基于粒子群算法的混合Flow Shop生產(chǎn)調(diào)度問題的研究.pdf

1、生產(chǎn)調(diào)度問題具有復雜性、多約束性、動態(tài)隨機性和多目標性,是一個已經(jīng)被證實了的NP問題?；旌狭魉囬g生產(chǎn)調(diào)度問題作為典型流水車間生產(chǎn)調(diào)度問題的一種推廣,由于其在各階段存在并行機調(diào)度問題,從而大大增加了問題的求解難度。粒子群算法是一種基于群體智能的進化方法,由于其簡單易編程實現(xiàn),須調(diào)整的參數(shù)較少而被廣泛應用。
　　 本文從混合流水車間生產(chǎn)調(diào)度問題的工業(yè)背景出發(fā),研究混合流水車間生產(chǎn)調(diào)度問題的特點,并綜合分析了各調(diào)度目標,從而選擇以生

2、產(chǎn)周期最小化、拖期懲罰與提前完工保管費用最小化為調(diào)度目標,建立考慮了前期準備的混合流水車間生產(chǎn)調(diào)度問題數(shù)學模型。
　　 本文又從粒子群算法的產(chǎn)生背景開始,介紹了粒子算法的基本原理,并在研究分析大量現(xiàn)有的改進方法的基礎上,提出基于粒子適應度的慣性權重調(diào)整策略、擾動機制,以及基于位置相似度的禁忌策略三者相結合的改進粒子群算法,同時對改進算法使用了測試函數(shù)驗證,證明改進后的算法性能有所提高。
　　 最后,本文選擇了紡織生產(chǎn)調(diào)度