柔性作业车间调度问题的一种启发式算法
智能制造中的柔性生产调度算法研究
智能制造中的柔性生产调度算法研究随着科技的不断进步和人工智能的日益发展，智能制造正逐渐成为制造业的主流趋势。
在智能制造的背景下，柔性生产调度算法的研究变得非常重要，它可以高效地安排生产资源，提高生产过程的灵活性和生产效率。
本文将探讨智能制造中柔性生产调度算法的研究现状和挑战，并提出一种基于人工智能和优化方法的柔性生产调度算法。
一、柔性生产调度算法的研究现状在传统的制造环境中，生产调度往往是基于人工经验和规则进行的，这种方式存在着调度效率低下、生产过程刚性等问题。
因此，研究者们开始寻求新的调度方法，以提高生产效率和灵活性。
1.1 基于启发式算法的调度方法启发式算法是柔性生产调度算法中常用的方法之一。
它通过模拟人的决策过程，利用经验和规则来指导调度过程。
其中最常见的启发式算法包括遗传算法、蚁群算法和模拟退火算法等。
这些算法通过搜索最优解的过程，可以在较短的时间内得到一个较好的调度方案。
然而，由于柔性生产调度问题的复杂性，基于启发式算法的方法往往不能保证得到全局最优解。
1.2 基于规则的调度方法基于规则的调度方法是指基于特定规则和约束条件进行调度决策的方法。
这些规则可以是预先设定好的，也可以根据具体问题进行调整。
例如，先来先服务（FCFS）规则和最短作业优先（SJF）规则就是常见的基于规则的调度方法。
这些方法具有简单、易于实施的优点，但缺乏灵活性，难以应对复杂的生产环境。
二、柔性生产调度算法的挑战与问题尽管柔性生产调度算法的研究已经取得了一定的进展，但仍然面临着一些挑战和问题。
2.1 多变量约束问题柔性生产调度问题通常涉及多个变量和复杂的约束条件。
例如，生产任务的优先级、机器的可用性和能力、工件间的关联关系等。
如何有效地考虑这些变量和约束条件，提高调度方案的质量，是一个亟待解决的问题。
2.2 实时调度问题在实际生产中，由于各种原因（如设备故障、产品变更等）可能导致生产计划的不符合实际情况。
因此，如何实现实时调度，能够灵活地调整生产任务的顺序和分配，是一个具有挑战性的问题。
柔性资源约束项目调度问题的启发式求解方法
柔性资源约束项目调度问题的启发式求解方法贾艳;王致民;张跃刚【摘要】针对资源间可相互替换的柔性资源约束项目调度问题,提出一种启发式求解方法.该方法以项目活动网络图以及活动、资源间的相互关系为基础,对传统并行调度产生方法进行了改进,设计了一种更有效的柔性资源替代方法.该替代方法首先为同一时刻所有可调度活动分配所需的各类资源,然后以各类资源的剩余情况以及资源之间的替代关系为基础,优先选择剩余量最大的资源进行替代,保证活动都尽可能最早开始,以最小化项目工期.通过与现有方法的对比分析,验证了启发式求解方法的有效性,同时开发了操作简便的柔性资源约束项目调度系统.【期刊名称】《计算机集成制造系统》【年(卷),期】2015(021)007【总页数】10页(P1846-1855)【关键词】柔性资源约束;项目调度;资源替代;启发式算法【作者】贾艳;王致民;张跃刚【作者单位】西华大学建设与管理工程学院,四川成都610039;西华大学建设与管理工程学院,四川成都610039;西华大学建设与管理工程学院,四川成都610039【正文语种】中文【中图分类】TP3910 引言传统的项目调度问题假设每种资源都只有一种技能，能完成单项任务，然而在实际项目中，有些资源具备多种技能，如人力资源能完成多项任务，可以分配到多个工作岗位，属于柔性资源。
