改進(jìn)粒子群算法在模糊環(huán)境下平行機(jī)批調(diào)度問題中的應(yīng)用研究.pdf

1、論文將差異工件的批調(diào)度問題擴(kuò)展到了模糊生產(chǎn)環(huán)境，考慮了工件加工時(shí)間和批之間間隔時(shí)間這兩個(gè)不確定因素，從而使得論文所給出的生產(chǎn)調(diào)度模型更加貼近實(shí)際生產(chǎn)活動(dòng)。
　　 本文主要探討了如何使用微粒群算法求解批調(diào)度問題，特別是模糊環(huán)境下的差異工件平行機(jī)批調(diào)度問題(Parallel Batch-processing Machine with Non-identical Job Sizes，NPBM)。本論文的主要工作如下：
　　

2、(1)總結(jié)了批調(diào)度問題的分類以及各類問題的研究進(jìn)展、批調(diào)度問題的主要特點(diǎn)和主要研究方法，以及研究中常用的一些性能指標(biāo)。在建立了傳統(tǒng)的平行機(jī)批調(diào)度問題模型的基礎(chǔ)上，利用三角模糊數(shù)來表征工件的加工時(shí)間和批之間的間隔時(shí)間，提出了模糊環(huán)境下平行機(jī)批調(diào)度問題的數(shù)學(xué)模型。
　　 (2)在總結(jié)歸納了微粒群算法的基本原理以及標(biāo)準(zhǔn)微粒群算法的基礎(chǔ)上，重點(diǎn)描述了動(dòng)態(tài)調(diào)整微粒群算法(Dynamic Adjusting Modified Particl

3、e Swarm Optimization，DAMPSO)的思想，該算法可使得每個(gè)微粒的極限位置在其所經(jīng)歷的最好位置與整體最好位置所形成的動(dòng)態(tài)圓中分布，能以較大概率跳出局部最優(yōu)點(diǎn)，彌補(bǔ)標(biāo)準(zhǔn)微粒群算法容易陷入局部最優(yōu)的不足。為了增強(qiáng)動(dòng)態(tài)調(diào)整微粒群算法的局部搜索能力，達(dá)到全局搜索和局部搜索能力的平衡，論文引入了二次插值算法，與動(dòng)態(tài)調(diào)整微粒群算法進(jìn)行結(jié)合形成混合算法。同時(shí)為了驗(yàn)證與二次插值算法結(jié)合的效用，對(duì)DAMPSO算法進(jìn)行了另一種改進(jìn)，其主

4、要思路是通過加入遺傳變異操作來進(jìn)一步防止陷入局部最優(yōu)，從而進(jìn)一步提高DAMPSO算法的全局搜索能力。
　　 (3)將DAMPSO算法和兩種改進(jìn)的DAMPSO算法應(yīng)用于模糊環(huán)境下平行機(jī)批調(diào)度問題，提出了基于工件優(yōu)先值的編碼方式，即通過優(yōu)先值確定工件序列，并引入Batch First Fit算法進(jìn)行分批操作計(jì)算適應(yīng)度值。通過與首先適應(yīng)算法、最佳適應(yīng)算法、遺傳算法和標(biāo)準(zhǔn)微粒群算法的實(shí)驗(yàn)比較，結(jié)果表明，兩種改進(jìn)的DAMPSO算法和DA