基于改進離散粒子群算法的作業(yè)車間調(diào)度方法的研究及應用.pdf

1、車間調(diào)度是對車間生產(chǎn)過程的控制與規(guī)劃,是企業(yè)進行有效生產(chǎn)管理的核心,對企業(yè)的生產(chǎn)經(jīng)濟效益起著十分重要的作用,而作業(yè)車間調(diào)度問題是現(xiàn)代加工制造等眾多實際生產(chǎn)應用的車間調(diào)度問題的簡化模型。粒子群算法(ParticleSwarmOptimization,PSO)是一種基于群體智能理論的高效進化搜索算法,有著實現(xiàn)方便、全局尋優(yōu)能力強等優(yōu)點,已成為應用研究的熱點。本文的研究內(nèi)容圍繞著粒子群算法在作業(yè)車間調(diào)度的應用展開。論文的主要研究工作歸納如下:

2、
　　 (1)結合作業(yè)車間調(diào)度問題的特點,針對基本粒子群算法較易陷入局部最優(yōu)、搜索精度不夠理想等缺點,提出一種改進離散粒子群算法(IDPSO)。IDPSO基于粒子群算法的進化優(yōu)化機制,引入變異、交叉等操作,對粒子進行離散的位置更新,并加入基于Interchange鄰域結構的局部搜索操作。通過對算法復雜度的分析,證明該算法的計算復雜度與基本粒子群相當。通過對典型算例的仿真實驗與比較分析,驗證了算法求解作業(yè)車間調(diào)度問題的有效性。

3、r>　　 (2)針對動態(tài)多變環(huán)境下的作業(yè)車間生產(chǎn)過程,設計了一種基于改進離散粒子群算法的作業(yè)車間動態(tài)調(diào)度方法。該方法在基于周期和事件驅(qū)動的滾動窗口再調(diào)度策略基礎上,引入凍結時段思想,建立了機器存在不可用時段約束的動態(tài)調(diào)度模型,并采用改進離散粒子群算法對各調(diào)度區(qū)間進行在線調(diào)度優(yōu)化。通過作業(yè)車間三類動態(tài)事件的調(diào)度實驗,說明了本文所提動態(tài)調(diào)度方法在復雜多變的環(huán)境的適用性和有效性。
　　 (3)針對印染行業(yè)的生產(chǎn)特點,建立了印染作業(yè)車