这类柔性资源的数量通常是有限的，对这类有限的多技能柔性资源进行有效调度，对于提高资源利用率、缩短项目周期、提高工作满意度至关重要。
因此，研究柔性资源约束的项目调度问题具有重要的理论意义和现实意义，且极具挑战性。
然而，柔性资源的引入使得两种或多种具有相同能力的资源之间存在相互替换使用的现象，致使项目调度问题的决策因素和约束增多，导致问题更加复杂。
传统的资源受限项目调度问题只需确定活动执行顺序，再结合调度产生策略便可得到调度可行解，如文献［1-2］分别采用活动贡献度和多种优先规则来决定活动优先权，并结合串行调度方案生成项目初始调度计划；文献［3-4］分别采用各种优先规则和智能算法来决定活动执行顺序，并结合并行调度方案生成调度解。
制造系统柔性作业车间调度问题及算法优化
制造系统柔性作业车间调度问题及算法优化制造系统柔性作业车间调度问题及算法优化摘要：随着制造业的快速发展和市场需求的不断变化，柔性作业车间调度问题成为制造系统中的重要研究方向。
针对柔性作业车间调度问题，本文通过对问题的分析和总结，提出了一种基于算法优化的解决方案。
该方案结合了遗传算法和模拟退火算法，并将其应用于某柔性作业车间的实际调度问题中。
实验结果表明，该方案在提高车间资源利用率和降低任务完成时间等方面具有显著优势，为制造系统柔性作业车间调度问题的解决提供了一种有效的方法。
一、引言制造系统的柔性作业车间调度问题涉及到多个任务在不同机器之间的分配和调度，旨在优化资源利用率、降低生产成本、缩短任务完成时间等方面的目标。
由于车间内部工序复杂，任务时间不确定性大等因素的影响，使得柔性作业车间调度问题成为制造系统中的难点问题。
二、柔性作业车间调度问题的分析柔性作业车间调度问题的核心是任务的分配和调度。
任务分配涉及到将一组任务分配给车间内的多个机器，而任务调度则是确定每个任务在对应机器上的执行顺序。
柔性作业车间调度问题还需要考虑到车间资源利用率、任务完成时间、机器效率等多个指标。
在实际应用中，不同制造系统对这些指标的重要性可能有所区别。
三、算法优化的解决方案在解决柔性作业车间调度问题时，传统的优化方法往往存在局限性。
为此，本文提出了一种基于算法优化的解决方案。
该方案结合了遗传算法和模拟退火算法的优势，能够在较短时间内找到较优解。
具体实施步骤如下：1. 遗传算法：通过模拟遗传进化的过程，在种群中寻找最优解。
首先，初始化种群，然后根据染色体编码规则生成初始解，并利用适应度函数对每个个体进行评估。
接着，采用选择、交叉和变异等遗传操作对种群进行进化，直到达到停止条件。
2. 模拟退火算法：以一定的概率接受比当前解更差的解，以避免陷入局部最优解。
首先，初始化当前解和初始温度，并设置退火参数。
然后，通过随机扰动的方式生成新解，并计算新解的评价函数值。
基于启发式算法的柔性资源受限项目调度研究的开题报告
基于启发式算法的柔性资源受限项目调度研究的开题报告一、研究背景及意义随着经济的全球化和市场的竞争化，企业的竞争形势日趋激烈，如何有效地调度资源，提高生产效率和运营效益已经成为企业重要的发展战略。
在项目管理中，资源调度人员必须根据实际情况合理分配资源、降低成本、保证项目按时按质完成，也是项目管理的重要部分。
