改进粒子群算法在作业车间调度问题中的应用.doc

　2009年1月　第32卷　第1期四川师范大学学报(自然科学版 Journal of Sichuan Nor mal University (Natural Science Jan .,2009Vol .32,No .1 　　收稿日期:2007-09-25 基金项目:国家自然科学基金教育部高等学校博士点专项科研基金(20051065002资助项目作者简介:常桂娟(19762,女,博士生,主要从事供应链管理、生产调度、遗传算法、微粒群算法的研究 改进粒子群算法在作业车间调度问题中的应用 常桂娟 (青岛农业大学理学院,山东青岛266109 　　摘要:调度问题是一类典型的NP 2hard 问题,传统粒子群优化算法在解决该类问题上具有一定的局限性.通过分析其优化机理,提出了改进粒子群算法,结合了粒子群优化算法的全局搜索能力和交换粒子位置的局部搜索能力,提出了新的粒子编码方法———基于粒子坐标值排列编码(PPP ,发展了一种快速、易实现的新的混合启发式算法.大量实验仿真结果表明本算法可以有效求解作业车间调度问题,通过与遗传算法比较,验证了改进粒子群算法是求解Job 2shop 调度问题可行而高效的方法. 关键词:粒子群优化;作业车间调度;混合优化 中图分类号:TP18　　文献标识码:A 　　文章编号:100128395(20090120139204 0　引言 粒子群优化算法(PS O 是一种基于群体智能 理论的优化算法,由J.Kennedy 和R.Eberhart [1] 在1995年提出的,该算法通过模拟鸟类群体调整自身飞行速度和飞行方向,将所有个体移动到适应度好的环境中,从而抽象出一种可以求解具有复杂解空间性质问题的优化算法.同时在进化过程中该算法保留位置与速度上的信息,由于其概念和参数调整简单而且容易编程实现,它既保持传统进化算法深刻的群体智慧背景,同时又有自己许多良好的优化性能.因此,PS O 算法一经提出,立刻引起进化计算 领域学者们的广泛关注[225] . 传统粒子群算法的早期应用是在连续函数优化问题上展开的,其优化性能通过大量的实验已得到证实.此外,粒子群算法还被应用于神经网络的训练、混合整数非线性优化问题、整数规划问题、带约束函数优化等问题的求解.在粒子群算法中,粒子的位置和速度均以连续参数形式表示,这种连续实数域中的位置2速度计算模型限制了粒子群算法在离散组合优化问题领域的应用.从查阅的国内外文献看,近两三年粒子群算法才开始被应用于求解组合优化问题,由于组合优化问题求解的困难性,相关文献较少,主要涉及旅行商问题(TSP 和车辆路径优化问题(VRP 等.近几年,国内一些用粒子群算法解决车间调度问题的文献也开始陆续出现, 其中有夏蔚军等 [3] 提出的微粒群算法与模拟退火 算法结合的混合启发式算法.彭传勇等[4] 提出的利 用遗传算法交叉变异操作的思想,将粒子群算法与禁忌搜索相结合的广义粒子群优化算法. 作业车间调度问题是典型的组合优化问题,求解该类问题的方法很多.目前常用的方法主要有遗传算法、禁忌搜索、模拟退火等近似求解方法及这些方法的混合算法 [627] .本文通过分析传统粒子群 算法的优化机理,提出了一种基于粒子坐标值排列编码的改进粒子群优化模型,并以此模型为基础构建了适合JSP 求解的改进粒子群优化算法.该算法与已有的其它JSP 求解方法遗传算法相比,在收敛精度上有了较大的提高.仿真结果也表明了该算法 的可行性和有效性.并且算法在JSP 问题上的成功应用也为粒子群算法在其它离散问题领域的应用拓展了思路. 1　Job 2shop 问题的简单描述 JSP 问题可简单描述为有n 个工件在m 台机 器上加工,每个工件包含m 个工序.加工过程中要满足:(1每个时刻每台机器只能加工一个工件,且每个工件只能被一台机器加工;(2工序一旦开始,中途不能被打断;(3每个工件在同一台机器上最多加工一次;(4每个工件必须按照工艺路线加工.本文性能指标即适应度函数定为总工期最短. 2　粒子群算法描述 在n维空间中有N个粒子,每个粒子的坐标为X i=(X i1,X i2,…,X in,并具有与优化目标函数相关的适应度Fit i ,同时每个粒子具有各自的速度V i= (V i1 ,V i2,…,V in.对于粒子i所经历过的历史最好 位置记为P i =(P i1 ,P i2,…,P in,也称为p best.群体 所有粒子经历过的最好位置表示为P g =(P g1 ,P g2, …,P gn ,也称为g best.粒子群算法描述如下: V id(t+1=W V id(t+c1r1(P id(t- X id(t+c2r2(P gd(t-X id(t,(1 X id(t+1=X id(t+V id(t+1,(2 如果V id V