基于改进离散粒子群算法机组组合优化方法.docxVIP

基于改进离散粒子群算法的机组组合优化方法0 引言实际的日常生活中或在处理工程问题的过程中，人们经常遇到在某个问题有多个解决方案可供选择的情况下，如何根据自身所提出的某些性能的要求，从多个可供选择的方案中选择一个可行方案，使所要求的性能指标达到最大或最小，这就是优化问题[1]。如工程设计中怎样选择参数，使得设计即满足要求又能降低成本;资源分配中，怎样的分配方案既能满足各个方面的基本要求，又能获得好的经济效益等。优化是个古老的课题，早在17世纪，英国Newton和德国Leibnitz创立的微积分就蕴含了优化的内容。而法国数学家Cauchy则首次采用梯度下降法解决无约束优化问题，后来针对约束优化问题又提出了Lagrange乘数法。人们关于优化问题的研究工作，随着历史的发展不断深入，优化理论和算法迅速发展形成一门新的学科。二十世纪八十年代以来，一些新颖的优化算法得到了迅速发展。人工神经网络(ANN)在一定程度上模拟了人脑的组织结构[2-4];遗传算法(GA)借鉴了自然界优胜劣汰的进化思想[5, 6];蚁群优化算法 (ACO)受启发于自然界蚂蚁的寻径方式[7];模拟退火(SA)思路源于物理学中固体物质的退火过程[8, 9];禁忌搜索(TS)模拟了人类有记忆过程的智力过程。这些算法有个共同点:都是通过模拟或揭示某些自然界的现象和过程得到发展，在优化领域，有人称之为智能优化算法 (Intelli