在实践中，许多项目都需要考虑资源有限和模糊的因素，这就需要对柔性资源受限项目调度问题进行研究和分析。
针对柔性资源受限项目调度问题，传统的优化算法不能给出全局最优解，而启发式算法因其全局搜索能力，在该问题中具有优越的性能，能够得到较优的解。
因此，基于启发式算法的柔性资源受限项目调度研究具有较高的理论价值和应用前景。
二、研究内容及方法本文将围绕柔性资源受限项目调度问题展开研究，主要研究内容包括：1. 构建柔性资源受限项目调度模型。
该模型将考虑资源有限和模糊的因素，通过制定合理的约束条件和目标函数，能够准确描述柔性资源受限项目调度问题。
2. 分析现有的启发式算法。
对于不同的启发式算法，将分别进行分析和比较，探索其适用的场景和优缺点，为后续实验奠定基础。
3. 实验验证算法的有效性。
根据现有文献中提出的优化算法，分别进行实验对比，验证算法的有效性和可行性，并进行性能分析。
本文将采用文献研究、数学建模、算法设计和实验验证等方法，系统地研究柔性资源受限项目调度问题。
同时，将会采用Python语言进行算法实现和模拟实验。
三、预期研究结果及意义1. 建立柔性资源受限项目调度模型，该模型能够准确描述实际项目调度中的复杂约束条件和目标函数，具有实际应用价值。
2. 分析比较不同的启发式算法，找出适用于某些情况的最优算法，为实际项目调度提供科学的决策支持。
3. 验证基于启发式算法的柔性资源受限项目调度问题的解决方法的有效性和可行性，具有推广实施的可能性，为实际项目调度提供参考。
含运输时间的柔性作业车间调度问题研究
含运输时间的柔性作业车间调度问题研究摘要：在工厂实际生产中，零件加工的运输时间占整个加工时间的比例是很大的，这个时间在生产调度时不可忽略。
为了更合理的研究柔性作业车间调度问题，本文将运输时间考虑进调度模型之中，并在经典遗传算法的基础上进行改进，设计了一种新的启发式规则算法，嵌入在遗传算法中，用于该问题的求解。
通过计算结果的比较，证明本文调度模型更符合实际生产情况，改进后的算法能够得出更高质量的解，且效率更高。
关键词：柔性作业车间调度运输时间遗传算法Research on Flexible Job-shop Scheduling Problem withTransport TimeAbstract: In the actual production, transport time always accounted for a large proportion of entire processing time. So the transport time should not be ignored when production scheduling.In order to reasonably research flexible job-shop scheduling problem, this paper took the transport time into account when modeling, and designed a new heuristic rules, which was embedded in the genetic algorithm, to solve the problem based on classical