粒子群優(yōu)化算法在柔性作業(yè)車間調(diào)度中的應(yīng)用研究.pdf

1、傳統(tǒng)的作業(yè)車間調(diào)度問題是求解每個(gè)工件具有特定加工機(jī)器的一類調(diào)度問題，而在實(shí)際生產(chǎn)中，可以加工某個(gè)工序的機(jī)器往往不止一個(gè)，這就產(chǎn)生了柔性作業(yè)車間調(diào)度問題。 柔性作業(yè)車間調(diào)度問題(Flexible job shop scheduling problem，F(xiàn)JSP)由于具有路徑柔性的特點(diǎn)，從而可以避免傳統(tǒng)作業(yè)車間在正常運(yùn)行過程中容易出現(xiàn)的阻塞和擁擠等現(xiàn)象，并且當(dāng)加工過程中出現(xiàn)機(jī)器故障等一些異常情況的時(shí)候，作業(yè)車間系統(tǒng)仍然能夠維持生產(chǎn)的

2、繼續(xù)進(jìn)行，這樣可以提高作業(yè)車間調(diào)度系統(tǒng)的靈活性。然而，柔性路徑的特點(diǎn)也使得這類問題的可行解范圍的增大，從而給問題的求解帶來新的挑戰(zhàn)。在實(shí)際生產(chǎn)中，柔性作業(yè)車間調(diào)度問題往往需要同時(shí)面向多個(gè)目標(biāo)進(jìn)行決策分析。因此，尋找有效的方法對(duì)多目標(biāo)柔性作業(yè)車間調(diào)度問題進(jìn)行求解具有重要的理論價(jià)值和應(yīng)用意義。 本文主要探討了如何使用粒子群優(yōu)化(Particle Swarm Optimization，PSO)算法求解柔性作業(yè)車間調(diào)度問題，特別是多目標(biāo)

3、柔性作業(yè)車間調(diào)度問題。本論文的主要工作與創(chuàng)新點(diǎn)如下： (1)研究了基于混沌的PSO算法在柔性作業(yè)車間調(diào)度問題中的應(yīng)用。利用混沌優(yōu)化技術(shù)的隨機(jī)性、遍歷性特點(diǎn)和易跳出局部極值的能力，在PSO算法中引入混沌技術(shù)以提高PSO算法的性能，提出了一種混合PSO算法。首先，利用混沌對(duì)PSO算法的參數(shù)進(jìn)行自適應(yīng)優(yōu)化，實(shí)現(xiàn)全局搜索與局部搜索間的有效平衡；然后，在PSO算法的搜索過程中引入混沌局部搜索策略，以提高求解的精度和收斂速度。并且將該算法分

4、別應(yīng)用于若干個(gè)單目標(biāo)和多目標(biāo)柔性作業(yè)車間調(diào)度問題的求解，實(shí)驗(yàn)結(jié)果表明算法具有良好的全局搜索性能。 (2)探討了基于多目標(biāo)權(quán)重聚合優(yōu)化策略的PSO算法。在PSO和混沌的混合優(yōu)化算法的基礎(chǔ)上，針對(duì)多目標(biāo)存在的量綱問題，采用一種基于模糊邏輯的適應(yīng)度函數(shù)形式。同時(shí)，為了進(jìn)一步保持種群的多樣性，最大可能的搜索到所有的非劣解，利用隨機(jī)思想生成適應(yīng)度函數(shù)的權(quán)系數(shù)。實(shí)驗(yàn)表明這種方法使得算法獲得的非劣解具有很好的分布行和穩(wěn)定性。 (3)研

5、究了Fully-informed粒子群(FIPS)算法在多目標(biāo)柔性作業(yè)車間調(diào)度問題中的應(yīng)用。首先，基于Pareto最優(yōu)概念對(duì)種群進(jìn)行排序，同時(shí)將屬于相同Pareto等級(jí)的個(gè)體定義為鄰居，并將這種基于Pareto等級(jí)的近鄰?fù)負(fù)浣Y(jié)構(gòu)用于FIPS算法中。其次，通過計(jì)算同Pareto等級(jí)中個(gè)體的擁擠距離進(jìn)行第二級(jí)排序，給出了一種基于排序的FIPS算法。最后，針對(duì)算法的早熟收斂問題，引入基于編碼機(jī)制的兩種變異算子。 (4)研究了基于動(dòng)態(tài)概