基于粒子群優(yōu)化的多目標車間調(diào)度算法.pdf

1、當前，多目標調(diào)度成為車間調(diào)度的研究熱點。粒子群優(yōu)化算法是一種簡單有效的仿生算法。多點并行搜索的特性，使粒子群優(yōu)化算法也適用于多目標優(yōu)化問題的求解。本文主要研究了三種基于粒子群優(yōu)化的多目標車間調(diào)度算法。
　　 首先，闡述了多目標車間調(diào)度的三種求解方法，系統(tǒng)地介紹了粒子群優(yōu)化算法，歸納了其發(fā)展過程及基本應用，并概述了多目標粒子群優(yōu)化算法的研究現(xiàn)狀。
　　 其次，研究了基于粒子群優(yōu)化的多目標流水車間調(diào)度，構(gòu)造了適合求解多目標流

2、水車間調(diào)度問題的粒子群優(yōu)化算法。在算法的求解過程中，采用PMX 交叉算子實現(xiàn)粒子的更新；采用基于調(diào)度問題的鄰域結(jié)構(gòu)(關(guān)鍵路徑)實現(xiàn)粒子的局部搜索；采用插入變異算子實現(xiàn)粒子的隨機搜索。實驗結(jié)果表明了算法的有效性和優(yōu)越性。
　　 然后，在解決多目標流水車間調(diào)度問題的基礎(chǔ)上，研究了更為復雜的基于粒子群優(yōu)化的多目標作業(yè)車間調(diào)度，構(gòu)造了適合求解多目標作業(yè)車間調(diào)度問題的粒子群優(yōu)化算法。在算法的求解過程中，利用基于工件的交叉算子作為粒子的更新

3、方式；采用禁忌搜索作為粒子的局部搜索策略；采用交換位置變異算子實現(xiàn)粒子的隨機搜索?；跇藴蕼y試問題的實驗結(jié)果驗證了該算法的有效性和優(yōu)越性。
　　 隨后，在解決多目標作業(yè)車間調(diào)度問題的基礎(chǔ)上，研究了更為復雜的基于粒子群優(yōu)化的多目標柔性作業(yè)車間調(diào)度。針對多目標柔性作業(yè)車間調(diào)度的特點，設(shè)計了基于工序順序和基于機器分配相融合的編碼方案，利用基于工序順序和基于機器分配的交叉算子和變異算子作為粒子的更新策略及隨機搜索策略，采用禁忌搜索作為粒