无等待流水车间调度问题地优化.docVIP

PAGE 11 无等待流水车间调度问题的优化* *国家自然科学基金重大项目，博士后科学基金（20070410791）。 潘全科，1971年生，男，教授，博士后。主要研究方向：计算智能及其应用。E-mail: HYPERLINK mailto:qkpan@lcu.edu.cn qkpan@lcu.edu.cn 赵保华，1947年生，男，教授，博士生导师。主要研究方向：软件工程、协议理论与协议工程和无线传感器网络。E-mail: HYPERLINK mailto:bhzhao@ustc.edu.cn bhzhao@ustc.edu.cn 屈玉贵，1945年生，女，教授，博士生导师。主要研究方向：通信与信息系统、计算机体系结构和通信协议工程等。E-mail: HYPERLINK mailto:ygqu@ustc.edu.cn ygqu@ustc.edu.cn 潘全科1，2赵保华1 屈玉贵1 （1中国科学技术大学计算机科学系，合肥，230026 2聊城大学计算学院，聊城，252059 ） 摘要: 研究以生产周期为目标的无等待流水车间调度问题。首先，结合问题特征，提出了一种复杂度为O(n)的快速生产周期算法。其次，研究了两种插入邻域结构：基本插入邻域和多重插入邻域，并提出了快速基本插入邻域算法和最大多重插入移动算法。在此基础上，将离散粒子群算法与上述两种邻域搜索算法相结合，得到了离散粒子群优化调度算法。第三，根据问题生产周期的不规则性，给出了一种通过延长工序加工时间进一步改进调度方案的方法。最后，仿真试验表明了所得算法的可行性和有效性。 关键词 无等待流水车间 生产周期 粒子群算法 邻域搜索算法 不规则性 1 引言 无等待流水车间（no-wait flow shop，NWFS）调度问题是一类十分重要的调度问题[1-5]，它广泛存在于炼钢、食品加工、化工和制药等领域。已经证明机床数量大于2的NWFS是强NP难题[3]。新发展起来的粒子群算法（particle swarm optimization，PSO）为解决该类问题提供了新思路。与进化算法相比，PSO具有结构简单、容易实现、快速聚合和鲁棒性强等优势[4]。但连续本质决定了它难以直接求解生产调度这类复杂的离散问题。于是，文献[5-7]结合PSO的优化机理和调度问题的特点，提出了一种离散PSO（Discrete PSO, DPSO）。该DPSO采用自然数编码，在离散的解空间内执行粒子更新操作，非常适合于调度问题的求解。在此基础上，本文针对NWFS提出了一种高性能的DPSO调度算法，并结合其不规则特性，提出了通过延长工序加工时间进一步改进调度方案的方法。仿真试验表明了所得算法的可行性和优越性。 2 调度模型 2.1问题描述 NWFS可描述为：给定m台机床和n个工件，所有工件在各机床上的加工顺序均相同。同时约定，一个工件在某一时刻只能够在一台机床上加工，一台机床在某一时刻只能够加工一个工件。由于技术条件的限制，同一工件的加工必须连续完成，即同一工件的相邻工序之间没有等待时间。各工序的加工时间已知。问题是如何安排生产，在满足上述要求的条件下得到最小生产周期。 2.2生产周期的计算 由于同一工件的工序必须连续生产的限制，计算NWFS的生产周期不同于一般流水车间调度问题。文献[3]给出了NWFS生产周期的计算公式：令为工件i在机床k上的加工时间，为一个调度，为相邻两工件i-1和i的开工时间之差（如图1a)所示）；则为 图1 两工件的NWFS调度和流水车间调度 （1） 的生产周期为 （2） 上述和的算法复杂度分别为O(m2)、O(nm2)。 2.3生产周期的快速算法 结合问题特征，可简化的计算。如图1所示，两个工件的NWFS和流水车间调度问题有相同的生产周期。因此，可先按照流水车间调度问题求得生产周期，再根据连续生产的要求从后向前依次求得NWFS的各工序开工时间，进而得到。令、分别为工序的开工、完工时间，求的算法如下： ，；令y从2到m，分别计算， ，；令y从2到m，分别计算，。 令y从m-1到1，分别调整，。 上述算法的复杂度为O(m)。若将得到的代入式（2），容易求得生产周期，其复杂度为O(nm)。因为共有个，为了提高算法效率，可预先求出所有。这样，在计算生产周期时，就可视为常数。同样的，也可看作常数。于是，式（2）的复杂度就可降低为O(n)。 3 DPSO调度算法 3.1 PSO算法 PSO是KENNEDY和EBRHART于1995年提出的。在PSO中，粒子代表候选解，具有位置和速度两个特征。从初始群体出发，粒子根据自己和同伴的飞行经验不断调整位置和速度，使整个群体逐渐接近最佳解。PSO的基本步骤为[4]： 初始化算法参数：惯性系数、社会系数和认知系数