基于自适应蚁群算法的柔性作业车间调度问题
自适应蚁群算法在流水车间调度问题上的应用
调度问题 是根据生 产 目标和约束条件 ， 为每个加 工对象 确定具体 的加 工路径 、 时间 、 机器 和操 作方式 等。优 良的调 度对 于增强 企业 的竞争 能力 、 高 经济 效益 有着 极 大 的作 提
用 。调度问题 中一个非 常典 型的问题就是 Ｆｏ Ｓｏ 问题…。 ｌ ｗ ｈｐ
与流程。通过 仿真比较 该算法与基本 蚁群 算法在 解决该问题方 面的性能 ， 真结果表 明该算法在 解决 Ｆｏ ｈｐ方面的 ｆ 题 仿 ｌ Ｓｏ ｗ ＊ － Ｉ
上 能 取得 满 意 的 效 果 。
关键 词 ： ｏ ｏ ｌ Ｆ ｗｓ ｐ调度 ； ｈ 蚁群算法 ； 自适应蚁 群算法
中 图分 类 号 －Ｐ８ Ｔ １ 文献标识码 ： Ａ
方法最初应用 于著名 的旅行 销售 问题 （印 ） 取 得 了较好 的 ， Ｉ
搜 索方法、 模拟退火算法 、 遗传算法 、 蚁群算法等 。
１ Ｆ ｗＳｏ 调 度问题 的描 述与数 学模 型 ｌ ｈｐ ｏ
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 ， 工序要求 不 每道
意大利学者 Ｄ ｒｏ ｏ ｇ 等人于 １９ ｉ ９２年提出的 。 Ｊ 蚂蚁是一种几乎没有视觉的动物 ， 但它在 寻找食物 时总
仍不是很有效 。因此又相继 提出一些 启发式算法 ， 近一些 最 智 能搜索算 法也被应用 于解决 Ｆ ｗ Ｓｏ ｌ ｈｐ调度 问题 ， ｏ 如禁 忌
是可 以找到从食 物源到 巢穴 间的最 短距离 。因为 蚂蚁会 在 它走过的路径上 留下一种化 学物质——信 息素 （ｈｒ ｏｅ 。 Ｐ ｅ ｍ ｎ） ｏ 通过释放信息素 ， 蚂蚁 可 以间接地 将信 息传递 给其 它蚂蚁 。 通常蚂蚁会 以较大 的概率选择信息素浓 度高的路径 ， 同时 并 用它 留下 自己的信息素来加强该路径 ， 这样路径 上的信息 素 浓度越大 ， 后来 的蚂蚁选 择该 路径 概率也越 大 ， 着时 间的 随 推移蚂蚁选择 的路 径 上 的信息 素浓 度 会越 来越 大 ； 一 方 另 面 ， 息素也会 随着时 间的推 移而 挥发 ， 信 则蚂 蚁很 少选择 的 路径上 的信息素浓 度会 越来越 低 。 因此 ， 当大量 蚂 蚁觅 食 时， 路径 上就会出现一 种信息 的正 反馈现 象 ， 指导 蚂蚁最 终 找到一条从蚁穴到食物源的最短路径 。 蚁群算法是 一 种随 机搜 索方 法 ， 同其 它启 发式 方 法 一 样， 通过 由候选解 组成 的群 体的进化过程来 寻找最优解 。该
蚁群算法解决车间调度问题
蚁群算法解决车间调度问题关于蚁群算法：蚁群系统(Ant System或Ant Colony System)是由意⼤利学者Dorigo、Maniezzo等⼈于20世纪90年代⾸先提出来的。
