

4、ab平臺(tái)開發(fā)了“車間作業(yè)排序優(yōu)化設(shè)計(jì)系統(tǒng)”，該系統(tǒng)可以測(cè)試基本粒子群算法的各種控制參數(shù)對(duì)其性能影響的規(guī)律，也可以測(cè)試基本粒子群算法、自適應(yīng)粒子群算法、遺傳粒子群算法和基于小生境技術(shù)的粒子群算法的性能，并將這四種粒子群算法應(yīng)用于求解車間作業(yè)排序優(yōu)化問題中，對(duì)車間作業(yè)排序的最小化最大完工時(shí)間和機(jī)器利用率進(jìn)行優(yōu)化。
　?。?）利用Arena仿真軟件建立了車間作業(yè)排序生產(chǎn)線的隨機(jī)模型，該模型中加入了實(shí)際生產(chǎn)過程中可能會(huì)遇到的各種不確定因素