粒子群算法求解作業(yè)車間調(diào)度問(wèn)題研究.pdf

1、良好的生產(chǎn)調(diào)度是企業(yè)實(shí)現(xiàn)科學(xué)管理和提高生產(chǎn)效率的前提。隨著科技的發(fā)展，生產(chǎn)規(guī)模越來(lái)越大，復(fù)雜程度越來(lái)越高，市場(chǎng)競(jìng)爭(zhēng)越來(lái)越強(qiáng)。合理地利用資源在有效時(shí)間內(nèi)創(chuàng)造最大的價(jià)值，是現(xiàn)代制造工業(yè)所追求目標(biāo)。作業(yè)車間調(diào)度是一個(gè)典型的調(diào)度模型，已經(jīng)受到了許多國(guó)內(nèi)外研究者的關(guān)注。因此，合理的利用優(yōu)化算法實(shí)現(xiàn)調(diào)度問(wèn)題的分配決策和時(shí)間決策，具有一定的理論價(jià)值和現(xiàn)實(shí)意義。粒子群優(yōu)化算法是群體智能的典型代表，它具有原理簡(jiǎn)單，調(diào)節(jié)參數(shù)少，收斂速度快等優(yōu)點(diǎn)，已經(jīng)成功應(yīng)

2、用在工業(yè)，工程，經(jīng)濟(jì)等方面，成為優(yōu)化算法的研究熱點(diǎn)和前沿。
　　 本文圍繞粒子群算法及其應(yīng)用，就如何改進(jìn)標(biāo)準(zhǔn)粒子群算法性能及該算法在作業(yè)車間調(diào)度上的應(yīng)用進(jìn)行了深入研究。首先介紹了本文的研究背景和國(guó)內(nèi)外的研究進(jìn)展，給出了研究目的意義，近年來(lái)研究車間調(diào)度問(wèn)題的方法。其次描述了作業(yè)車間調(diào)度問(wèn)題，總結(jié)了離散粒子群算法的研究及改進(jìn)方法。深入分析基本粒子群算法的原理，結(jié)合交叉變異，模擬退火思想，給出了適合作業(yè)車間調(diào)度問(wèn)題的離散粒子群模型。然

3、后，針對(duì)基本粒子群算法局部搜索性能差的缺點(diǎn)，改進(jìn)了基于“第三參考點(diǎn)”的改進(jìn)離散粒子群算法，仿真實(shí)驗(yàn)表明改進(jìn)離散粒子群算法在靜態(tài)作業(yè)車間調(diào)度問(wèn)題上有更好的收斂性和有效性。并將改進(jìn)離散算法應(yīng)用到具有模糊加工時(shí)間和模糊交貨期的作業(yè)車間調(diào)度問(wèn)題上，實(shí)驗(yàn)結(jié)果表明，該算法在模糊作業(yè)車間調(diào)度上的可行性。最后改進(jìn)了自適應(yīng)離散粒子群算法，讓粒子位置更新方程的控制參數(shù)隨著進(jìn)化代數(shù)和群體聚集度的變化調(diào)整，采用工序塊變異方式作為局部搜索策略，更好地收斂到全局最