他们在研究蚂蚁觅⾷的过程中，发现单个蚂蚁的⾏为⽐较简单，但是蚁群整体却可以体现⼀些智能的⾏为。
例如蚁群可以在不同的环境下，寻找最短到达⾷物源的路径。
这是因为蚁群内的蚂蚁可以通过某种信息机制实现信息的传递。
后⼜经进⼀步研究发现，蚂蚁会在其经过的路径上释放⼀种可以称之为“信息素”的物质，蚁群内的蚂蚁对“信息素”具有感知能⼒，它们会沿着“信息素”浓度较⾼路径⾏⾛，⽽每只路过的蚂蚁都会在路上留下“信息素”，这就形成⼀种类似正反馈的机制，这样经过⼀段时间后，整个蚁群就会沿着最短路径到达⾷物源了。
图的⽣成：车间调度问题我们可以转换为近似于最⼤流问题。
任务当中的每⼀个阶段，都是这个图当中的⼀个节点。
我们新增⼀个超级源点，超级源点和所有任务的第⼀阶段相连。
其他的节点，当同时满⾜属于同⼀任务的两个节点中间不跳跃阶段的条件下相连。
图的遍历：初始情况下，将蚂蚁统⼀放置到超级源点，并且将整个图的所有路径上的信息素设为⼀个固定值。
之后，所有蚂蚁⼀起向终点⾏动，蚂蚁会受到信息素的影响，蚂蚁选择路径的⽅式是蚂蚁当前可⾛路径的信息素加和，作为取随机数m的最⼤值，通过随机数m和可选信息素，计算出蚂蚁选择的路径。
当所有蚂蚁都⾛到终点的时候，将全图的信息素按照信息素消散参数进⾏消散，并计算出这些蚂蚁的路径。
这个路径⼀种⼯件加⼯的顺序，按照这个顺序计算出⼯件加⼯的时间T。
通过这个时间，计算出这个蚂蚁新增的信息素W=Q/T（Q是⼀个常数）。
这个蚂蚁之前经历过的路径上的信息素都加上W。
当所有的蚂蚁的信息素全部新增到图当中的时候。
将所有蚂蚁再放回到起点，重复之前的步骤，随着重复次数的增多，蚂蚁会越来越向着最优解靠近。
最优解的寻找：在计算蚂蚁⾏⾛的路径过程中，会时刻记录着当前出现过的，⼯件加⼯时间最短的情况。
自适应遗传算法与邻域搜索的柔性作业车间调度方法
自适应遗传算法与邻域搜索的柔性作业车间调度方法目录1. 内容综述 (2)1.1 背景介绍 (3)1.2 研究意义 (4)1.3 文献综述 (5)1.3.1 自适应遗传算法研究现状 (6)1.3.2 邻域搜索方法研究现状 (8)1.3.3 柔性作业车间调度研究现状 (9)2. 自适应遗传算法 (10)2.1 遗传算法基本原理 (12)2.2 自适应遗传算法策略 (13)2.2.1 适应度函数设计 (14)2.2.2 选择算子优化 (15)2.2.3 交叉与变异算子改进 (16)2.2.4 遗传算法参数设置 (18)3. 邻域搜索方法 (19)3.1 邻域搜索基本原理 (20)3.2 邻域结构设计 (21)3.2.1 作业调度邻域结构 (22)3.2.2 资源分配邻域结构 (23)3.3 邻域搜索算法流程 (24)4. 柔性作业车间调度模型 (24)4.1 模型建立 (25)4.1.1 目标函数 (26)4.1.2 约束条件 (27)4.2 模型求解方法 (28)4.2.1 自适应遗传算法求解 (30)4.2.2 邻域搜索求解 (31)5. 