微粒群算法及其在作業(yè)車間調(diào)度中的應(yīng)用.pdf

1、微粒群優(yōu)化算法（Particle Swarm Optimization，PSO算法）源于對(duì)生物界鳥群群體運(yùn)動(dòng)行為的研究，通過(guò)群體間個(gè)體的合作與競(jìng)爭(zhēng)來(lái)實(shí)現(xiàn)對(duì)優(yōu)化問(wèn)題的求解，是一種群智能優(yōu)化算法，由于它的原理簡(jiǎn)單，參數(shù)少，收斂速度快，很快成為新的研究熱點(diǎn)。該算法已經(jīng)在函數(shù)優(yōu)化、神經(jīng)網(wǎng)絡(luò)訓(xùn)練、組合優(yōu)化等許多領(lǐng)域得到廣泛應(yīng)用，并取得了較好的效果。但是由于實(shí)際工程問(wèn)題的復(fù)雜性、約束性等特點(diǎn)，使得簡(jiǎn)單的PSO算法難以滿足實(shí)際需要，有大量的問(wèn)題值得研

2、究和改進(jìn)。
　　 本文主要研究PSO算法，首先討論P(yáng)SO基本算法，分析了該算法的原理及算法流程，并對(duì)參數(shù)的設(shè)置進(jìn)行歸納，討論了PSO算法在具體參數(shù)設(shè)定和調(diào)整策略、PSO算法拓?fù)浣Y(jié)構(gòu)、與其他智能算法相結(jié)合三個(gè)方面進(jìn)行的改進(jìn)。然后，作為微粒群算法改進(jìn)策略的一種，討論基于模擬退火的微粒群算法，比較基于模擬退火微粒群算法和基本微粒群算法的計(jì)算效率。重點(diǎn)比較了兩種微粒群算法的收斂速度，能否有效地避免早熟，得到解的優(yōu)化程度等特征。通過(guò)用基本

3、測(cè)試函數(shù)進(jìn)行實(shí)驗(yàn)，驗(yàn)證了模擬退火微粒群算法的優(yōu)越性。最后，將基于模擬退火的微粒群算法應(yīng)用于作業(yè)車間調(diào)度(JSP)問(wèn)題的求解，針對(duì)最小化最大完成時(shí)間的JSP問(wèn)題，給出一種基于隨機(jī)鍵和析取圖的編碼和解碼方式，采用關(guān)鍵路徑法生成調(diào)度并對(duì)微粒進(jìn)行評(píng)價(jià)，在使用微粒群優(yōu)化操作的同時(shí)，設(shè)計(jì)一種基于關(guān)鍵路徑的鄰域結(jié)構(gòu)，基于模擬退火策略進(jìn)行局部搜索以提高算法的整體性能。經(jīng)實(shí)驗(yàn)測(cè)試，基于模擬退火PSO算法對(duì)各算例均能獲得最優(yōu)解，有很好的搜索質(zhì)量。同時(shí)，算法