序列流水車間調(diào)度問題的混合粒子群優(yōu)化算法研究.pdf

1、序列流水車間調(diào)度問題(Permutation Flowshop Scheduling Problem，PFSP)在物流、交通、流水線生產(chǎn)等實(shí)際工業(yè)領(lǐng)域有大量應(yīng)用，合理的時(shí)間內(nèi)高效地解決PFSP關(guān)系到許多領(lǐng)域的生產(chǎn)效率。PFSP中最大完工時(shí)間(Makespan)的最小化可以促使總生產(chǎn)運(yùn)營的最小化、穩(wěn)定的資源利用、快速的作業(yè)周轉(zhuǎn)和在制品庫存的最小化，而最大延遲(Maximum L,ateness)的最小化可以最大程度減小企業(yè)延誤交貨期的損失

2、。所以研究PFSP的最大完工時(shí)間和最大延遲最小化對于最大化企業(yè)利潤意義重大。 本文使用提出的混合粒子群優(yōu)化算法(Hybrid Particle Swarm Optimization，HPSO)分別最小化PFSP的Makespan和最大延遲。本文的主要貢獻(xiàn)包括：為避免混合PSO算法過早陷入局部最優(yōu)值，提高其持續(xù)尋優(yōu)能力，提出自適應(yīng)排斥計(jì)算技術(shù)；為更好地平衡混合PSO算法中粒子的全局探索和局部開采能力，提出自適應(yīng)非線性變化的認(rèn)知因子

3、和社會(huì)因子；根據(jù)PFSP的離散特性，提出從連續(xù)問題空間到離散問題空間轉(zhuǎn)化的啟發(fā)式規(guī)則-SDV(Smallest Difference Value，SDV)，SDV能使混合PSO算法更加智能地做出調(diào)度決策以分別最小化PFSP的makespan和最大延遲基準(zhǔn)；為提高混合PSO算法求解PFSP的解的精度，提出改進(jìn)的INEH局部搜索技術(shù)；為公正地評估混合PSO算法的性能，將基于業(yè)內(nèi)使用最普遍的Taillard和Demirkol基準(zhǔn)實(shí)例進(jìn)行評估，