基于云模型的改進PSO算法在差異工件單機批調度中的應用研究.pdf

1、差異工件單機批調度問題(Single Batch-processing Machine withNon-identical Job Sizes，SBMN)是同時考慮到工件尺寸和機器約束的一類二維調度問題，是生產調度領域一個新的研究方向，在實際經濟活動中有廣泛的應用。然而差異工件單機批調度問題的特點使得其具有高復雜性，從而給問題的求解提出了新的挑戰(zhàn)。因此，尋找有效的算法對差異工件單機批調度問題進行優(yōu)化具有重要的應用意義。微粒群優(yōu)化算法是一

2、種新型的群體智能優(yōu)化技術，具有結構簡單、通用性強、容易實現、群體記憶等優(yōu)點。目前，微粒群算法已在多個領域獲得了廣泛應用，但是在離散性組合優(yōu)化問題中的應用較少。
　　 本文就如何改進傳統(tǒng)的微粒群算法、如何改進離散的微粒群算法及如何將改進的兩種算法應用到差異工件單機批調度問題的求解中展開了深入研究。本文的主要創(chuàng)新點如下：
　　 (1)研究了基于云模型的改進傳統(tǒng)PSO算法在差異工件單機批調度問題中的應用。首先提出了一種新的隨機

3、位置和速度更新方法，然后在根據微粒的適應度劃分種群的基礎上，引入基于云模型的自適應參數策略對不同的子群采用不同的慣性權重生成方法，最后將該算法應用于優(yōu)化制造跨度的差異工件單機批調度問題的求解。實驗比較結果表明，改進后的混合算法相比遺傳算法和傳統(tǒng)的PSO算法具有更好的優(yōu)化效果。
　　 (2)研究了基于云模型的改進離散PSO算法在差異工件單機批調度問題中的應用。首先重新定義了用于求解差異工件單機批調度問題的離散PSO算法的各類操作算