标准混合流水车间调度问题研究
多车间综合调度问题的混合算法
算法2023-11-09contents •引言•多车间综合调度问题概述•混合算法设计•算法实现与实验验证•结论与展望目录01引言制造业的快速发展使得车间调度问题变得越来越重要，车间调度问题的解决对于提高生产效率、降低生产成本、提高产品质量等方面都具有重要的意义。
随着信息技术和人工智能的不断发展，混合算法作为一种先进的求解策略，被广泛应用于解决各种复杂问题，包括多车间综合调度问题。
研究背景与意义研究现状与挑战目前，对于多车间综合调度问题的研究已经取得了一定的成果，但是仍然存在许多挑战。
传统的求解方法通常基于规则或经验，难以处理复杂的多车间调度问题，且容易受到环境变化和不确定因素的影响。
近年来，混合算法在求解复杂问题方面表现出了优异的性能，但是如何将其有效应用于多车间综合调度问题仍存在一定的难度。
研究内容与方法本研究旨在利用混合算法的思想，设计一种适用于多车间综合调度问题的求解方法。
其次，采用遗传算法、模拟退火算法和蚁群算法等混合算法的思想，设计一种求解多车间综合调度问题的混合算法。
首先，对多车间综合调度问题进行建模，包括任务分配、加工顺序、加工时间等方面的约束。
最后，通过实验验证所设计的混合算法的有效性和优越性。
02多车间综合调度问题概述多车间综合调度问题（Multi-shop Scheduling Problem，MSSP）是指在一个制造系统中，多个工作车间需要进行任务分配、时间和资源规划的问题。
特点包括：考虑多个车间之间的交互和约束，任务具有不同的优先级和交货期，需要合理安排任务执行顺序和时间，以最小化总生产成本和交货时间。
问题定义与特点约束条件包括：每个任务必须在指定的时间内完成，每个车间在同一时间内只能执行一个任务，任务的执行顺序不能改变等。
优化目标是最小化总生产成本和交货时间，或者在满足约束条件下最小化其他指标，如总加班时间、总设备空闲时间等。
问题约束与优化目标问题求解方法与评估标准求解方法包括启发式算法、元启发式算法、精确算法等。
标准混合流水车间调度问题研究
标准混合流水车间调度问题研究标准混合流水车何调度(Hybrid flow-shcp scheduling problem, HFSP),也锚柔性流水车何］调度是一般流水年间调度的推广，工程应月背景很强，广泛存在于化工、冶金、纺织.机械、半#体、物流、建筑.造纸等工业领域本文折耍研究的背就企业的主产模式就可以归结为HFSP。
它综合了一般流木牟间和井行机两种调度的特点, 求解难度更大。
因此，研究标准11TSP邪仅具宵塑要的理论意义，而且对生产也冇很离的卖际价值.一股来说，标准混合流水车间调度问题可以按掇如卜方式描述：柑个工件在包含w个阶段的流水线上进行加工.髯个工件都妥依次通过四个阶段，毎牛阶段至少包含一台加工机器并且至少有-个阶段包含多台机器，同一阶段上的各机器加工工序郴同.工时可不相同.各工件的各道T仔可亦相应阶段的任何一台机器上进厅加T,任意吋刻备工件全多在台机卷上加丄，且每台机留同时只能加工」个工件。
工件的任何一道工序在加工过程牛不允许中斷。
已知每个工件在各个阶段不同机器上的加工时［可，要求确定工件的加工先后顺序利每•阶段上的机器分配情况，便得某个堆能折标最优.图3」给出了HFSP问题的图例* 4t中假设有加个阶段，毎个阶段上有台机器。