genetic algorithm. Through comparing calculate results，the scheduling model is proved more accord with actual production situation. And the improved genetic algorithm is more efficient and can get higher quality solutions. Key words: Flexible job-shop scheduling problem Transport time Genetic algorithm引言在实际生产中，通常一道工序能在多台机器上进行加工，需要根据现场生产情况选择合适的机器进行加工。
一种解决柔性车间作业调度问题的粒子群优化算法
一种解决柔性车间作业调度问题的粒子群优化算法∗刘韵;胡毅;罗企;房超【期刊名称】《组合机床与自动化加工技术》【年(卷),期】2015(000)012【摘要】柔性车间作业调度问题( FJSP)作为经典车间作业调度问题( JSP)的扩展，早在上个世纪已经被证明为是NP-难的问题。
目前启发式搜索方法作为解决NP-难问题的一个重要方法，已经被广泛用于解决车间调度问题。
文章提出了一种基于启发式搜索的粒子群优化算法( PSO)，用以解决柔性车间作业调度问题，旨在获得最优的最小总工作时间。
实验的结果与基于分布式估计算法( BEDA)以及改进后的遗传算法( GA)比较，证明本文提出的PSO算法，可以有效处理FJSP问题。
【总页数】4页(P144-147)【作者】刘韵;胡毅;罗企;房超【作者单位】中国科学院大学，北京 100049; 中国科学院沈阳计算技术研究所高档数控国家工程研究中心，沈阳 110168;中国科学院沈阳计算技术研究所高档数控国家工程研究中心，沈阳 110168; 沈阳高精数控技术有限公司，沈阳 110168;中国科学院大学，北京 100049; 中国科学院沈阳计算技术研究所高档数控国家工程研究中心，沈阳 110168;中国科学院大学，北京 100049; 中国科学院沈阳计算技术研究所高档数控国家工程研究中心，沈阳 110168【正文语种】中文【中图分类】TH165;TG506【相关文献】1.一种改进混合遗传算法解决车间作业调度问题的研究 [J], 滕加庄;孙博;毕学文;臧才2.解决柔性车间作业调度问题的侦查包围搜索算法 [J], 刘韵;胡毅;房超;罗企3.解决多目标优化问题的一种粒子群优化算法 [J], 宋冠英;李海楠4.解决具有混合约束柔性流水车间调度问题的粒子群优化算法 [J], 张其亮;陈永生5.自适应粒子群优化算法在车间作业调度问题中的应用 [J], 张智善因版权原因，仅展示原文概要，查看原文内容请购买。
柔性作业车间调度问题的一种启发式算法
柔性作业车间调度问题的一种启发式算法柔性作业车间调度问题是一个复杂的优化问题，其目标是在给定生产任务和作业要求的前提下，最小化车间生产周期，并保证调度结果的合理性。
解决柔性作业车间调度问题的必要方法之一是利用启发式方法，即引入一定的人工规则处理调度问题，采用数据驱动、实例驱动和规则驱动以灵活处理复杂问题，以达到期望的调度结果。
本文将介绍一种启发式算法，其旨在为柔性作业车间调度问题提供一个可行的优化方案。
