摘要: 作业车间调度问题是生产管理和组合优化领域的重要研究内容。合理地进行生产调度对提高生产效率，减少生产成本，改进产品质量起着非常重要的作用。研究车间调度问题具有很大的理论意义和现实价值。 作业车间调度（Job-Shop调度）问题是许多实际车... 展开 作业车间调度问题是生产管理和组合优化领域的重要研究内容。合理地进行生产调度对提高生产效率，减少生产成本，改进产品质量起着非常重要的作用。研究车间调度问题具有很大的理论意义和现实价值。 作业车间调度（Job-Shop调度）问题是许多实际车间调度问题的简化模型，是一个典型的NP-hard问题。该问题具有约束性、非线性、不确定性、大规模性等复杂性特点，已被证明在多项式时间内得不到最优值。自1954年，Johnson首次研究了两台机床的流水车间调度问题，迄今为止，已经有很多关于该问题的解决方法，如分支界定方法、动态规划方法、移动颈瓶方法、拉格朗日松弛法及各种智能算法等。不管是精确算法还是启发式算法均有其自身的局限性。为了更好的解决作业车间调度问题，考虑将各种算法结合扬长避短以达到最佳效果是当前解决此问题的主要研究方法。 本文针对基本作业车间调度问题，利用回溯相邻交换方法对传统的蚁群优化算法进行改进。对蚁群优化算法中的全局信息素更新规则进行调整，求解生产周期最小的排程方案。最后通过仿真实验，验证了该算法比单纯使用蚁群算法能够更好的缓和早熟和收敛速度之间的矛盾。 基本作业车间调度问题中，每个工件的每道工序只能在一台固定的机器上加工，在实际生产环境中，问题往往更加复杂。因此本文进一步研究了每道工序可以在多台机器上加工，且在每台机器上的加工时间不等的情况，针对这一特点，对文章提出的混合蚁群算法稍加改进后，应用于该问题中，并进行了仿真实验，验证了该算法在柔性作业车间调度问题中的有效性。 收起