3.2模型构建(1)参数定义川：工件的数目;吋工件加工阶段的数目，N产阶段j上的机器数目f”：工件f在工序/上的加工时阎；为：工件r在丄序，上的开始加工时间；C v t工件，在工序/上的结束加工时间，c^：工件总完工时间（2）变量定义x fo工件f未被安推在第W个位置加工‘JT =〈w = ] •• • M“1工件f被安样在第HZ个位置加工''（0工件i未在工的上的第上台机器上加工Y =* = |i工件[在工旳上的第r台机器上加工_Jo工件i未在工阳上的第&台机器上第/顺位加工^=[1工件i在丄仍上的第k台机器上第/顺位加工(3)目标凶数minC“ ・minmax{C加C2.G,・•・,.}(31) (4)约束条件/!(3.2)Hz^=l 21,2,7(3.3)w-1乞沧=1 f = 1,2…,71；八1,2,…，加(3.4) *•1m ni(3.5)植ZNj>m、NQ\ J=12 •、加(3.6)工工Z州=1 i = 12・・・』J = 12・・・m Hl M(3.7)C v =S,j^t,j i = l,2,・・・M；/ = 12・・・M(3.8)C9 S&, F = l,2,…，耐=1,2,…,= / + l(3.9)S tj 2C.y i,w = iz…，砒=1,2,…,/w；w在fZ前且紧邻(3.10)约束意义：式（3.1）为日标函数，这里取最小化最大完工时间为垠终优化目标式（3.2）表示每个排序位置只能分配一个工件式（3.3）表示每个工件只能有一个排序位置式（14）表示任意一个工件在任何一个阶段只能由一台机器加工式（3.5）表示加工阶段至少为1式（3.6〉表示至少有一个阶段的机器数目人于1台式（3.7）表示工件在某台机器上的加工顺序唯一式（3.8）表示工件i在阶段/上的加工完成时间式（3.9）表示T件i在阶段j十1上的开始加工时间不应早于在阶段/上的结束加工时间式（3.10）表示工件i在阶段/上的幵始加丄时间小应早于其俞一个T件w在阶段丿上的结束加工时间3・3求解算法33.1算法总体思踣及流程标准混合流水车间调度不仅要确定工件的加工顺序，还要确定每个阶段机器的分配惰况，比-般流水车间调度问题求解更为复杂。
典型车间调度问题的分析与研究
典型车间调度问题的分析与研究1. 引言1.1 研究背景车间调度是生产计划和生产管理中的重要问题之一。
随着制造业的发展和生产规模的不断扩大，车间调度问题变得越来越复杂和关键。
有效的车间调度可以提高生产效率、降低生产成本，提高企业竞争力。
研究典型车间调度问题具有重要意义。
在传统车间调度中，存在着许多不同类型的调度问题，如作业车间调度、流水车间调度、混合车间调度等。
这些问题涉及到作业的排程、资源的分配等方面，需要采用合适的调度方法和算法来解决。
对典型车间调度问题的研究和分析可以帮助我们更好地理解调度问题的本质和特点，为优化生产计划提供参考和支持。
通过对典型车间调度问题的定义与分类的研究，可以为不同类型的调度问题提供清晰的描述和区分，有助于我们深入了解各种调度问题的特点和解决方法。
调度方法与算法的研究可以为我们提供解决调度问题的有效工具和技术，帮助我们提高生产效率和优化资源利用。
对典型车间调度问题的研究具有重要的理论和实际意义。
1.2 研究目的研究目的是深入探讨典型车间调度问题的实质和特点，以期能够为解决实际生产中存在的调度困境提供参考和指导。
通过分析调度方法与算法的研究，逐步揭示不同类型车间调度问题的解决路径，为优化生产调度流程提供理论支撑和方法借鉴。
同时，通过对作业车间调度问题、流水车间调度问题和混合车间调度问题的具体分析与研究，深入挖掘车间生产中的瓶颈和难题，为实际生产中的调度优化提供切实可行的解决方案。
