基于智能優(yōu)化算法的車間調(diào)度問題的研究.pdf

1、車間調(diào)度問題是一個非常復雜的NP-hard組合優(yōu)化問題，它在工程應用中有著十分重要的意義。有效的生產(chǎn)調(diào)度方法和優(yōu)化技術的研究和應用是實現(xiàn)先進制造和提高生產(chǎn)效益的基礎和關鍵，越來越受到學者們的關注。 本文在綜合國內(nèi)外關于車間調(diào)度問題研究狀況的基礎上，考慮現(xiàn)行作業(yè)車間運作的實際情況，對作業(yè)車間的生產(chǎn)調(diào)度問題進行了深入系統(tǒng)的研究。 首先，對車間調(diào)度問題的概念、分類、特點、研究內(nèi)容、評價標準及傳統(tǒng)的求解算法進行了系統(tǒng)的闡述；從粒

2、子群優(yōu)化(ParticleSwarmOptimization，PSO)算法的產(chǎn)生背景、基本原理、求解流程及改進方向等角度對該算法進行了系統(tǒng)的介紹和深入的研究。 其次，由于在實際的調(diào)度中，PSO算法存在搜索空間有限、容易出現(xiàn)早熟現(xiàn)象的缺陷，提出將具有量子行為的粒子群優(yōu)化(Quntum-behavedParticleSwarmOptimization,QPSO)算法用于求解車間調(diào)度問題。在系統(tǒng)分析了QPSO算法的基本原理、算法特性的

3、基礎上，將該算法用于求解車間調(diào)度問題，以全部工件的加工結束時間最短作為優(yōu)化目標，結合基于工序的編碼方法，構建了基于QPSO算法的車間調(diào)度問題求解方法，并通過仿真實例驗證了算法的收斂性和有效性，其調(diào)度效果優(yōu)于遺傳算法、PSO算法。 最后，由于QPSO算法仍有可能會出現(xiàn)早熟現(xiàn)象，因此將變異機制引入QPSO算法以使算法跳出局部最優(yōu)并增強其全局搜索能力，提出了基于帶變異因子的QPSO算法的車間調(diào)度問題求解方法，并結合實例實現(xiàn)了對復雜車間