一、算法介绍本次启发式算法构建基于三个步骤，分别为：(1)任务分配；(2)调度安排；(3)调度优化。
1.任务分配首先，要求对当前车间作业，根据各作业间的关联性把具有相似性的作业归属与相同的任务，并依据作业资源、生产要求等因素，将任务进行拆解分配，具体可采用文丘里极小值算法（Wendong'salgorithm）。
2.调度安排接下来，基于任务分配结果对每一任务中的作业进行调度安排，采用贪心法构建最优调度序列，即将作业一路朝正确的顺序排列，依据单元时间增加进行比较，可以较快速地构建出调度序列，以满足当前复杂制造生产的需求。
3.调度优化最后，要在调度的的基础上，采用基于交换算子的调度优化技术，即针对每一任务、每一任务分配中的作业，对调度情况进行分析，根据时间，贴紧原则，不影响任务完成时间，在一定条件下，找到调度序列中可以进行交换的作业，实现任务最优分配，从而提高整体工厂效率，达到柔性作业车间调度问题的优化目标。
二、算法性能本次启发式算法的性能分析表明，相比其他传统算法，本算法的整体周期时间有了显著缩短，具有良好的计算效率和强大的解决能力；此外，本算法灵活方便，可以有效应对柔性作业车间多变的特点，用于处理带有柔性优先的作业列表，可以构建出更高效的调度方案，从而有效减少车间完成整个任务所需要的总时间。
车间生产调度算法研究
车间生产调度算法研究作者：刘冬花来源：《职业·下旬刊》 2011年第13期摘要：本文对柔性加工路径的车间生产调度问题提出了一种新的算法，即遗传算法与启发式算法相结合的混合算法。
经实验结果表明，这种算法可以大大提高企业制造资源的利用率和生产效率。
关键词：柔性车间生产调度遗传算法启发式算法车间生产调度可以描述为：用m台机床来加工n个工件，每个工件都有多个工序且每个工序可以在多个并不相同的机床上加工。
怎样把有限的制造资源分配给这些要被加工的工件，使其某种指标最优化，这样的一个决策过程就是车间的生产调度。
实际生产中经常会出现机床设备安排不当而造成加工工期延迟、导致企业重大损失的现象。
因此，如何将稀缺的制造资源有效地分配给被加工工件，就成了制造行业的重要研究课题。
一、生产调度算法研究现状自20世纪50年代开始到现在，关于调度问题的解决方法有很多，如：运筹学方法、遗传算法、启发式方法、粒子群优化算法、DNA算法、Petri网、摄动分析法和仿真调度法等等。
现将几种经典的调度算法的特点总结如下。
1.启发式方法此方法简单易行，在生产中得到了广泛的应用，但它也有缺点：一是不能考虑车间所有资源；二是由于分派规则的单一性导致多目标调度不能实现，而这个问题又是车间调度的基本问题；三是分派规则的选择决定调度性能，但是不存在一个分派规则能适应多个车间环境。
2.遗传算法遗传算法是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法。
其主要特点有三：一是直接对结构对象进行操作，不存在求导和函数连续性的限定；二是具有内在的隐并行性和更好的全局寻优能力；三是采用概率化的寻优方法，能自动获取和指导优化的搜索空间，自适应地调整搜索方向，不需要确定的规则。
这种方法是解决搜索问题的一种通用算法，已被人们广泛应用。
3.拉氏松弛法拉氏松弛法一般能在较短时间内对复杂的规划问题提供一个次优解，但是，大多情况下，要得到满意的调度结果，就要对所求解进行修改[5]。
