14、混合粒子群优化算法在带运输的柔性作业车间调度问题中的应用

混合粒子群优化算法在带运输的柔性作业车间调度问题中的应用

1. 引言

将基于种群的元启发式算法（如遗传算法、粒子群优化算法、蚁群系统等）与局部搜索技术（如局部搜索、模拟退火、禁忌搜索等）进行杂交，可以开发出强大的混合元启发式算法。这种方法结合了前者的探索能力和后者的开发能力。本文主要研究粒子群优化算法（PSO）与随机局部搜索（SLS）的杂交，并将这种混合元启发式算法应用于一个具有挑战性的调度问题——带运输的柔性作业车间调度问题。我们的目标是通过实验确定PSO的探索能力和局部搜索的开发能力之间的最佳平衡。

在SLS中，停止准则通常定义为连续尝试但未改进当前解的最大次数。这个参数为调整SLS的开发能力提供了一种简单直观的方法，该数值越高，对搜索空间的开发就越好。我们旨在研究这个参数对混合PSO性能的影响。

2. 带运输的柔性作业车间调度问题

该问题涉及在柔性制造系统（FMS）环境中同时解决自动导引车（AGV）调度和机器调度问题。它是柔性作业车间问题和带运输的作业车间问题的组合。

2.1 作业车间调度问题

作业车间（JSP）调度问题（J||Cmax）是最古老的调度问题之一，其中J2||Cmax问题已被证明是NP难问题。该问题可描述为：有n个作业的集合J = {J1, …, Jn}需要在m台机器的集合M = {M1, …, Mm}上进行加工，每台机器一次最多处理一个作业，每个作业必须遵循指定的机器顺序。假设作业Jj的操作数为αj，用Oj = {oj,i, i ∈[[1, αj]]}表示Jj的操作集合，O = ∪Jj∈J Oj表示所有操作的集合。每个操作oj,i必须在给定的机器Mj,i ∈M上处理指定的时间pj,i。 </