差異工伯批調(diào)度問題的動態(tài)自適應(yīng)加權(quán)多態(tài)蟻群算法研究.pdf

1、差異工件批調(diào)度問題在現(xiàn)代工業(yè)生產(chǎn)中有著廣泛的應(yīng)用,針對差異工件批調(diào)度問題的調(diào)度算法的研究有利于提高企業(yè)經(jīng)濟效益,增加企業(yè)的市場競爭力。本文主要針對動態(tài)加權(quán)自適應(yīng)蟻群算法在差異工件單機批調(diào)度和差異工件平行機批調(diào)度問題中的應(yīng)用展開深入研究,在確定型差異工件批調(diào)度問題的基礎(chǔ)上又推廣到模糊生產(chǎn)環(huán)境下的差異工件批調(diào)度問題中,使其更貼近于生產(chǎn)實際。
　　 本文首先從差異工件單機批調(diào)度問題入手,針對該問題的特性,設(shè)計了動態(tài)自適應(yīng)加權(quán)多態(tài)蟻群算

2、法,算法中借鑒了多態(tài)蟻群中關(guān)于不同蟻群擁有不同的任務(wù)目標(biāo)和信息素更新機制的想法,同時針對多態(tài)蟻群算法容易迅速陷入局部最優(yōu)或者直接無法遍歷所有工件的不足,進行了不少改進工作:引入加權(quán)因子對搜索蟻的狀態(tài)轉(zhuǎn)移概率進行改進,克服了基本多態(tài)蟻群算法中重復(fù)搜索某個工件,而放棄了對其他工件的搜索的不足；針對搜索蟻的信息素更新機制,通過動態(tài)自適應(yīng)地調(diào)整信息素揮發(fā)因子和信息素強度,并將基本蟻群算法的全局更新策略和多態(tài)蟻群算法的局部最優(yōu)更新策略相結(jié)合,克服

3、了基本蟻群算法容易不收斂和多態(tài)蟻群算法很快陷入局部最優(yōu)的缺陷,并通過大量的仿真試驗證明了該改進算法和其他算法相比較有很大程度的改進。
　　 其次,本文深入分析了該算法中的各個參數(shù)對算法性能的影響以及這些參數(shù)的組合對算法性能的影響。主要用兩次正交試驗對差異工件單機批調(diào)度問題的動態(tài)自適應(yīng)加權(quán)多態(tài)蟻群算法參數(shù)的選取進行分析,并獲得了最佳組合。
　　 接著,將動態(tài)自適應(yīng)加權(quán)多態(tài)蟻群算法應(yīng)用到更切合實際的模糊生產(chǎn)環(huán)境下的差異工件單