总的来说，研究目的旨在加深对典型车间调度问题的认识，为实现生产效率、资源利用和成本控制的最优化提供理论支持和实践指导。
1.3 研究意义典型车间调度问题是生产制造过程中一个重要的管理环节，对于提高生产效率、降低成本、优化资源利用等方面都具有重要作用。
研究典型车间调度问题的意义主要体现在以下几个方面：解决典型车间调度问题可以帮助企业提高生产效率并降低生产成本。
通过优化车间作业顺序、合理安排生产资源，可以缩短生产周期，减少生产空闲时间，提高生产效率，降低生产成本，进而提高企业竞争力。
混合流水线生产计划与调度问题研究
混合流水线生产计划与调度问题研究21世纪人类进入了信息化的时代,经济的全球化、一体化、市场化和信息化,使全球市场竞争也越来越激烈,促使企业的生产方式发生了巨大的变化。
利用现代各种先进的方法和技术,优化生产经营和生产操作,优化资源分配的生产计划和调度已经越来越重要,是实现精细化生产,增强企业竞争力的一个重要方面。
随着生产方式的改进,对生产计划与调度的研究也具有越来越重要的现实意义和理论价值。
本文根据汽车生产企业的生产流程,对混合流水型生产方式的生产计划、投产序列优化调度、生产过程的监测和控制、生产中的物料需求几方面的应用,结合汽车部件生产和整车装配生产计划与调度过程进行了深入的研究。
主要工作内容及创新点如下:(1)提出了混流装配生产计划与生产排程制定方法。
以订单需求与企业生产能力为依据制定生产计划和工作班次。
为保证产品生产序列满足负荷平衡和物料消耗平准化,设计了加权决策的多目标模型,采用免疫优化算法,设计了一种新的抗体浓度表示方法,能够以很快的收敛速度获得优化结果。
计算结果表明,按照该序列进行生产日程安排,可以满足交货日期要求,并能使库存最小化。
(2)根据混流生产产品的特点,提出了以状态路径或状态网络图表达产品装配生产过程的方法,并由此建立产品状态之间的转化路径,以此为依据,可以实现产品个性化的生产活动往后推迟,同时可以实现在制品的在线动态调整。
(3)构建了基于产品控制和在制品动态调整的混流装配生产计划与调度体系结构,给出了生产监控的数学模型,提出了多个控制向量,实现了从生产计划的产品队列到在制品的状态跟踪和分析,以及对产品的调整等生产过程的动态描述。
(4)将产品装配工艺与产品物料清单结合形成装配工位物料需求,按照装配线物料供给特点,既可以得到按生产节拍的投料计划,也可以依据单元物料消耗和产品生产序列推导出不同时间段的物料需求。
给出的物料需求的计算公式,可以获得不同时间精度的投料计划。
(5)在混合流水加工车间,生产调度目标是生产时间最小化与机器负荷平衡,为此建立了控制负荷差别的数学模型,以最小化的makespan为目标,运用免疫算法求解,可以加快算法的迭代速度,提高效率。
基于混合流水车间调度的自动化码头调度研究
第10卷 第4期 工程研究——跨学科视野中的工程10 (4): 373-3802018年8月JOURNAL OF ENGINEERING STUDIES Aug., 2018收稿日期: 2018-01-24; 修回日期: 2018-03-19基金项目:国家自然科学基金资助项目（71471110、61540045）；上海市科委创新项目（16040501500、16DZ1201402、14170501500）；上海市重点学科（J50604）；陕西省社会科学基金项目（2015D060）作者简介:陈 宁（1993-），男，硕士研究生，研究方向为物流运作与优化。