实例分析 (32)5.1 实例描述 (33)5.2 算法实现 (34)5.2.1 自适应遗传算法实现 (35)5.2.2 邻域搜索实现 (37)5.3 结果分析 (38)5.3.1 调度结果对比 (40)5.3.2 算法性能评估 (41)1. 内容综述随着现代工业生产的日益复杂化和多样化，柔性作业车间调度问题的柔性作业车间调度方法。
本文首先对柔性作业车间调度问题的背景和意义进行了概述，分析了的特点和难点，并介绍了现有的调度方法及其优缺点。
在此基础上，针对的复杂性，本文提出了一种自适应遗传算法与邻域搜索相结合的调度方法。
该方法将遗传算法用于全局搜索，以快速寻找较好的解，同时结合邻域搜索对局部最优解进行优化，从而提高调度方案的适应性和鲁棒性。
分析的数学模型和约束条件，建立适应度函数，为后续的算法设计提供理论基础。
基于蚁群算法的车间作业调度问题研究
２１ 年第 １ ０１ 期
计 算 机 与数 字 工 程
Ｃｏ ｕｅ ｍｐ ｔｒ＆ Ｄｉｉ ｌ ｇｎ ｅｉｇ ｇｔ ｉｅ ｒｎ ａ Ｅｎ
Ｖ０ ． ９ Ｎｏ １ １３ ． ４
基 于 蚁 群 算 法 的 车 间 作 业 调 度 问题 研 究
姬耀 锋”ห้องสมุดไป่ตู้
（ 州 职业 技 术 学 院机 械 工 程 系 ” 郑 州 郑
党
培。 郭小 波∞
４０ ５ ） ５ ０ ２
４ １９ ） ５ １ １
４０ ２ ） 河 南工 业 大 学 机 电工 程 学 院 郑 州 ５１１（
（ 南 工 程学 院计 算 机 科 学 与 工 程 系” 郑 州 河
摘
要
对基 于蚁 群 算 法 的 车 间 作业 调 度 问题 求 解 进 行 了研 究 ， 分 析 了传 统 蚁 群 算 法 求 解 车 间 作 业 调 度 问 题 容 易 在
Ｊ ｏ ｅ ｇ ｉ Ｙａ ｆ ｎ ’ Ｄａ ｇ Ｐ ｉ ｎ ｅ Ｇｕ ａ ｂ 。 ｏ Ｘｉ ｏ ｏ ’
（ ｐ ｒ ｍｅ ｔｏ ｅ ｈ ｎ ｃ ｌＥ ｇ ｎ ｅ ｉｇ，Ｚ ｅ ｇ ｈ ｕ Ｔｅ ｈ ｉａ ｌ ｇ ”，Ｚ ｅ ｇ ｈ ｕ ４ ０ ２ ） Ｄｅ ａ ｔ ｎ ｆＭ ｃ ａ ｉａ ｎ ｉｅ ｒｎ ｈ ｎ ｚ ｏ ｃ ｎｃ ｌ Ｃｏ ｌ ｅ ｅ ｈ ｎ ｚ ｏ ５ １ １
ｃ ｎ ｅ ｇ ｎ ｏ ａ ｐ ｉ ｌ ｏ ｕ ｉｎ ａ ｄ ｓ ａ ｃ ｐ ｅ ｏ ｗ，ｔ ｅ ｔ ｅ ｉ ｐ ｔ ｎ ｉ ｒ ｖ ｄ ｈ ｂ ｉ ｔ ｌ ｎ ｇ ｒ ｈ ｏ ｖ ｒ ｉ ｇ ｌ ｃ ｌｏ ｔ ｍａ ｌ ｔ ｎ ｅ ｒ ｈ ｓ ｅ ｄ ｓ ｌ ｓ ｏ ｈ ｈ ｓ ｓ ｕ ｓａ ｍｐ ｏ ｅ ｙ ｒｄ Ａｎ ｏ ｙ Ａｌ ｏ ｉ ｍ．Ｔｈ ｓａ— Ｃｏ ｔ ｉ ｌ
应用改进蚁群算法求解柔性作业车间调度问题
应 用 改进 蚁 群 算 法 求 解 柔 性 作 业 车 间调 度 问题
刘 志 勇 ，吕文 阁 ，谢 庆 华 ， 明玉 ， 何 杰 ，刘 雄 辉
