多目標粒子群算法及其在車間調度中的應用研究.pdf

1、車間調度是企業管理的核心,其主要任務是合理分配現有的人力和物力資源,以滿足生產過程中經濟上或性能上的目標。目前,調度問題大多被處理為單目標問題進行求解,而實際生產中該問題往往包含著多個相互沖突的目標,因此對多目標車間調度問題進行研究更具有現實意義。本文對車間調度問題進行了系統研究,并提出了多目標粒子群優化算法。其目的是從理論和實踐中尋找解決生產調度問題的有效途徑,為有關技術的進一步完善、發展和開發提供一定的理論基礎和實踐方法。
　

2、　 本文的主要工作歸納如下:
　　 (1)將Baldwinian學習策略加入粒子群算法中,用以改進粒子群算法易陷入局部最優的缺點。該算法引入生物界中種群個體自我學習的機制,以提高粒子群算法的全局尋優能力和收斂性能,并將該算法用于求解多個測試函數問題,實驗結果驗證,該算法具有良好的尋優性能;
　　 (2)將改進的多目標粒子群算法應用于多目標流水車間調度問題以及多目標作業車間調度問題的求解。該算法加入Baldwinian學

3、習策略,以提高算法的局部搜索能力,同時為了保證非支配解集的多樣性,設置外部精英解集保存算法迭代過程中產生的非支配解并采用擁擠距離策略更新該解集。實驗結果驗證,本文提出的算法能獲得較好的非支配解；
　　 (3)提出一種基于離散粒子群算法和模擬退火算法相混合的多目標粒子群算法,算法中加入模擬退火算法用以提高算法的局部搜索性能。將該算法用于多目標柔性作業車間三目標調度問題的求解,實驗結果驗證,該算法具有較好的多目標尋優性能；