DOI: 10.3724/SP.J.1224.2018.00373基于混合流水车间调度的自动化码头调度研究陈 宁, 梁承姬(上海海事大学 物流研究中心，上海 201306)摘 要: 为提高自动化集装箱码头的装卸效率，合理高效地利用设备资源，针对双小车岸桥与AGV 的联合调度问题，综合考虑了岸桥作业过程中的不交叉作业、集装箱优先关系等现实约束，分析了中转平台的容量限制。
采用基于混合流水车间调度的方法，建立以作业完工时间最小化为目标的三阶段混合整数规划模型，运用遗传算法（GA ）对模型进行求解，获得集装箱任务的设备分配（QC 和AGV ）和处理顺序的调度方案。
最后，对比遗传算法（GA ）与粒子群算法（PSO ）对模型求解的优劣性，算例结果表明，遗传算法得到的调度结果在完工时间与运行速度上更优。
关键词: 双小车岸桥；中转平台；AGV 调度；混合流水车间调度；遗传算法中图分类号: U691.3 文献标识码: A 文章编号: 1674-4969(2018)04-0373-08引言在现代航运市场竞争日益激烈，全球化进程不断加快的情势下，为降低运营成本，集装箱船舶发展转向大型化趋势。
传统集装箱码头设备装卸效率较低，故障率高，无法有效满足超大型船舶的装卸要求，对班轮船期造成影响。
混合流水车间调度问题的两阶段启发式算法
混 合流 水车 间 （ ｈ ｙ ｂ ｉ ｒ ｄ ｌ ｆ ｏ ｗ ｓ ｈ ｏ ｐ ，Ｈ Ｆ Ｓ ） 调度 问题 普遍 存 在 于 钢 铁 、电子 、石 油 化 工 、纺织 等 流 程工 业 和柔 性制 造环 境 … ，甚至存 在 于如 土 木 工 程 、网络 服 务 体 系 、集 装 箱 装 卸 系 统 等 非制 造 领 域 的管 理 工作 中 。 常规 Ｈ Ｆ Ｓ问 题 即最 小 化 ｍ ａ ｋ ｅ ｓ ｐ ａ ｎ的 Ｈ Ｆ Ｓ常 利 用 三 元 组 表 示 法 ，它 可 以描 述 为
每 台设 备 在某 一 时刻最 多 只能加 工一 个工 件 ；（ ４ ） 工件 在某 台设 备上 开始 加工 后 ，不允 许 中断 ；（ ５ ） 相邻 阶段 之 间具有 容量 无 限 的缓 冲 区 ；（ ６ ） 工件 在 阶段 ｋ上 的加 工 时 间 已知 ； （ ７ ） 设 备调 整 时
［ 收稿 日期 ］２ ０ １ ５— ４ — ０ ０ ７ ［ 修 回 日期］２ ０ １ ５— ０ ５— ２ ０ ［ 基金项 目］ 国家 自然科学基金项 目 （ ７ １ ３ ７ １ １ ６ ２ ） ；福建 省 自然科学基金项 目 （ ２ ０ １ ４ Ｊ ０ １ ２ ７ １ ） ；厦 门理工学 院高层 次人才项 目 （ Ｙ Ｓ Ｋ１ ０ ０ ０ ９ Ｒ） 【 作者简 介］苏志雄 （ １ ９ ８ ０一 ） ，男 ，讲师 ，博士 ，研究方 向为生产计划与调度 、运输调度 ，Ｅ － ｍ ａ ｉ ｌ ： ｚ ． ｓ ｕ ＠１ ６ ３ ． ｃ ｏ ｎ ｒ
过交换所有可能的相邻工件来进行改进。
一
、
问题 描 述 及 分 析
Ｆ Ｈ ｓ ， （ （ Ｐ Ｍ ） ｓ） ㈦ ｌ ｔ ｃ 问题可以描述为 个工件要在 ｓ 个阶段 的流水车 间上加工 ，其 中阶段 ｋ
基于混合多目标差分进化的流水车间调度问题研究
