基于改進粒子群算法的車間作業(yè)排序的優(yōu)化及仿真研究.pdf

1、車間作業(yè)生產線是提高企業(yè)對市場快速反應能力、滿足產品多樣化需求、降低生產成本、提高企業(yè)效益的重要手段。生產線的制造周期和生產線上機器利用率緊密聯(lián)系、相互影響，它們對車間作業(yè)生產線的有效利用有著至關重要的影響。然而大部分的研究都只考慮制造周期，忽視了機器利用率這一因素。因此本文開展了基于改進粒子群算法的車間作業(yè)排序優(yōu)化與仿真研究。本文所完成的主要研究工作和取得的成果如下：
　?。?）系統(tǒng)測試了種群大小、慣性權重、加速因子1和加速因子

2、2四個控制參數對粒子群算法性能的影響，得出了控制參數的變化對算法收斂速度的影響規(guī)律。
　?。?）提出了三種改進的粒子群算法：慣性權重和兩個加速常數均可根據粒子的適應度值進行自適應變化的新的自適應粒子群算法；將種群分成幾個子種群，首先對子種群進行遺傳算法，然后將經過遺傳操作后的子種群作為初始種群，最后進行粒子群算法操作，稱為遺傳粒子群算法；引用協(xié)同技術、小生境技術、遺傳算法中的交叉和變異技術的基于小生境技術的協(xié)同粒子群算法。利用典型

3、測試函數，對比測試了基本粒子群算法與上述三種改進的粒子群算法的性能，得出三種改進后的粒子群算法的收斂可靠性和收斂速度均優(yōu)于基本粒子群算法。
　　（3）建立了車間作業(yè)排序優(yōu)化模型，對該模型進行最小化最大完工時間和機器利用率最大多目標優(yōu)化。針對該優(yōu)化模型，詳細設計了自適應粒子群算法、遺傳粒子群算法和基于小生境技術的粒子群算法這三種改進的粒子群算法，并將它們應用于此優(yōu)化模型中，比較各算法在具體應用中的性能。
　?。?）利用Matl

4、ab平臺開發(fā)了“車間作業(yè)排序優(yōu)化設計系統(tǒng)”，該系統(tǒng)可以測試基本粒子群算法的各種控制參數對其性能影響的規(guī)律，也可以測試基本粒子群算法、自適應粒子群算法、遺傳粒子群算法和基于小生境技術的粒子群算法的性能，并將這四種粒子群算法應用于求解車間作業(yè)排序優(yōu)化問題中，對車間作業(yè)排序的最小化最大完工時間和機器利用率進行優(yōu)化。
　?。?）利用Arena仿真軟件建立了車間作業(yè)排序生產線的隨機模型，該模型中加入了實際生產過程中可能會遇到的各種不確定因素