（ 东工业 大 学 机 电工程 学院 ， 东 州 ５ ０ ０ ） 广 广 １ ０ ６
摘要 ： 将蚁群算法信息素更新规则进行改进 ， 规定只有产 生至今最优解的蚂蚁 才能释放信 息 素 ， 只更 新 全局信 息素 ， 少 了传统 蚁群 算 法 的 时 间复 杂度 ， 高 了问题 的求 解 效 率 。分 析 了柔 且 减 提 性 作 业车 间调度 的特 点 ， 选取 三 个性 能指 标作 为 求解 目标 ， 定 其 求 解优 先 级 ， 设 并建 立 相 应 的调 度
ｃ ａ ａ ｔｒｓ ｉ ｏ ｅ ｉ ｌ ｏ — ｈ ｐ Ｓ ｈ ｄ ｌ ｇ Ｐｒ ｂ ｅ ｈ ｒ ｃ ｅ ｉｔｃ ｆ Ｆｌｘｂ ｅ Ｊ ｂ ｓ ｏ ｃ ｅ ｕｉ ｏ ｌｍｓ （ Ｊ Ｐ） ｈ ｐ ｉ ｒｔ ｆ ｔ ｒ ｅ ｏ ｊｃ ｎ Ｆ Ｓ ，ｔ ｅ ｒｏ ｉ ｏ ｈ ｅ ｂ ｅ ｔ ｙ
中图分 类号 ：０ ２ ； ３ １ ６ ２ ４ ＴＰ ０ ． 文献 标 识码 ：Ａ
Ｓ ｌｉ ｇＦ ｅ ｉ ｌ ｏ —ｈ ｐ Ｓ ｈ ｄ ｌｎ ｒ ｂｅ Ｂａ ｅ ｎ ａ ｏｖｎ ｌｘ ｂｅＪ ｂ ｓ ｏ ｃ ｅ ｕ ｉｇ Ｐ ｏ ｌｍ ｓｄ ｏ ｎ
Ｉ ｐ杨 ｖ ｄ ＡｎｔＣｏ ｏ ｙ Ｏ ｐ ｉ ｉ ａ ｉ ｎ Ａｌ ｏ ｉｈ ｍ ｒ 广 ｏｅ ｌ ｎ ｔｍ ｚ ｔｏ ｇ ｒ ｔ ｍ
．
ｔ ｏ ｐ ｅ ｉｙ ｅ ｓ ｎ ｄ ｉ ｍｅ ｃ ｍ ｌｘ ｔ ｌｓｅ ｅ ｍａ ｋ ｄｙ ｎ ｓ ａ ｃ ｅ ｆ ｉｎ ｙ ｎ ａ ｃ ｄ ｂ ｉ ｕ ｌ．Ｂａ ｅ ｏ ｔ ｅ ｒ ｅ ｌ ａ ｄ ｅ ｒ ｈ ｆｉ ｅ ｃ ｅ ｈ ｎ ｅ ｏ ｖｏ ｓｙ ｃ ｓｄ ｎ ｈ
基于改进蚁群算法的车间调度研究方法及实现的开题报告
基于改进蚁群算法的车间调度研究方法及实现的开题报告一、课题研究背景及意义车间调度问题是制造业领域中的一个重要问题，其主要目的是以最佳方式分配车间资源，实现生产过程的最优化，提高生产效率。
然而，由于生产车间的资源、工艺流程、生产人员等多方面因素的影响，车间调度问题变得十分复杂和难以解决。
因此，研究高效的车间调度算法成为了制造业领域的研究热点之一。
目前，蚁群算法是一种较为成熟的智能算法，它能够通过模拟蚂蚁在搜索食物时的行为策略，以求解复杂的优化问题。
然而，传统的蚁群算法存在局部最优解收敛速度慢等问题，因此需要对其进行改进。
本研究的目的即是基于改进蚁群算法，尝试解决车间调度问题，提高车间调度效率，实现生产过程的最优化。
二、研究内容及方法本研究将以一个典型的车间调度问题为例，建立混合式车间调度模型，该模型涵盖了车间资源和生产流程的主要因素，并考虑到班组和设备的限制条件。
同时，基于遗传算法和蚁群算法的优点，将提出一种改进的蚁群算法，以求解该车间调度问题。