Ａｂｓｔｒａｃｔ Ｔｈｅｍｕｌｔｉｏｂｊｅｃｔｉｖｅｆｌｏｗｓｈｏｐｓｃｈｅｄｕｌｉｎｇｐｒｏｂｌｅｍｗｉｔｈｔｏｔａｌｐｒｏｃｅｓｓｔｉｍｅａｎｄｍａｘｉｍｕｍｃｏｍｐｌｅｔｉｏｎｔｉｍｅｈａｓ ａｗｉｄｅａｐｐｌｉｃａｔｉｏｎｂａｃｋｇｒｏｕｎｄｉｎａｕｔｏｍａｔｉｏｎ，ｉｎｄｕｓｔｒｉａｌｐｒｏｄｕｃｔｉｏｎａｎｄｏｔｈｅｒｆｉｅｌｄｓ．Ａｈｙｂｒｉｄｍｕｌｔｉｏｂｊｅｃｔｉｖｅｅｖｏｌｕｔｉｏｎａｒｙ ａｌｇｏｒｉｔｈｍ ｂａｓｅｄｏｎｄｉｆｆｅｒｅｎｔｉａｌｅｖｏｌｕｔｉｏｎ（ＨＭＯＤＥ）ａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎｄｉｆｆｅｒｅｎｔｉａｌｅｖｏｌｕｔｉｏｎａｎｄｍｉｘｅｄｓａｍｐｌｉｎｇｓｔｒａｔｅｇｙ ｗａｓｐｒｏｐｏｓｅｄｔｏｓｏｌｖｅｓｕｃｈｐｒｏｂｌｅｍｓ．Ｉｎｏｒｄｅｒｔｏｉｍｐｒｏｖｅｔｈｅｃｏｎｖｅｒｇｅｎｃｅａｎｄｄｉｓｔｒｉｂｕｔｉｏｎｏｆｔｈｅａｌｇｏｒｉｔｈｍ，ａｎｅｗｍｉｘｅｄ ｓａｍｐｌｉｎｇｍｅｔｈｏｄｗａｓｉｎｔｒｏｄｕｃｅｄ．Ｄｉｆｆｅｒｅｎｔｆｒｏｍ ｔｈｅｔｒａｄｉｔｉｏｎａｌｓｅｑｕｅｎｃｅｅｎｃｏｄｉｎｇｍｅｔｈｏｄ，ｗｅｕｓｅｄｒｅａｌｃｏｄｅｄａｎｄ ｄｅｓｉｇｎｅｄｔｈｅ ｄｉｆｆｅｒｅｎｔｉａｌｅｖｏｌｕｔｉｏｎ ｍｕｔａｔｉｏｎ， ｔａｒｇｅｔｉｎｄｉｖｉｄｕａｌｓｏｒｔｉｎｇ ａｎｄ ｕｐｄａｔｉｎｇ ｏｐｅｒａｔｉｏｎｓ． Ｔｈｅ ｃａｌｃｕｌａｔｉｏｎ ｅｘｐｅｒｉｍｅｎｔｓｏｆｔｈｅＴａｉｌｌａｒｄｓｔａｎｄａｒｄｔｅｓｔｅｘａｍｐｌｅｖｅｒｉｆｙｔｈｅｅｆｆｅｃｔｉｖｅｎｅｓｓｏｆｔｈｅＨＭＯＤＥ ａｌｇｏｒｉｔｈｍ ｉｎｓｏｌｖｉｎｇｍｕｌｔｉ ｏｂｊｅｃｔｉｖｅｆｌｏｗｓｈｏｐｓｃｈｅｄｕｌｉｎｇｐｒｏｂｌｅｍｓ．
Ｋｅｙｗｏｒｄｓ Ｍｕｌｔｉｏｂｊｅｃｔｉｖｅｏｐｔｉｍｉｚａｔｉｏｎ Ｅｖｏｌｕｔｉｏｎａｒｙｃａｌｃｕｌａｔｉｏｎ Ｍｉｘｅｄｓａｍｐｌｉｎｇ Ｄｉｆｆｅｒｅｎｔｉａｌｅｖｏｌｕｔｉｏｎ Ｆｌｏｗ ｓｈｏｐｓｃｈｅｄｕｌｉｎｇ
关于流水车间调度问题的综述
关于流水车间调度问题的综述关于流水车间调度问题的综述.曲媛-杨晓伟z摘要:流水车间调度问题,也被称为同序作业调度问题,是许多实际流水线生产调度问题的简化模型.它无论是在离散制造工业还是在流程工业中都具有广泛的应用.因此,对其进行研究具有重要的理论意义和工程价值.本文介绍了流水车间调度问题的研究现状和几种解决方法.关键词:流水车间;遗传算法;启发式算法引言自从Johnson1954年发表第一篇关于流水车间调度问题的文章以来.流水车间调度问题引起了许多学者的关注.流水车间调度问题一般可以描述为n个工件要在m台机器上加工.每个工件需要经过m道工序,每道工序要求不同的机器.n个工件在m台机器上的加工顺序相同.工件i在机器j上的加工时间是给定的,设为t(I.j).问题的目标是求n个工件在每台机器上最优的加工顺序,使最大流程时间达到最小.对该问题常常作如下假设.(1)每个工件在机器上的加工顺序是1,2.…,m;(2)每台机器同时只能加工一个工件;(3)一个工件不能同时在不同的机器上加工;(4)工序不能预定:(5)工序的准备时间与顺序无关,且包含在加工时间中;(6)工件在每台机器上的加工顺序相同,且是确定的.基本算法1.一种基于扩展采样空间的混合式遗传算法将邻域搜索与遗传算法相结合求解流水车间调度问题,提出了一种邻域结构.使之更适合求解流水车间问题;设计了一种基于扩展采样空间的混合式遗传并通过计算机模拟验证其有效性.其中,邻域搜索使用定义(由给定的染色体通过随机移动一个基因到一个随机的位置.得到的是染色体的集合)所描述的邻域.采样空间为父代P(t),改进的父代s(t),交叉的后代C(t),变异的后代M(t).