论文部分内容阅读
随着全球经济一体化的发展,企业之间的竞争日益激烈。在企业中合理规划生产的运作方式,节约生产成本,成为提高企业竞争力的一个核心问题。而合理规划生产运作方式的核心是能够得到一个最佳的调度方案。因此,研究生产调度问题具有非常重要的理论意义和现实意义。Flow-shop调度问题(FSSP)即流水车间调度问题,是生产调度问题中一类重要的问题。由于各种原因,在实际生产过程中存在很多不确定性,本文所研究的是一种加工时间不确定的FSSP。在研究的问题中不仅考虑到不确定性存在,而且还能尽量减少在有干扰发生时对结果产生的影响。微粒群算法(Particle Swarm Optimization,PSO)是一种新兴的智能优化算法,具有原理简单,参数少,操作少,容易实现的特点,是一种高效的并行搜索算法。目前微粒群算法已经广泛用于函数优化、人工神经网络训练、组合优化等领域,成为目前进化计算研究的一个新热点。微粒群算法的研究领域不断扩大,也不断深入。本文根据对微粒群算法和其它智能优化算法的研究,提出一种混合微粒群算法,用来处理加工时间不确定的FSSP,主要做了以下工作:(1)分析了当前微粒群算法的原理和特点以及参数选择等,总结了已有的改进方法。针对微粒群算法的特点提出了一种混合微粒群算法,该算法利用其他两种算法的优势弥补了微粒群算法的缺陷。(2)针对加工时间不确定的FSSP,提出了一种鲁棒makespan指标,通过这个指标,对两个相互冲突的目标进行折衷,从而能够得到既有鲁棒性又兼顾makespan的调度方案。基于提出的鲁棒makespan指标,对单目标和双目标的FSSP做了研究,用混合微粒群算法做了仿真实验,并和其他算法做了对比。仿真结果验证了该算法的优势。