分布估計算法在車間調(diào)度問題中的應用研究.pdf

1、自從上世紀50年代至今,車間調(diào)度問題一直是應用數(shù)學、運籌學、管理學、計算機科學等諸多學科研究的熱門課題,理論成果層出不窮。智能算法的興起,為求解復雜調(diào)度問題提供了新的有效工具,也為車間調(diào)度問題的研究開辟了嶄新的空間。實驗證明:絕大多數(shù)的車間調(diào)度問題屬于NP-Hard問題,不存在精確求解的多項式時間算法。智能算法雖然在一定程度上改善了解的質(zhì)量,但同別的優(yōu)化算法類似,對于某些問題,該算法也存在著一定程度的枚舉以及收斂到最優(yōu)解的速度較慢的情況

2、,這就要求我們進一步拓寬研究思路,繼續(xù)尋找更高效的智能調(diào)度新方法。分布估計算法(Estimation of Distribution Algorithins,EDAs)是一種新興的進化算法,它將構建概率模型和采樣引入到進化過程中,取代了傳統(tǒng)進化算法中的交叉和變異等模擬自然進化的操作。該算法使用概率模型來引導搜索過程,避免了染色體重組帶來的盲目性和隨機性,因而,有效地提高了搜索效率,能夠快速、可靠地解決許多傳統(tǒng)進化算法難以求解的復雜優(yōu)化問

3、題。
　　 本文將分布估計算法應用到流水車間調(diào)度問題中,為了克服分布估計算法中概率模型單一固定的缺陷,提高算法的收斂速度,避免出現(xiàn)早熟收斂現(xiàn)象。本文將模擬退火算法的思想引入分布估計算法,即將模擬退火的接受概率應用于變異后的優(yōu)勢種群的選取,提出基于模擬退火的改進分布估計算法,同時,為了減小算法的優(yōu)化性能和效率對初始種群的依賴,本文采用NEH啟發(fā)式方法和隨機方法共同產(chǎn)生初始種群。在利用改進分布估計算法的基礎上,針對流水車間調(diào)度和混合