柔性作业车间调度方法研究
柔性作业车间调度方法研究一、本文概述随着制造业的快速发展和智能制造的深入推进，作业车间调度问题已成为制约生产效率提升的关键因素之一。
柔性作业车间调度问题，作为作业车间调度的一种拓展，其特点在于允许工序在多个机器上加工，这使得问题更加复杂，同时也为求解提供了更多的可能性。
本文旨在深入研究柔性作业车间调度方法，探讨其优化策略与应用实践，以期为制造业的智能化发展提供理论支持和实践指导。
本文将首先介绍柔性作业车间调度的基本概念和特点，明确研究的重要性和意义。
接着，将综述国内外在柔性作业车间调度方法方面的研究成果和进展，分析现有方法的优缺点和适用场景。
在此基础上，本文将重点研究基于智能优化算法的柔性作业车间调度方法，如遗传算法、粒子群优化算法等，并通过仿真实验验证所提方法的有效性和优越性。
本文还将关注柔性作业车间调度在实际应用中的挑战和问题，如不确定性、动态性等因素对调度方案的影响。
针对这些问题，本文将探讨相应的应对策略和解决方案，以期提高调度方案的鲁棒性和适应性。
本文将总结研究成果，展望未来的研究方向和应用前景，为柔性作业车间调度领域的深入研究提供有益参考。
通过本文的研究，期望能够为制造业的智能化发展提供新的思路和方法，推动作业车间调度问题的优化和解决。
二、柔性作业车间调度问题的特点与分类柔性作业车间调度问题（Flexible Job Shop Scheduling Problem, FJSP）是经典作业车间调度问题（Job Shop Scheduling Problem, JSP）的一种扩展，其主要特点在于机器设备的柔性，即一道工序可以在多台不同的机器上完成。
这一特性使得FJSP在实际生产环境中具有更高的适应性和灵活性，但同时也增加了问题的复杂性和求解难度。
机器柔性：工序可以在不同的机器上加工，这增加了调度的灵活性，但同时也需要考虑不同机器的加工效率和成本。
工序顺序：与JSP相同，FJSP中的每道工序都有严格的前后顺序要求，即一道工序必须在其前序工序完成后才能开始。
超启发式遗传算法求解模糊柔性作业车间调度
控制理论与应用
Control Theory & Applications
Vol. 37 No. 2 Feb. 2020
超启发式遗传算法求解模糊柔性作业车间调度
李尚函1, 胡 蓉1,2†, 钱 斌1,2, 张梓琪1, 金怀平1
(1. 昆明理工大学 信息工程与自动化学院, 云南 昆明 650500;
job shop scheduling problem
LI Shang-han1, HU Rong1,2†, QIAN Bin1,2, ZHANG Zi-qi1, JIN Huai-ping1
(1. School of Information Engineering and Automation, Kunming University of Science and Technology, Kunming Yunnan 650500, China;
关键词: 三角模糊数排序; 模糊加工时间; 柔性作业车间; 超启发式算法 引用格式: 李尚函, 胡蓉, 钱斌, 等. 超启发式遗传算法求解模糊柔性作业车间调度. 控制理论与应用, 2020, 37(2): 316 – 330 DOI: 10.7641/CTA.2019.80813
