蟻群算法及其在分布式柔性作業(yè)車間調(diào)度中的應(yīng)用.pdf

1、隨著經(jīng)濟全球化進程的加快和市場競爭的日益加劇，我國制造業(yè)正陷入前所未有的困境。在制造業(yè)轉(zhuǎn)型過程中，越來越多的企業(yè)已認(rèn)識到分布式柔性生產(chǎn)這種多車間相互協(xié)作生產(chǎn)模式的重要性。由于分散在各地車間的技術(shù)水平、物料資源以及設(shè)備性能的差異性，現(xiàn)有的生產(chǎn)調(diào)度機制很難產(chǎn)生理想的效果。因此，本文提出一種新穎的基于參數(shù)控制的改進蟻群算法，來優(yōu)化分布式柔性生產(chǎn)調(diào)度。
　　作為一種智能優(yōu)化算法，蟻群算法的性能對參數(shù)具有很強的依賴性。傳統(tǒng)蟻群算法在參數(shù)值的

2、選取上多采用固定值，算法易陷入局部最優(yōu)，收斂速度較慢，影響了算法的性能。本文首先介紹蟻群算法的原理及模型，分析算法關(guān)鍵參數(shù)信息啟發(fā)因子α、期望啟發(fā)因子β以及信息素?fù)]發(fā)系數(shù)ρ對算法性能的影響。在此基礎(chǔ)上，提出兩階段參數(shù)自適應(yīng)動態(tài)調(diào)整的改進蟻群算法，在運用TSP問題驗證有效性后，將其用于求解分布式柔性作業(yè)車間調(diào)度問題。本文研究成果主要有以下幾個方面:
　　(1)將兩階段參數(shù)控制蟻群算法運用到分布式柔性作業(yè)車間調(diào)度問題中，針對問題特性，

3、引入雙信息素矩陣設(shè)計思路。
　　(2)在第一階段，依據(jù)前人的蟻群算法在不同狀態(tài)下對參數(shù)取值要求不同的理論成果，算法通過混合蛙跳算法與K-means相結(jié)合的聚類技術(shù)判斷蟻群所處的狀態(tài)，并對各狀態(tài)下蟻群的參數(shù)進行自適應(yīng)調(diào)整。
　　(3)在第二階段，針對蟻群算法單純依靠狀態(tài)調(diào)參使算法復(fù)雜度增加等問題，算法將混沌理論運用到參數(shù)自適應(yīng)調(diào)整過程中。通過混沌理論的遍歷性對參數(shù)進行混沌擾動，使算法跳出局部最優(yōu)。
　　本文的研究成果，不