论文部分内容阅读
为了应对日益激烈的市场竞争，实现企业经济效益最大化，生产调度在企业生产资源优化中发挥着日益重要的作用;所谓生产调度就是按时间分配资源并达到给定目标最优，本质上调度问题属于典型的组合优化问题，属于NP完全问题，传统的求解方法已经不能满足现代日益复杂的调度问题。因此，无论是实际生产还是学术理论研究，对生产调度的研究都具有重要的意义。本文针对不同约束下的不相关混合流水车间调度问题进行了深入的研究，并针对布谷鸟搜索算法提出不同的改进策略用于求解此类问题。本文的主要研究成果如下: (1)针对不相关混合流水车间调度问题，提出了一种多种群布谷鸟搜索算法（Multi-populations Cuckoo Search，MCS）用以最小化最大完工时间(makespan)。算法设计了一种基于工件排序的初始化方法;采用多种群并行进化，维持了鸟巢的多样性;引入迁移因子促进种群间信息的交流，提高算法的全局搜索能力;采用邻域搜索对各种群的优秀鸟巢组成的精华种群进行搜索，进一步提高算法的收敛精度。 (2)针对带阻塞不相关混合流水车间调度问题，提出了一种离散布谷鸟搜索算法(Discrete Cuckoo Search Algorithm，DCS)以最小化最大完工时间(makespan)。采用基于工件排序的初始化方法，设计了一种基于各工序最早完工启发式规则的makespan求解方法;借鉴交叉思想以及差异变异思想将CS离散化，引入最有代数阈值预防算法陷入局部最优，最后通过邻域搜索策略提高算法的搜索精度。 (3)针对零等待不相关混合流水车间调度问题，提出了一种免疫布谷鸟搜索算法(Immune Cuckoo Search Algorithm.ICS)以最小化最大完工时间(makespan)。算法采用基于工件排序的初始化方法，设计了一种基于先空闲先加工启发式规则的差值平求解方法;借鉴免疫算法的保持种群多样性的策略，使用布谷鸟算法的种群更新机制，有效的综合两种算法保持种群多样性的优势以及全局与局部搜索平衡的优势。