基于協(xié)同優(yōu)化的隨機柔性調(diào)度建模與優(yōu)化研究.pdf

1、柔性調(diào)度是目前制造系統(tǒng)運作的核心問題，其目標是在滿足制造系統(tǒng)約束的條件下，通過高效率的資源分配，獲得生產(chǎn)的柔性和生產(chǎn)效率的最優(yōu)化。在傳統(tǒng)的調(diào)度問題中，資源是具有唯一性的，而在柔性調(diào)度問題中，資源不再具有唯一性，都可以分配給不同的工序。基于上述特征，不確定環(huán)境下柔性調(diào)度研究因為更加符合現(xiàn)實需求，受到廣泛關(guān)注。
　　針對柔性作業(yè)車間調(diào)度問題，本論文將重點運用元啟發(fā)式算法進行求解。在前期的調(diào)查和實驗中，我們發(fā)現(xiàn) PSO在解決柔性調(diào)度問題

2、時相比其他經(jīng)典算法更能找到最優(yōu)解；同時針對兩種不同思路的混合算法進行了實驗，發(fā)現(xiàn)在大規(guī)模問題下分組算法有更大的概率求得較好的解，同時針對演化公式中需要人為規(guī)定的參數(shù)，采用參數(shù)自適應(yīng)的策略更加能夠提升尋找較好解的概率。
　　受到兩種思路的啟發(fā)，同時有了實驗作為基礎(chǔ)，本文將粒子群算法作為本文算法的基礎(chǔ)，進而結(jié)合了分組策略和參數(shù)自適應(yīng)策略。首先是不同于以往的離散式編碼，本文將柔性調(diào)度問題用實數(shù)進行了編碼，從而巧妙的將離散的問題變化為了一

3、個連續(xù)問題，降低了求解的復(fù)雜度。而分組策略則是將不同的變量隨機放置到不同的分組中，單獨的對每個分組進行評價和演化，這樣對沒有相互依賴性的變量進行了隔離，降低了他們之間的影響力，同時又突出了變量間原本就具有的依賴關(guān)系，這對于取得較好的解有一定的幫助。同時對于分組的大小，我們也采取了自適應(yīng)的策略，即在給定一個分組大小的前提下，如果本次迭代找到了更好的最優(yōu)解，即種群到達了一個更好的位置，則下次迭代中繼續(xù)使用這個分組；而如果沒有找到更好的最優(yōu)解

4、，則就在給定的集合中選取不同的分組大小進行下一輪迭代。
　　同時針對演化公式的選擇、參數(shù)的概率分布的選擇等都不去人為的選擇，而是使其在迭代的過程中，根據(jù)前幾次世代使用的值以及是否有成功使個體找到更好的位置來對自己進行更新，這樣就極大的避免了初始參數(shù)的選取所帶來的影響，降低了實驗的成本。
　　通過大量的實驗，本文驗證了所提出的帶有參數(shù)自適應(yīng)的協(xié)同優(yōu)化算法和原有的混合演化算法相比，在計算效率、優(yōu)化能力和穩(wěn)定性上，都有一定程度的提