Hyper-heuristic genetic algorithm for solving fuzzy flexible
2. 昆明理工大学 机电工程学院, 云南 昆明 650500)
摘要: 本文提出一种混合超启发式遗传算法(HHGA), 用于求解一类采用三角模糊数表示工件加工时间的模糊柔 性作业车间调度问题(FFJSP), 优化目标为最小化最大模糊完工时间(即makespan). 首先, 详细分析现有三角模糊数 排序准则性质, 并充分考虑取大操作的近似误差和模糊度, 设计一种更为准确的三角模糊数排序准则, 可合理计 算FFJSP和其他各类调度问题解的目标函数值. 其次, 为实现对FFJSP解空间不同区域的有效搜索, HHGA将求解过 程分为两层, 高层利用带自适应变异算子的遗传算法对6种特定操作(即6种有效邻域操作)的排列进行优化; 低层将 高层所得的每种排列作为一种启发式算法, 用于对低层相应个体进行操作来执行紧凑的变邻域局部搜索并生成新 个体, 同时加入模拟退火机制来避免搜索陷入局部极小. 最后, 仿真实验和算法比较验证了所提排序准则和HHGA 的有效性.
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
（ ． ｃｏｌｆＴａ ｃ Ｌ ｄ ｎ ｎ ｅｓｙ ａ ｔｉ ｈｎ ｏｇ２４ ２ Ｃ ｉａ ２ Ｒｓａｃ ｓｔ ｅｎＹ ｎ ｉ Ｃ ｉ ｇｉ ｌ ｒｌ ｎｖｒｔ， ａ － １Ｓｈｏ ｏ ｒｆ ， ｕｏｇＵ ｉｒｔ，Ｙ ｎ ａ ｄｎ ６０ ５，ｈｎ ； ． ｅ ｒ Ｉ ｔｕ ａｔ ， ｈｎ ｆ ｉ ｖ ｉ ａＳ ｅ ｈ ｎｉｔｉ ａ ａＡ ｒｕｔ ａ ｉ ｓｙ Ｙ ｈ ｃ ｕ Ｕ ｅｉ
～一 一 ２ １
ｇ ｇｔｅｒ ｉ ｏ ｄ ｔ ｅ ｓ ｎ ｔｅ ｌ ｃ ｕ ｄ ｓ ｔｅｒｔ ｆ ｈ ｒｅｓｈ ｄ ｌ ｇｔ ｇ ｔ ｈ ｌ ｒｈ ｎ ｏ ｌ ａ ｊｓ ｄ ｉ ｔ ｆ ａ ｉ ｍ ｅ ｏ ｌ ａｊ ｔ ｈ ｉ ｏ ｔｅ ｈｅ ｃ ｅ ｕ ｎ ｒｅｓ ｅ ａ ｏ ｔｍ ｒ ｄ ｍ ｙ ｄ ｔ ｎ ｈ ａｏ ａｔ ｉ ｈ ｒ ｄ ｕ ｕ ａｏ ｔ ｉ ａ ．Ｔ ｇｉ ａ ｕｅ ｔ ａ ｏｏ ｉ ｔｒ ｈ ｄ ｌ ｇ ａｇｔ， ｎ ｉ ｔ ｄｕｔｄｔ ｔ ｏ ｅ ｐ ｎ ｉｇｔ ｔｅｂ ｓ ｓｌｔ ｎ ｃ ｕ ｎ ｏ ｌ ｎ ｈ ｒｔ ｆｈｓ ｈ ｅ ｓ ｅ ｕｉ ｒｅｓ ａ ｄｓ ｇ ｌ ａ ｊｓ ｅｒ ｉ ｃ ｒ ｓ ｏ ｄｎ ｅｔ ｏｕ ｏ ， ｏ ｌ ｒ ｄ ｍ ｙｇ — ｅ ｉ ｔ ｅｃ ｎ ｔ ｌｈｙ ｅ ｈ ａｏ ｒ ｏｈ ｉ ｄａ ｅ
ｅａ ｅｍａ ｘ ｅｌ ｎ ｃ ｅ ｕ ｉ ｏｕ ｉｎ ． Ｔｈ ｌｏ ｔ ｍ ’ ｏ ａ ｉｏ ｎ ｅ ｔｓ ｏ ｔ ｔｔ ｅ ｒ ｓ ｌ ｆｔ ｓ ａｇ ｒｔ ｒ ｔ ｎｙ ｅ ｃ ｌｅ ｔｓ ｈ ｄ ｌｎｇ ｓｌ ｔｏ ｓ ｅ ａｇ ｒ ｈ ｉ Ｓｃ ｍｐ ｒｓ ｎ ａ ｄ ｔｓ ｈ ｗ ｈａ ｈ ｅ ｕ ｔｏ ｈｉ ｌｏ ｈｍ ｓｍｏ ｅ ｉ ｉ ｒ ｅ ｃ ｌｅ ｔ ｈｅａｇ ｒｔ ｍ ｎ ａ ｉ ｌ ｎ ｔ ａ ｌ ｘ ｅｌ ｎ ，ｔ ｌｏ ｈ ｒ ｓｒ ｐ ｄｙ ａ ｄ ｓｅ ｄｉ ｉ ｕ ｙ，ａ ａ ｉｅ ｔｙｂｅｕｓ ｄ ｉ ｅ ｅ ａｉ ｇｉ ｉｉｌｓ ｌ ｔｏ ｎ ｏｈｅ ｃ ｅ ｌｎ ｌ ｎｄｃ ｎ ｄ ｒ ｃｌ ｅ ｎ ｇ ｎ ｒ ｔｎ ｎ ｔ ｏ ｕ ｉｎ ｉ ｔ ｒｓ ｈ ｄｕｉ ｇａ — ａ ｇ ｒｔｍｓ ｏ ｙ ａ ｃｓ ｈｅ ｕ ｉ ． ｏ ｉｈ ｒ ｔ ｌｏｉ ｍ ｏ ｅ ｉｌ ｏ — ｈ ｐ ｓ ｈ ｄ ｌ ｇ ｕ ｉ ｉ ａｇ ｒｔ ｆｒｆ ｘｂｅ Ｊ ｂ Ｓ ｏ ｃ ｅ ｕ ｉ ｓｃ ｈ ｌ ｎ
