改進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)的實際生產(chǎn)狀況，合理的安排生產(chǎn)，使企業(yè)能夠達到所設(shè)定的目標(biāo)，實現(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)用于實際的生產(chǎn)過程中。本文主要通過改進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，本文為改進粒子群算法提出了改進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的擴展搜尋范圍的能力，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制，根據(jù)Metropolis接受準(zhǔn)則選取產(chǎn)生的解，并將改進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