具体实现方法如下：1. 建立车间调度模型：以实际生产车间为基础，收集车间资源、产品工艺流程及生产计划等数据，并对其进行建模，深入分析问题透彻限制条件和规则，构建基于混合式的车间调度模型。
2. 改进蚁群算法：分析传统蚁群算法的不足，通过引入启发式信息和局部搜索策略等手段，改进算法并提高其收敛速度和求解能力。
3. 车间调度优化：以车间调度模型为基础，将改进的蚁群算法运用于实际车间调度问题之中，优化车间资源配置，降低生产成本，提高生产效率。
三、预期研究结果及意义通过该研究，预期达到以下结果：1. 建立一种混合式车间调度模型，将车间资源、产品工艺流程和生产计划等因素有效地考虑进去。
2. 提出一种改进的蚁群算法，解决传统算法存在的局部最优解和收敛速度慢等问题。
3. 清晰解决车间调度问题，提高车间效率，降低生产成本，在实际生产中具有一定的应用价值。
本研究的实施，为生产企业提供了一种新的优化车间调度方法，帮助企业在高效率生产中提高经济效益，更好地适应市场需求和竞争。
蚁群算法在车间调度问题中的应用
大 理 学 院 学 报
Ｊ ＯＵＲＮ ＡＬ ＯＦ ＤＡＬ ＶＥＲ Ｉ Ｉ ＵＮＩ Ｓ ＴＹ
第 ９ 第 １期 ２ １ 年 １Ｈ 卷 Ｏ ００ ０
Ｖｏ ． Ｎｏ １ Ｏｅ ＿ ２ ０ １９ ．Ｏ 『 ０１
蚁群算法在车问调度问题中的应用
张晓玲 ， 彩香 ， 何 陈建 华
ｏ ｅ ｒｏ ｔｍａ ｏｕｔ ｎ ａ ｅ ａ ｈｉｖ ｄ ｒｎ ａ ｐ ｉ ｌｓ ｌ ｉ ｃ ｎ ｂ ｃ ｅ ｅ ． ｏ
【 ｅ ｏ ｄ Ａ ｔ ｏ ｎ ｌｏ ｔｍ Ｊｂ Ｓ ｏ ｃ ｅ ｕｉ ｒｂｅ ； ｈ ｒｍ ｎ ； Ｋ ｙ ｗ ｒ ｓ ｎ Ｃ ｌ ｙＡ ｇ ｒｈ ； ｏ — ｈ ｐ Ｓ ｈ ｄ ｌ ｇＰ ｏ ｌｍ ｐ ｅｏ ｏ ｅ Ｊ ｏ ｉ ｎ
０ 引言
车 间调 度 问题 （ｏ — ｈ ｐＳ ｈ ｄ ｌ ｇＰｏ ｌ Ｊｂ Ｓ ｏ ｃｅ ｕｉ ｒｂｅ ｎ ｍ，
们共 同存在 的环 境 进行 交互 ， 体 又通过 对 环境 的 个
改 变去 影 响其它 个 体 的行 为 ， 而形 成 了一 种正 反 从
ＪＰ 是在 经典 的调度 理论 中所描 述 的最难 的组合 问 Ｓ） 题 中的一种 ， 典 型 的非确 定性 多项 式 时 间难 问题 是 （ Ｐ 。 已经有 许 多方 法 用来解 决 ＪＰ Ｎ） Ｓ ，包 括线 性规 划、 神经 网络 、 遗传 算法 （－ 忌搜 索 ［ 、 子群 ｚ、 禁 粒 算 法 和蚂 蚁 系统 等等 。
Ａｎ ｌ ｎ ｇ ｒｔ ｍ ｏ ｏｖ ｎ ｏ － ｈ ｐ Ｓ ｈ ｄ ｌ ｇ Ｐ ｏ ｌｍ ｔＣｏｏ ｙ Ａｌ ｏ ｉｈ ｆ ｒ Ｓ ｌ ｉ ｇ Ｊ ｂ Ｓ ｏ ｃ ｅ ｕ ｉ ｒ ｂ ｅ ｎ Ｚ ＨＡＮＧ Ｘｉｏ ｉ ｇ ＨＥ Ｃａｘａ ｇ Ｃ ａ ｌ ， ｉｉｎ ， ＨＥＮ Ｊａ ｈ ａ ｎ ｉｎ ｕ
求解柔性作业车间调度问题的两阶段参数自适应蚁群算法
