基于免疫粒子群算法的混合流水車間調(diào)度問題研究.pdf

1、混合流水車間調(diào)度問題(Hybird Flowshop Scheduling Problem，HFSP)屬于現(xiàn)實生產(chǎn)調(diào)度領(lǐng)域問題的一種，由此抽象出的簡化模型，屬于企業(yè)生產(chǎn)管理、控制的核心部分，在流程制造業(yè)中比較常見。企業(yè)貫徹先進(jìn)制造和提高生產(chǎn)效率的關(guān)鍵在于合理利用優(yōu)秀的調(diào)度方案，有效的優(yōu)化技術(shù)。生產(chǎn)調(diào)度領(lǐng)域的重心是調(diào)度算法的研究與應(yīng)用，具有很強(qiáng)的理論意義與現(xiàn)實價值。
　　 粒子群優(yōu)化算法是近幾年提出的基于群集智能的進(jìn)化算法，優(yōu)點表

2、現(xiàn)為易于操作、實現(xiàn)簡單等。在算法發(fā)展的過程中，尚有一些不足之處，表現(xiàn)為搜索效率低下過早地收斂、陷入局部極值等?；谝陨显?，對粒子群優(yōu)化算法進(jìn)行改進(jìn)，并應(yīng)用于實際的混合流水車間調(diào)度問題求解。
　　 本文首先將免疫算法與粒子群優(yōu)化算法相結(jié)合，提出免疫粒子群優(yōu)化算法，它結(jié)合了粒子群優(yōu)化算法收斂速度快、實現(xiàn)簡單的優(yōu)點及免疫算法免疫信息處理機(jī)制的優(yōu)勢，基于濃度自身調(diào)節(jié)機(jī)制保證了粒子（抗體）的多樣性，并給出了算法的原理、流程及性能分析。其

3、次，結(jié)合上述優(yōu)化算法的理論基礎(chǔ)，針對粒子（抗體）在尋優(yōu)過程中容易陷入局部最優(yōu)的缺陷，對算法的粒子更新公式框架進(jìn)行改進(jìn)，引入動態(tài)擾動項，提出帶有動態(tài)擾動項的免疫粒子群優(yōu)化(Immune Particle Swarm Optimization-Dynimic Disturbance Term，IPSO-DDT)算法，使得粒子（抗體）具有免疫、記憶等特性，粒子（抗體）的進(jìn)化具有一定的方向性，以較少的迭代次數(shù)尋找到最優(yōu)解。典型函數(shù)的測試結(jié)果，表