解决作业车间调度微粒群退火算法.docVIP

解决作业车间调度微粒群退火算法 　　摘 要:针对微粒群优化算法在求解作业车间调度问题时存在的易早熟、搜索准确度差等缺点,在微粒群优化算法的基础上引入了模拟退火算法,从而使得算法同时具有全局搜索和跳出局部最优的能力,并且增加了对不可行解的优化,从而提高了算法的搜索效率;同时,在模拟退火算法中引入自适应温度衰变系数,使得SA算法能根据当前环境自动调整搜索条件,从而避免了微粒群优化算法易早熟的缺点。对经典JSP问题的仿真实验表明,与其他算法相比,该算法是一种切实可行、有效的方法。 　　关键词:微粒群优化; 模拟退火; 作业车间调度问题 　　中图分类号:TP301.6 文献标志码:A 　　文章编号:1001-3695(2010)03-0856-04 　　doi:10.3969/j.issn.1001-3695.2010.03.013 　　 　　Hybrid algorithm of particle swarm optimization and 　　stimulated annealing for job-shop scheduling 　　 　　CAI Bin, MAO Fan, FU Li, YANG Shi-hai 　　 　　(School of Software Engineering, Chongqing University, Chongqing 400044, China) 　　 　　Abstract:This paper proposed a hybrid algorithm of particle swarm optimization (PSO) and simulated annealing (SA) algorithm, which was used to overcome the deficiency of solving job-shop scheduling problem (JSP), such as premature convergence and poor search accuracy.By combing PSO with SA algorithm, increased the ability of global search and jumping out of local optimum. And built the optimization of poor solutions to increase the search efficiency. And, by adding the self-adaptive temperature decay coefficient, made the SA algorithm could auto-tune the search criteria according the environment, avoid the deficiency of premature convergence. Comparsion with other results in some of the literatures indicates that this algorithm is a viable and effective approach for the job-shop scheduling problem. 　　Key words:particle swarm optimization(PSO); simulated annealing(SA); job-shop scheduling problem(JSP) 　　 　　作业车间调度问题[1](JSP)作为生产制造系统中一个热门研究领域,一直备受调度领域的重视。其主要目的是在已知资源和工艺约束条件下,确定工件加工的顺序和时间。作为一组复杂的组合优化问题,JSP是典型的NP-hard问题[1],因此,JSP常被用来测试智能算法的性能。这在实际研究和工程领域中具有重要的意义。目前求解JSP的方法主要有分支定界法、启发式算法、模拟退火算法、禁忌搜索算法、蚁群算法、免疫算法、神经网络算法以及遗传算法等。 　　微粒群优化(PSO)算法[1]作为一类针对连续性函数的优化算法,在JSP上的研究相当少。目前,PSO在JSP上的代表性研究主要有:Sha等人[2]用Giffler-Thompson启发式算法,并结合禁忌搜索提出的针对最小化最大完工时间的混合PSO算法;Xia等人[3,4]将SA算法嵌入PSO提出的求解JSP和多目标柔性JSP的混合算法;Lian等人[5]将PSO与遗传算法(GA)相结合提出的求解JSP的混合算法;Tu等人[6]提出的求解传统JSP的拓扑PSO算法等。