基于混合粒子群算法多目標(biāo)柔性作業(yè)車間調(diào)度問(wèn)題研究.pdf

1、作業(yè)車間調(diào)度問(wèn)題，經(jīng)過(guò)了半個(gè)多世紀(jì)的研究，取得的豐富的理論成果。柔性車間調(diào)度問(wèn)題是對(duì)作業(yè)車間調(diào)度問(wèn)題的擴(kuò)展，由于其具有路徑柔性的特點(diǎn)，相比較普通的作業(yè)車間調(diào)度問(wèn)題來(lái)說(shuō)，更加符合實(shí)際的生產(chǎn)環(huán)境。因此，如何找到解決多目標(biāo)柔性車間調(diào)度問(wèn)題的方法，具有重要的理論和實(shí)際意義。
　　本文分為雙目標(biāo)和多目標(biāo)兩個(gè)部分介紹，其中雙目標(biāo)包括：完成時(shí)間、機(jī)器負(fù)載。而多目標(biāo)包括：完成時(shí)間、機(jī)器負(fù)載、存儲(chǔ)成本和關(guān)鍵機(jī)器負(fù)載。本文主要對(duì)單個(gè)資源的柔性作業(yè)車間

2、調(diào)度進(jìn)行建模和分析，并且針對(duì)單資源問(wèn)題，給出系統(tǒng)的特征以及滿足的特性。本文中主要討論了如何利用混合粒子群算法來(lái)求解柔性作業(yè)車間調(diào)度問(wèn)題，特別是多目標(biāo)的柔性車間調(diào)度問(wèn)題。本文主要工作如下：
　　首先，提出了混合粒子群算法，并將其應(yīng)用在柔性車間調(diào)度系統(tǒng)中。在粒子群算法的基礎(chǔ)上，借鑒了模擬退火算法的思想，利用模擬退火算法能以一定概率跳出局部最優(yōu)解的特性，提高算法的全局性搜索能力。將算法應(yīng)用于多目標(biāo)柔性作業(yè)車間調(diào)度問(wèn)題的求解，實(shí)驗(yàn)結(jié)果表明

3、算法具有良好的全局搜索能力。
　　其次，針對(duì)多目標(biāo)柔性作業(yè)車間調(diào)度問(wèn)題，提出了一種新的適應(yīng)度的分配方法。先在Pareto優(yōu)勝關(guān)系的基礎(chǔ)上對(duì)種群的單個(gè)目標(biāo)值進(jìn)行Pareto排序，然后再根據(jù)需求對(duì)所有個(gè)體的各個(gè)目標(biāo)的排序結(jié)果進(jìn)行加權(quán)。這樣就避免了因?yàn)閱蝹€(gè)目標(biāo)值過(guò)大，而影響最終總體結(jié)果的情況發(fā)生。
　　第三，借鑒了遺傳算法的變異操作增加了解空間的多樣性，利用精英解集來(lái)存放搜索過(guò)程中找到的非劣解。最后，用改進(jìn)的粒子群算法與粒子群算法