基于智能優(yōu)化算法的車間調(diào)度問(wèn)題的研究.pdf

1、車間調(diào)度問(wèn)題是一個(gè)非常復(fù)雜的NP-hard組合優(yōu)化問(wèn)題，它在工程應(yīng)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(shù)的研究和應(yīng)用是實(shí)現(xiàn)先進(jìn)制造和提高生產(chǎn)效益的基礎(chǔ)和關(guān)鍵，越來(lái)越受到學(xué)者們的關(guān)注。 本文在綜合國(guó)內(nèi)外關(guān)于車間調(diào)度問(wèn)題研究狀況的基礎(chǔ)上，考慮現(xiàn)行作業(yè)車間運(yùn)作的實(shí)際情況，對(duì)作業(yè)車間的生產(chǎn)調(diào)度問(wèn)題進(jìn)行了深入系統(tǒng)的研究。 首先，對(duì)車間調(diào)度問(wèn)題的概念、分類、特點(diǎn)、研究?jī)?nèi)容、評(píng)價(jià)標(biāo)準(zhǔn)及傳統(tǒng)的求解算法進(jìn)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(jìn)方向等角度對(duì)該算法進(jìn)行了系統(tǒng)的介紹和深入的研究。 其次，由于在實(shí)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(wèn)題。在系統(tǒng)分析了QPSO算法的基本原理、算法特性的

3、基礎(chǔ)上，將該算法用于求解車間調(diào)度問(wèn)題，以全部工件的加工結(jié)束時(shí)間最短作為優(yōu)化目標(biāo)，結(jié)合基于工序的編碼方法，構(gòu)建了基于QPSO算法的車間調(diào)度問(wèn)題求解方法，并通過(guò)仿真實(shí)例驗(yàn)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(huì)出現(xiàn)早熟現(xiàn)象，因此將變異機(jī)制引入QPSO算法以使算法跳出局部最優(yōu)并增強(qiáng)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(wèn)題求解方法，并結(jié)合實(shí)例實(shí)現(xiàn)了對(duì)復(fù)雜車間