基于混合微粒群算法求解加工時間不確定的Flow-Shop魯棒調(diào)度問題.pdf

1、隨著全球經(jīng)濟一體化的發(fā)展，企業(yè)之間的競爭日益激烈。在企業(yè)中合理規(guī)劃生產(chǎn)的運作方式，節(jié)約生產(chǎn)成本，成為提高企業(yè)競爭力的一個核心問題。而合理規(guī)劃生產(chǎn)運作方式的核心是能夠得到一個最佳的調(diào)度方案。因此，研究生產(chǎn)調(diào)度問題具有非常重要的理論意義和現(xiàn)實意義。 Flow-shop調(diào)度問題(FSSP)即流水車間調(diào)度問題，是生產(chǎn)調(diào)度問題中一類重要的問題。由于各種原因，在實際生產(chǎn)過程中存在很多不確定性，本文所研究的是一種加工時間不確定的FSSP。在研

2、究的問題中不僅考慮到不確定性存在，而且還能盡量減少在有干擾發(fā)生時對結(jié)果產(chǎn)生的影響。微粒群算法(Particle Swarm Optimization，PSO)是一種新興的智能優(yōu)化算法，具有原理簡單，參數(shù)少，操作少，容易實現(xiàn)的特點，是一種高效的并行搜索算法。目前微粒群算法已經(jīng)廣泛用于函數(shù)優(yōu)化、人工神經(jīng)網(wǎng)絡訓練、組合優(yōu)化等領域，成為目前進化計算研究的一個新熱點。微粒群算法的研究領域不斷擴大，也不斷深入。本文根據(jù)對微粒群算法和其它智能優(yōu)化算法

3、的研究，提出一種混合微粒群算法，用來處理加工時間不確定的FSSP，主要做了以下工作： (1)分析了當前微粒群算法的原理和特點以及參數(shù)選擇等，總結(jié)了已有的改進方法。針對微粒群算法的特點提出了一種混合微粒群算法，該算法利用其他兩種算法的優(yōu)勢彌補了微粒群算法的缺陷。 (2)針對加工時間不確定的FSSP，提出了一種魯棒makespan指標，通過這個指標，對兩個相互沖突的目標進行折衷，從而能夠得到既有魯棒性又兼顧makespan的