粒子群優(yōu)化算法在柔性作業(yè)車間調度中的應用研究.pdf

1、傳統(tǒng)的作業(yè)車間調度問題是求解每個工件具有特定加工機器的一類調度問題，而在實際生產(chǎn)中，可以加工某個工序的機器往往不止一個，這就產(chǎn)生了柔性作業(yè)車間調度問題。 柔性作業(yè)車間調度問題(Flexible job shop scheduling problem，F(xiàn)JSP)由于具有路徑柔性的特點，從而可以避免傳統(tǒng)作業(yè)車間在正常運行過程中容易出現(xiàn)的阻塞和擁擠等現(xiàn)象，并且當加工過程中出現(xiàn)機器故障等一些異常情況的時候，作業(yè)車間系統(tǒng)仍然能夠維持生產(chǎn)的

2、繼續(xù)進行，這樣可以提高作業(yè)車間調度系統(tǒng)的靈活性。然而，柔性路徑的特點也使得這類問題的可行解范圍的增大，從而給問題的求解帶來新的挑戰(zhàn)。在實際生產(chǎn)中，柔性作業(yè)車間調度問題往往需要同時面向多個目標進行決策分析。因此，尋找有效的方法對多目標柔性作業(yè)車間調度問題進行求解具有重要的理論價值和應用意義。 本文主要探討了如何使用粒子群優(yōu)化(Particle Swarm Optimization，PSO)算法求解柔性作業(yè)車間調度問題，特別是多目標

3、柔性作業(yè)車間調度問題。本論文的主要工作與創(chuàng)新點如下： (1)研究了基于混沌的PSO算法在柔性作業(yè)車間調度問題中的應用。利用混沌優(yōu)化技術的隨機性、遍歷性特點和易跳出局部極值的能力，在PSO算法中引入混沌技術以提高PSO算法的性能，提出了一種混合PSO算法。首先，利用混沌對PSO算法的參數(shù)進行自適應優(yōu)化，實現(xiàn)全局搜索與局部搜索間的有效平衡；然后，在PSO算法的搜索過程中引入混沌局部搜索策略，以提高求解的精度和收斂速度。并且將該算法分

4、別應用于若干個單目標和多目標柔性作業(yè)車間調度問題的求解，實驗結果表明算法具有良好的全局搜索性能。 (2)探討了基于多目標權重聚合優(yōu)化策略的PSO算法。在PSO和混沌的混合優(yōu)化算法的基礎上，針對多目標存在的量綱問題，采用一種基于模糊邏輯的適應度函數(shù)形式。同時，為了進一步保持種群的多樣性，最大可能的搜索到所有的非劣解，利用隨機思想生成適應度函數(shù)的權系數(shù)。實驗表明這種方法使得算法獲得的非劣解具有很好的分布行和穩(wěn)定性。 (3)研

5、究了Fully-informed粒子群(FIPS)算法在多目標柔性作業(yè)車間調度問題中的應用。首先，基于Pareto最優(yōu)概念對種群進行排序，同時將屬于相同Pareto等級的個體定義為鄰居，并將這種基于Pareto等級的近鄰拓撲結構用于FIPS算法中。其次，通過計算同Pareto等級中個體的擁擠距離進行第二級排序，給出了一種基于排序的FIPS算法。最后，針對算法的早熟收斂問題，引入基于編碼機制的兩種變異算子。 (4)研究了基于動態(tài)概