基于并行蚁群优化的车间调度研究.pdfVIP

全国先进制造技术高层论坛暨第八届制造业自动化与信息化技术研讨会 基于并行蚁群优化的车间调度研究 甘屹，杜继涛 (上海理工大学机械工程学院，上海，200093) 摘要；借鉴蚁群的并行活动，本文提出通过蚁群信息素分布多样性，蚁群更新信息素策略，体现寻优活动多样 性。并在调度过程中，通过各寻优群体分别进行相互独立的蚁群寻优，在局部最优基础上获得全局最优 解，实现并行蚁群优化。仿真结果说明，利用蚁群并行寻优的性能比基本蚁群算法更有效。 关键词：蚁群优化，并行，多样性，车间调度 TP27 中图分类号：TPl8 文献标识码：A StudiesonJSSPbasedonParallelACO Abstract：Basedonthe actions，the of werembodiedthe ants’parallel diversityoptimization by distributing ofant andthe the multifortuitycolonypheromonepheromoneupdatingstrategy．Duringschedulingprocess， the beaccessed searchthe results basedon sub—colony optimumindependently．Thenglobaloptimization∞n thelocal results．Thesimulationshowsthatthe ofthe ACOismore optimized performanceparallel efficiency thanbasicACO． Keywords：ant colonyoptimization，parallel，diversity，JSSP O概述 车间调度问题(jobshopscheduling 器上的工件加工顺序，并满足约束条件，使制造系统某些性能指标得到最大限度地优化。JSSP是最有名 的组合优化问题之一，属于NP(Non-deterministic 与之相转化。具有建模、计算复杂性，而且具有动态随机性、多约束性、多目标性，一直是学者研究的热 点。 近年来，计算智能技术因具有普遍适用性和较低的经验复杂性等优点而被应用来求解JSSP。其中， 蚁群算法在作业车间调度问题等方面获得了成功的应用。文献[1]给出了解决车间作业调度问题的蚂蚁优 化算法的一般步骤和模型。文献[2-4]在原有标准蚁群算法的基础上采用了新的状态转移规则。还有研究 者将Palmer启发式算法、NEH启发式算法、双向调度算法等与蚁群算法结合睁刀，取得了较好的效果。但 是这些研究都是借鉴蚁群算法在求解TSP问题疆1中的方法，将蚂蚁随机或均匀分布到各个城市，基于单 个蚂蚁的搜索路径活动，进而再寻求全局最优解，缺乏对蚁群算法中的并行性的利用。 蚁群算法中各个体的运动是随机的，但是整个群体寻优过程中所体现出的并行性、协同性、自组织 性、动态性等特点。这与JsSP的许多特点是相似的。本文借鉴蚁群活动的规律，通过蚁群中的并行、多 样化寻优活动，在加速解的收敛的同时扩大解的搜索空间，以保证JSSP的更优解的突现。 l蚁群信息素分布多样性 用”(exploitation)、“再探索”之间建立一个平衡点旧1。 在搜索初期，小生境中可利用的经验信息还不多，这时蚂蚁运用初始启发信息，以“探索”为主； 随着搜索的演进，小生境中经验信息增多，这时蚂蚁的搜索则以“利用”经验信息为主，加速解的收敛； 而到了搜索的后期，要避免算法早熟、停滞的现象，就要在已有解的基础上“再探索”，以扩大解的搜 索空间，使更优解得以突现。群算法 【12