【摘要】：生產(chǎn)調(diào)度問題是一個相對復雜的組合優(yōu)化問題,存在于許多應(yīng)用領(lǐng)域,如鑄造業(yè)、金屬加工業(yè)、物流業(yè)、通信業(yè)等。生產(chǎn)調(diào)度的主要任務(wù)是在生產(chǎn)過程中通過合理地分配資源,從而提升資源利用率以及生產(chǎn)效率。隨著時代發(fā)展和技術(shù)革新,生產(chǎn)調(diào)度問題變得越來越復雜,針對此類問題的研究逐漸拓展到批調(diào)度問題。批調(diào)度問題是經(jīng)典調(diào)度問題的拓展,其復雜性在于批處理機一次可以加工多個工件。雖然在批調(diào)度問題的求解過程中需要同時考慮工件的分組與調(diào)度,增加了問題求解難度,但這極大地提高了生產(chǎn)系統(tǒng)的生產(chǎn)率。本文首先簡單介紹了生產(chǎn)調(diào)度問題的相關(guān)研究背景,然后按照批調(diào)度問題的機器運行環(huán)境進行分類介紹,并簡要介紹了求解批調(diào)度問題的常用算法,包括精確求解算法、啟發(fā)式算法和元啟發(fā)式算法。本文接著針對在差異容量的并行批處理機上加工差異尺寸工件的問題進行研究,以最小化工件的總加權(quán)完工時間。在描述所研究問題后給出問題的混合整數(shù)規(guī)劃模型,隨后提出了一個求解下界的算法,以評價算法的有效性,并提出了一個啟發(fā)式算法對問題進行求解。然后,分別基于螞蟻系統(tǒng)和最大最小螞蟻系統(tǒng)設(shè)計改進算法來解決該問題。在螞蟻構(gòu)建解的過程中,采用基于工件權(quán)重的首工件選擇策略,同時為了降低解構(gòu)建過程的復雜度,根據(jù)當前批的剩余容量構(gòu)建候選列表以縮小搜索范圍。為了有效地指導螞蟻搜索解,本文基于已構(gòu)建的候選列表設(shè)計了一種新的啟發(fā)式信息。對于螞蟻構(gòu)建解,利用提出的鄰域搜索策略進行優(yōu)化,進一步提高解的質(zhì)量。大量的仿真實驗對本文提出的算法進行驗證,并與兩種已有的元啟發(fā)式算法即隨機密鑰遺傳算法(Random keys genetic algorithm,RKGA)和粒子群算法(Particle swarm optimization,PSO),進行對比。為了比較機器容量設(shè)置對算法性能的影響,本文分別在兩種和三種不同機器容量的測試實例上對算法性能進行測試。然后在三種容量的機器上,針對不同容量的機器數(shù)組合進行測試,以分析機器容量的分布對算法性能的影響。此外,仿真實驗對所提算法中采用的不同策略的有效性進行了驗證。最后對本文的研究工作進行總結(jié),并對未來開展的研究工作做了進一步展望。
【圖文】：

１２：邋ｅｎｄ邋ｆｏｒ逡逑１３：輸出全局最優(yōu)解并停止。逡逑兀啟發(fā)式算法ＡＳＦＬ的流程圖如圖４．１所不。逡逑初始化參數(shù)逡逑根據(jù)ＬＢ算法得逡逑到下界值逡逑迭代數(shù)／邋＝邋１逡逑N逡逑初P滍④镥義暇卣簀義襄危懼澹掊五義掀蹋儒危≡窕鱊<按＾酋工件選擇策逡逑，

本文編號：2615439