摘要: 柔性作业车间调度问题是一种更加复杂的组合优化问题。在该问题中工序的加工不再局限于一台设备，而是可以在多台设备上进行，处理时间互不相同，除了要安排工序的加工顺序外，还要为工序安排加工设备，被称之为最坏的NP难问题之一。与经典的作业车间... 展开 柔性作业车间调度问题是一种更加复杂的组合优化问题。在该问题中工序的加工不再局限于一台设备，而是可以在多台设备上进行，处理时间互不相同，除了要安排工序的加工顺序外，还要为工序安排加工设备，被称之为最坏的NP难问题之一。与经典的作业车间调度问题相比，它更加符合实际生产需要，因此广大学者对柔性作业车间调度问题的求解方法越来越重视。本文以蚁群算法作为优化算法，针对优化目标为最大完工时间最小的柔性作业车间调度问题展开讨论，本文的主要工作为:在蚁群算法的状态转移规则、信息素更新策略等方面进行改进，并在柔性作业车间问题中进行应用，给出实验结果和结论。 (1)通过对机器选择问题的分析，结合机器选择的特点和难点，提出一种机器选择策略，选用概率分配以及机器负荷相结合的方法为工序选择加工机器。 (2)针对蚁群算法在求解柔性作业车间调度问题上搜索时间长、初始信息素匮乏以及易陷入局部最优解等缺点，提出一种改进蚁群算法来优化柔性作业车间调度问题，改进之处主要体现在以下四个方面:针对蚁群算法初始信息素匮乏的缺点，用遗传算法初始化信息素，利用截断机制进行初始种群的选择，选择优良个体进行交叉变异;采用先验知识选择路径和概率公式搜索的伪随机比例规则进行节点选择，同时对蚁群系统中的固定参数q0进行了动态设置;采用局部信息素和全局信息素更新相结合的方式进行信息素的更新，每选择一个加工工序对信息素进行局部更新，一次迭代完成之后只对最优路径上的信息素进行全局更新;每次迭代完成之后，引入遗传算法的变异机制，对最优路径进行变异，改善蚂蚁全局搜索能力。 (3)对提出的改进蚁群算法在柔性作业车间调度问题中的应用进行了步骤设计，包括机器选择和操作排序等关键模块，给出了具体流程，确定算法中的关键参数，通过MATLAB编程实现改进的算法，对多个案例进行仿真并将结果与其他算法进行分析比较，验证本文改进算法的高效性与可行性。 (4)以某家具企业车间的调度问题为实际案例，利用改进蚁群算法对其求解，并与文献中的改进算法求解结果进行分析比较，验证了改进蚁群算法在实际问题应用中的可行性。 收起