蟻群算法求解生產(chǎn)調(diào)度問題研究.pdf

1、生產(chǎn)調(diào)度作為工業(yè)生產(chǎn)過程的關(guān)鍵環(huán)節(jié)，其直接影響生產(chǎn)過程的效率。本文在這樣的背景下，以蟻群算法為工具，重點研究了生產(chǎn)調(diào)度問題中的一類經(jīng)典問題——Job Shop 問題。 首先，為了解決蟻群算法求解Job Shop 問題計算量大的問題，本文提出了蟻群算法求解Job Shop 問題的機器分解方法。機器分解方法在每次迭代中螞蟻僅在子圖中構(gòu)造部分解，并與上次迭代中其他機器上的順序共同構(gòu)成本次解，這樣提高了蟻群算法求解Job Shop問題的

2、效率。并且在該算法中提出了一種新的狀態(tài)轉(zhuǎn)移規(guī)則和設(shè)計了螞蟻起點位置選擇方法。通過在Benchmark 算例上的仿真，與原有的一類集中式求解的蟻群算法作了比較，仿真結(jié)果顯示改進算法取得了較好的求解結(jié)果，大大縮短了計算時間。 其次，在滾動優(yōu)化思想的基礎(chǔ)上，設(shè)計了基于時間分解的蟻群-滾動算法求解確定性環(huán)境下的Job Shop 問題。算法中按操作的到達時間，將操作分為可加工與非可加工，對于可加工操作按選取規(guī)則選取相應(yīng)操作進入滾動窗口并用

3、蟻群算法進行優(yōu)化。仿真結(jié)果表明這一采用連續(xù)性滾動策略或周期性滾動策略的局部優(yōu)化算法求解結(jié)果優(yōu)于分配規(guī)則，且其大大的縮短了蟻群算法求解Job Shop 問題的時間。 最后，對于不確定環(huán)境下的Job Shop問題本文建立了基于事件驅(qū)動的仿真模型，通過自定義突發(fā)事件，研究不同的不確定環(huán)境下的Job Shop問題。在該模型基礎(chǔ)上，本文用周期性與事件驅(qū)動結(jié)合調(diào)度策略的蟻群-滾動算法對有機器損壞與修復(fù)，新工件到達，舊工件取消三種動態(tài)問題進行