微粒群算法及其在作業(yè)車間調(diào)度中的應(yīng)用.pdf

1、微粒群優(yōu)化算法（Particle Swarm Optimization，PSO算法）源于對生物界鳥群群體運動行為的研究，通過群體間個體的合作與競爭來實現(xiàn)對優(yōu)化問題的求解，是一種群智能優(yōu)化算法，由于它的原理簡單，參數(shù)少，收斂速度快，很快成為新的研究熱點。該算法已經(jīng)在函數(shù)優(yōu)化、神經(jīng)網(wǎng)絡(luò)訓(xùn)練、組合優(yōu)化等許多領(lǐng)域得到廣泛應(yīng)用，并取得了較好的效果。但是由于實際工程問題的復(fù)雜性、約束性等特點，使得簡單的PSO算法難以滿足實際需要，有大量的問題值得研

2、究和改進。
　　 本文主要研究PSO算法，首先討論PSO基本算法，分析了該算法的原理及算法流程，并對參數(shù)的設(shè)置進行歸納，討論了PSO算法在具體參數(shù)設(shè)定和調(diào)整策略、PSO算法拓撲結(jié)構(gòu)、與其他智能算法相結(jié)合三個方面進行的改進。然后，作為微粒群算法改進策略的一種，討論基于模擬退火的微粒群算法，比較基于模擬退火微粒群算法和基本微粒群算法的計算效率。重點比較了兩種微粒群算法的收斂速度，能否有效地避免早熟，得到解的優(yōu)化程度等特征。通過用基本

3、測試函數(shù)進行實驗，驗證了模擬退火微粒群算法的優(yōu)越性。最后，將基于模擬退火的微粒群算法應(yīng)用于作業(yè)車間調(diào)度(JSP)問題的求解，針對最小化最大完成時間的JSP問題，給出一種基于隨機鍵和析取圖的編碼和解碼方式，采用關(guān)鍵路徑法生成調(diào)度并對微粒進行評價，在使用微粒群優(yōu)化操作的同時，設(shè)計一種基于關(guān)鍵路徑的鄰域結(jié)構(gòu)，基于模擬退火策略進行局部搜索以提高算法的整體性能。經(jīng)實驗測試，基于模擬退火PSO算法對各算例均能獲得最優(yōu)解，有很好的搜索質(zhì)量。同時，算法