基于云模型的改進(jìn)PSO算法在差異工件單機(jī)批調(diào)度中的應(yīng)用研究.pdf

1、差異工件單機(jī)批調(diào)度問題(Single Batch-processing Machine withNon-identical Job Sizes，SBMN)是同時考慮到工件尺寸和機(jī)器約束的一類二維調(diào)度問題，是生產(chǎn)調(diào)度領(lǐng)域一個新的研究方向，在實際經(jīng)濟(jì)活動中有廣泛的應(yīng)用。然而差異工件單機(jī)批調(diào)度問題的特點使得其具有高復(fù)雜性，從而給問題的求解提出了新的挑戰(zhàn)。因此，尋找有效的算法對差異工件單機(jī)批調(diào)度問題進(jìn)行優(yōu)化具有重要的應(yīng)用意義。微粒群優(yōu)化算法是一

2、種新型的群體智能優(yōu)化技術(shù)，具有結(jié)構(gòu)簡單、通用性強(qiáng)、容易實現(xiàn)、群體記憶等優(yōu)點。目前，微粒群算法已在多個領(lǐng)域獲得了廣泛應(yīng)用，但是在離散性組合優(yōu)化問題中的應(yīng)用較少。
　　 本文就如何改進(jìn)傳統(tǒng)的微粒群算法、如何改進(jìn)離散的微粒群算法及如何將改進(jìn)的兩種算法應(yīng)用到差異工件單機(jī)批調(diào)度問題的求解中展開了深入研究。本文的主要創(chuàng)新點如下：
　　 (1)研究了基于云模型的改進(jìn)傳統(tǒng)PSO算法在差異工件單機(jī)批調(diào)度問題中的應(yīng)用。首先提出了一種新的隨機(jī)

3、位置和速度更新方法，然后在根據(jù)微粒的適應(yīng)度劃分種群的基礎(chǔ)上，引入基于云模型的自適應(yīng)參數(shù)策略對不同的子群采用不同的慣性權(quán)重生成方法，最后將該算法應(yīng)用于優(yōu)化制造跨度的差異工件單機(jī)批調(diào)度問題的求解。實驗比較結(jié)果表明，改進(jìn)后的混合算法相比遺傳算法和傳統(tǒng)的PSO算法具有更好的優(yōu)化效果。
　　 (2)研究了基于云模型的改進(jìn)離散PSO算法在差異工件單機(jī)批調(diào)度問題中的應(yīng)用。首先重新定義了用于求解差異工件單機(jī)批調(diào)度問題的離散PSO算法的各類操作算