交叉和变异的父代是种群的父代P(t),而不是改进的父代S(to具体的混合式算法框架BEGINt=0初始化P(t)WHILE不满足终止条件Do①下降搜索.应用多点最速下降法改进P(t),得到改进的父代S(t);24中小企业科技2007.07②用P(t)进行单点交叉生成C(t);③用P(t)进行移动变异生成M(t);④采样从P(t),S(t),C(t),M(t)中选出最好的不重复的下一代染色体:t=t+1END2.改进的DNA进化算法改进的DNA进化算法中引入了交换操作(交换操作就是在DNA单链中随意产生一个位置.然后将位置前的DNA链与位置后的DNA链相交换.组成一条新的链)以更好地搜索解空间,并采用黄金分割率控制变异个体的数目.同时为了进一步提高搜索性能.采用一种新颖的启发式规则.具体算法如下:对于每个工件都有3个时间指数:t为工件j在所有机器上的加工时间之和;t1i为工件j在第一台机器上的加工时间; t为工件j在最后一台机器上的加工时间;tj为工件j的加权加工时间.B,C是[0,1]之间的数.当随机生成一个A,再在[0,1一A]之间随机产生一个B便能确定tj的大小.然后每个工件按照Tj的降序排列.这样就会产生一个可行解.生成不同的A,就会得到不同的可行解.将启发式算法得到的可行解作为DNA进化算法的初始群体.具体算法如下:①计算每个工件tmi的及tlI;@)For(I=1,2.7.n)(n表示要产生的可行解的个数);A=random(0,1);B=random(0,1一A):tⅡ=At~j+Btlj+(1一A—B)tmj;End③根据每个工件计算出的t.进行降序排列.得到对应的工件排序,即可行解.通过仿真可以验证.加入启发式算法能够快速地接近最优解.提高算法的收敛速度.产生初始种群.3.一种基于遗传算法的求解方法一种基于遗传算法的求解方法.在由染色体转换成可行调度的过程中引入工件插入方法.同时设计了一种新的交叉算子(这里设计了一种新的交叉算子.从种群中按交叉概率随机选取两个个体作为父体.对于每个个体随机寻找两个不同的基因位置.选择这两个位置及其之间的基因作为交叉部分.两个交叉部分的长度可以不同.首先将两个交叉部分进行交换.然后按照父体中原来基因排列的顺序补齐交叉部分没有包含的基因.经过交叉之后产生的子代个体一部分基因保留了在一个父辈个体中的绝对位置,另部分基因则保留了在另一个父辈中的相对位置.该操作具有较好的遗传特性,同时也能够产生足够的搜索空间.计算表明该算子优于PMX交叉算子.)通过大量的数值计算表明.该算法优化质量大大优于传统的遗传算法和NEH启发式算法.4.一个无等待流水车间调度启发式算法采用一个经典的全局任务插入算法构造初始解,应用局部搜索方法对其进行改进.通过4000个不同规模实例将提出算法与目前求解该问题最好的几个算法从性能和计算时间方面进行全面比较.实验结果表明:提出算法的性能是目前最好的,多项式复杂度的计算时间适合实际生产需求.此启发式算法包括两个阶段:初始序列的产生阶段和改进阶段.(1】在初始序列的产生阶段.采用任务插入的方法,它类似于NEH[3]算法.(2)在初始序列的改进阶段,定义V=(X,Y)为序列s中的一对位置,其中:,Y∈{l,2….刀),≠Y.V的移动将S中第X个任务插入到第y个位置,位置对集合:Z={(J,)J,Y∈{l,2,…),Y壁{,—l}},其中包括(n一1)(n一1)个位置对.算法描述如下:①令k=1,计算所有任务ji(I=1,2…,n)的F2值.选择最小值对应的任务放入S中,将其余n一1个任务放入R 中;(K=K+1;③从R中任意取出一个任务j,将其插入到S的K个不同位置.