改進(jìn)的粒子群算法在流水車間調(diào)度問題中的研究與應(yīng)用.pdf

1、隨著全球貿(mào)易的一體化，配置的全球化，顧客需求的多樣化，企業(yè)間的競爭越來越激烈，尤其是在制造領(lǐng)域，在這種環(huán)境下，企業(yè)為了生存并且在競爭中取得一定的話語權(quán)，越來越重視對于生產(chǎn)的管理。流水車間是現(xiàn)如今企業(yè)采用最為廣泛的生產(chǎn)作業(yè)形式，對其研究對企業(yè)的生產(chǎn)具有重要的意義。流水車間調(diào)度的主要目標(biāo)便是根據(jù)企業(yè)的實(shí)際生產(chǎn)狀況，合理的安排生產(chǎn)，使企業(yè)能夠達(dá)到所設(shè)定的目標(biāo)，實(shí)現(xiàn)利潤的最大化。通過研究得知流水車間調(diào)度問題是一類典型的NP-Hard問題，求解過

2、程太過復(fù)雜，研究者一直試圖尋求一種有效的算法能夠求解該問題，以便將其應(yīng)用于實(shí)際的生產(chǎn)過程中。本文主要通過改進(jìn)粒子群算法對置換和無等待的流水生產(chǎn)車間調(diào)度問題進(jìn)行求解。
　　粒子群算法作為一種新的智能優(yōu)化算法，在搜尋的過程中，既受到個體搜尋的最優(yōu)位置的影響，也會受到群體的最優(yōu)位置的影響，具有快速的求解速度和較強(qiáng)的搜尋最優(yōu)解的能力。因而本文將其應(yīng)用于求解流水車間調(diào)度問題，但通過對粒子群的研究分析后發(fā)現(xiàn)粒子群算法主要應(yīng)用于求解連續(xù)的問題，

3、而車間調(diào)度問題的最優(yōu)解是離散的，而且粒子群算法在應(yīng)用過程中容易過早收斂而陷入某一局部最優(yōu)的困境。
　　對于粒子群的這些問題，本文為改進(jìn)粒子群算法提出了改進(jìn)的模擬退火粒子群算法和縱橫交叉粒子群算法，并應(yīng)用于求解置換流水車間和無等待流水車間調(diào)度問題中，基本創(chuàng)新點(diǎn)如下：
　　(1)在置換流水車間問題的求解過程中，鑒于模擬退火算法具有較強(qiáng)的擴(kuò)展搜尋范圍的能力，能夠跳出局部最優(yōu)，將退火策略嵌入到種群粒子的更新過程中，構(gòu)成模擬退火粒子群

4、算法，通過優(yōu)化種群的最優(yōu)解，使粒子群算法擺脫受限于某一局部最優(yōu)的困鏡，在優(yōu)化的過程中，采用交換、插入、逆序三種鄰域搜索機(jī)制，根據(jù)Metropolis接受準(zhǔn)則選取產(chǎn)生的解，并將改進(jìn)后的算法用于求解置換流水車間數(shù)學(xué)模型中。
　　(2)在無等待流水車間問題的求解過程中，本文引入了最新提出的縱橫交叉算法對粒子群進(jìn)行了優(yōu)化，構(gòu)成縱橫交叉粒子群算法，主要依靠縱橫交叉的橫向交叉增強(qiáng)粒子之間的信息傳遞和縱向交叉跳出局部最優(yōu)的能力，采用嵌入式和串行