Ｓ ｉ ｉ Ｕ Ｚ — ｎ ，Ｃ ｈ ｎ —ｈ ，ＹＵＡＮ Ｊｎ ｌ ｎ ｌ ＨＥ Ｚ ｏ ｇ ｚ ｉ ｉ—ａ ｇ ｉ
ｐ ｆｅ ｃ ｒ ｍ ｕｌ ｉ ｇｂ ｏ ｋ， ｒｓ ｎｅ ｏ ｏ ｉ ｒ ｒ ｙ ｒ ｌ ｎ ｅ ｒ ｔ ｌｏ ｔ ｍ ａ ｅ ｎ ｔ ｉ ｐ ｏ ｔ ｌ ．Ｔ ｉ ｏ ｅ ｎ ｅｆ ｉ ｏ ｂ ｉ ｎ ｌｃ ｐ ｅ ｅ ｔｄ ａ ｃ ｍｐ ｓ ｅｐ ｏ ｔ ｕｅ ａ ｄ ｈ ｕ ｓｉ ａｇ ｒ ｈ ｂ ｓ ｄ ｏ ｓ ｒ ｒ ｙ ｒ ｅ ｈ ｓｃ ｎ— ｄ ｔ ｉｉ ｉ ｃ ｉ ｈ ｉ ｉ ｕ
ｔｉ ｈ ｎ ｏ ｇ ２ ４ ７ ，Ｃ ｉａ ａ ａ ｄ ｎ ６ ６ ０ ｈｎ ） Ｓ
Ａｂｔａ ｔ ｏｓ ｄ ｕｔ ｏｊｃｉ ｅ ｉ ｅ ｏ ・ｈ ｐｓｈ ｄ ｌ ｇ ｒｂｅ ｔｉ ｐ ｐ ｒ ｎ ｌ ｅ ａ ｅ ｎＧ ｎｔ ｒｐ ｄｅ— ｓ ｃ ：Ｔ ｕ ｙｍ ｌ — ｅ ｔ ｅ ｘ ｌ Ｊｂ Ｓ ｏ ｃ ｅ ｕｉ ｏ ｌｍ， ｈｓ ａ ｅ ａ ａ ｚｄ ｉｂ ｓｄｏ ａ ｔ ｇ ｈ ａ ｒ ｔ ｉｂ ｖｆ ｂ ｌ ｎ ｐ ｙ ｔ ａ ｎ ｘ
苏子林 车忠志 ， ，苑金梁
（ ． 东大 学 交通 学院 ， 东 烟 台 ２４２ ； ． １鲁 山 ６０５ ２ 中国农业 大学 烟 台研 究院 ， 东 烟 台 ２ ６０ 山 ４ ６ ７）
摘 要 ：为 了研 究多 目标柔 性作 业车 间调 度 问题 ， 于甘特 图和搭 积木 经 验进 行 了分 析 ， 出 了一 种组 合优 先 基 提
第２ ８卷 第 ６期 ２１ ０ １年 ６月
计 算 机 应 用 研 究
Ａｐ ｌ ａｉ ｎ Ｒｅ ｅ ｒ ｈ ｏ ｍｐ ｔ ｒ ｐ ｉ ｔ ｓ ａ ｃ ｆＣｏ ｕ ｅ ｓ ｃ ｏ
Ｖｏ ． ８ Ｎ ． １２ ｏ ６
Ｊ ｎ ２ １ ｕ．０１
柔性 作 业 车 间调 度 问题 的 一种 启发 式算 法
规 则和基 于此优先规 则 的启发 式算法 。组 合优 先规则 面向 完工 时 间、 关键 机床 负荷和 总 负荷 三 个指 标 ， 变规 改
则 中各数据 项的 比例 可调 整三 个指标所 占的 比例 ； 算法采 用 随机 方式调 整 三 个指 标 的 比例 ， 并微 调 最优 解 对应
的比例 ， 能随机 产生 多个 高质 量调度 解。算 法对 比测 试表 明 ， 算 法求 解质 量 高、 该 运行 速 度快 且稳 定 ， 可直接 用
于在 其他调 度算 法 中产 生初 始 解或者 用于动 态调度 。 关键 词 ：柔性作 业车 间调 度 ； 先规 则 ；启发 式算法 优
中图分类 号 ：Ｔ ３ １ Ｐ ０ 文献标 志码 ：Ａ 文章编 号 ：１０ — ６ ５ ２ １ ）６ ２ ６ —４ ０ １３９ （０１ ０—０００
ｄ ｉ１ ．９ ９ ｊｉ ｎ １０ —６ ５ ２ １ ． ６０ ６ ｏ：０ ３ ６ ／．ｓ ．０ １ ３ ９ ． ０ １０ ． １ ｓ