论文部分内容阅读
随着当代经济高速发展,对企业的要求也逐渐提高,于是,企业管理被提到了一个崭新的高度,而生产管理可谓是企业管理中最重要的一环,同时,生产调度又是生产管理的核心内容和关键问题,于是生产调度对于企业管理的意义便非同一般。企业在有限资源约束等条件下产生最大的经济效益是企业所追求的,也是生产调度的主要任务。说到生产调度,其核心问题便是模型和算法,于是研究其中有效的调度算法理所当然的便成为了生产调度问题的重要研究内容。生产调度问题通常是多约束、多目标、随机不确定优化问题,已被证明是属于NP-hard问题。协同进化算法理论与量子理论是国际近年来出现的热点理论,其与算法的结合逐渐成为了目前前沿的研究领域,是近年来针对遗传算法的某些缺点与不足而兴起的,协同进化算法与传统进化算法既有联系又有区别:协同进化算法在进化算法的基础上,更多的考虑的是种群与种群之间、种群与环境之间在进化过程中的协调,协同进化算法指的是多个种群通过适应值的关联同时进化。而量子进化算法,最初源于一些物理概念,是一种基于量子计算概念的进化算法,它吸取了量子计算中的叠加态纠缠态等量子计算独有的特性及其思想,采用与众不同的编码形式和交叉变异方法,取得了良好的效果。本文针对调度问题,结合了协同进化理论与量子理论提出一些新的算法,所做具体工作如下:
(1)阐述了生产调度在现代生产制造业中的重要地位和研究意义,追本溯源般历数了关于生产调度问题的发展历程,对前辈们的研究成果进行了全面而概括的总结;并详细介绍了调度问题的分类与其特点等;
(2)介绍了群体智能的生物学基础及其特点,并就群体智能中的粒子群优化算法进行了系统而详实的探讨。追本溯源,从粒子群优化算法的历史起源说起,并对标准粒子群算法的原理进行阐述,进而给出粒子群算法的流程图,并分析了粒子群算法的相关性质,总结了粒子群算法的发展成果,最后对近年来发展起来的量子理论以及协同进化思想的基本概念进行了详细的阐述;
(3)描述了车间调度经典问题:FSSP和JSSP问题及其特性与区别,首先介绍了FSSP优化目标为最小化make-span的数学模型,建立了JSSP目标为最小化makes-span的数学模型;提出一种混合量子粒子群算法,给出该算法的基本流程并对其处理FSSP问题进行了仿真,证明比QGA算法要高效;
(4)将协同机制引入量子粒子群算法,并通过引入综合学习策略,采用贪心法和随机法相结合的子群合作方式等这样的一些改进策略,进一步优化了算法,并将新算法应用于具体调度问题上,收到了良好的效果。