产生K个不同的序列.计算这K个序列的F1值,选择最小值对应的序列作为一个候选序列,将任务j从R中移除;④如果R≠,返回第3步,否则转到第5步;⑤在产生的(n—K+I)个候选序列中,计算各自的F值.选择最小值对应的序列替换S.将序列S以外的所有任务存放到集合R中;⑥如果K=n,结束,S即为最终初始序列;否则回到第2步继续;⑦生成序列S的位置对集合并进行插入操作,产生(n一1)个新的任务序列,计算所有新产生序列的F1值,将最小值对应序列记为S;⑧如果F,(S)=F,(S),则S=S.返回第7步重新开始;否则转入第9步;⑨序列S即为最终任务序列.5.混合禁忌搜索算法(HTS)(1)混合禁忌搜索HTs算法的主要思路为:通过一个有效的启发式算法为TS算法提供一个较好初始解,并可加快TS 算法的收敛速度;采用禁忌搜索算法改进初始解以搜索到更好的近优解.初始解生成算法:①任意产生一个初始序列Q.;②利用双插入启发式算法[5](DIH)对序列Q进行改进获取一个序列S.DIH基于全局插入操作和局部插入操作的思想来产生局部种子序列并对当前调度进行改进.该算法具有较高效率的搜索能力.得到一个较好的近优解;③将序列S进行一次全局成对交换,得到初始序列P.(2)HTS算法描述:基于已得到的序列P作为初始解T0和以上禁忌搜索算法,关键参数的设置,下面给出HTS算法:①调用初始解生产算法产生初始解P并赋予To;②将初始解T作为当前解利用成对交换(Swap)产生的邻域结构得到多个邻域解;③将所有邻域解对应的目标函数值从小到大排序,然后选取前e个邻域解作为候选解;④从第1个候选解开始,如果满足藐视准则,则将此邻域解作为当前的序列T,;否则在候选解中选非禁忌的最佳状态序列作为当前序列T,;⑤保存每个当前序列T,及其目标函数值,并找出其中最优的目标函数值及对应的序列W,;⑥若满足终止条件,则比较最后得到的当前序列T,与序列w,所对应的目标函数值大小,选取目标函数值小的序列作为算法最终所得到的近优解,算法停止;若不满足终止条件则To=T,,则转向2.6.混合规划针对不确定条件下流水车间调度问题(Flowshopschedul—ing),研究了含有随机参数和灰色参数的混合机会约束规划模型的建立及求解方法.提出了灰色模拟的概念和方法,为含有灰色参数的机会约束规划提供了求解途径.通过理论推导及仿真实例,结合遗传算法,验证了基于随机模拟和灰色模拟的混合机会约束规划的调度模型及求解方法的有效性.结束语从目前来看,还没有一个求解流水车间问题最优解的简明算法.整数规划和分枝定界技术是寻求最优解的常用方法.然而对于一些大规模甚至中规模的问题,这两种方法仍然不是很有效.以遗传算法,模拟退火,禁忌搜索以及人工神经网络为代表的智能化优化技术迅速发展来解决流水车间调度问题,受到人们的普遍关注.其中,遗传算法以其优良的计算性能和显着的应用效果而特别引人注目,所以很多启发式混合方法都是在此基础上发展起来的.刁参考文献1梁黎明,汪国强.求解流水车间调度问题的一种混合式遗传算法[I].华南理工大学,2001;(t1):85～882俊林.薛云灿,邵惠鹤.求解混合流水车间调度问题的一种遗传算法[I].计算机工程与应用.2003;(35):186～1873牛群,顾幸生.基于启发式规则的新型进化算法在流水车间调度中的应用[I].华东理工大学,2006;(12):1472～1477(作者简介:1.华南理工大学数学科学学院硕士研究生.2.华南理工大学数学科学学院副教授,博士.)2007.07中小企业科技25。