求解柔性作业车间调度问题的两阶段参数自适应蚁群算法凌海峰;王西山【摘要】针对柔性作业车间调度问题,提出了一种新的两阶段蚁群算法求解方案.在算法前期,采用细菌觅食趋化聚类技术判断蚁群所处的状态,自适应调整蚁群算法的参数,使算法快速收敛到全局最优解附近;在算法后期,利用混沌的随机性和遍历性特点来调整参数,有利于算法跳出局部最优.实验结果验证了该两阶段法的有效性.【期刊名称】《中国机械工程》【年(卷),期】2013(024)024【总页数】6页(P3380-3385)【关键词】柔性作业车间调度;蚁群算法;细菌觅食聚类算法;混沌【作者】凌海峰;王西山【作者单位】合肥工业大学过程优化与智能决策教育部重点实验室,合肥,230009;合肥工业大学过程优化与智能决策教育部重点实验室,合肥,230009【正文语种】中文【中图分类】TP278;TP3010 引言作业车间调度问题(job shop scheduling problem，JSSP)是一类受任务顺序和配置要求约束的资源分配问题，属于典型的NP－hard优化问题。
而柔性作业车间调度(flexible job shop scheduling problem，FJSSP)则是JSSP问题的一个扩展，是指带有机器柔性的作业车间调度问题，即每道工序有多个可供选择的加工机器，更加符合实际生产情况，但也增加了问题求解的难度。
近年来，人们针对FJSSP问题的复杂性已经提出了许多有效的方法［1-3］。
蚁群算法［4］作为一种新的群智能优化算法，采用正反馈机制且具有较强的通用性和鲁棒性，已被成功地应用到作业车间调度问题中。
但在实际应用中，蚁群算法存在易陷入局部最优和收敛速度慢等问题。
针对此问题，王万良等［5］提出了一种新的信息素更新策略，并用于求解FJSSP问题。
Xing等［6］在采用蚁群算法求解FJSSP问题的过程中引入了知识模型，实验得到的解的质量也优于目前的一些求解方法。
- 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)。
２１ ０ ０年 ２ 月
机
电
工
程
Ｖｏ ． ７ １ ２ Ｎｏ ２ ．
Ｆ ｂ． ２ Ｏ ｅ Ｏｌ
Ｊ ｕ ｎ ｌｏ ｅ ｈａ ｉａ ｏ ｒ ａ ｆＭ ｃ ｎｃ ｌ＆ Ｅｌｃ ｒｃ ｌＥｎ ｉ ｅ ｒｎ ｅ ｔｉａ ｇ ｎ ｅ ｉｇ
基 于 自适 应 蚁群 算法 的柔 性作 业 车 问调度 问题
ｔｒ Ｉ ｈ ｎ ｈｅ ｓｍｕ ａｉｎ ｒ ｓ ｔ ｈｏ ｔ ｔｔ ｅ ａｇ ｒｔ ｅ ． ｎ ｔｅ ｅ ｄ ｔ ｉ ｌｔｏ ｅ ｕｌｓｓ ｗ ｈａ ｈ ｌ ｏｉｈｍ ａ ｏ ｄ ｐｅｆ ｒ ｎ ｅ ｈ ｓ ｇ ｏ ｒｏ ｍａ ｃ ．
Ｋｅ ｒ ｓ ｎ ｏｏ ｙａｇ ｒｈ ｙ ｗｏ ｄ ：ａ ｔｃｌｎ ｌｏｉ ｍ；ｆ ｘｂｅｊｂ ｓｏ ｃ ｅ ｕｉｇ ｄ ｐｉｅ ｔ ｌ ｉｌ ｏ —ｈ ｐ ｓｈ ｄ ｌ ；ａ ａ ｔ ｅ ｎ ｖ
ｒｔ ｉ ｈｍ ｓ ｄ ｖ ｌ ｐ ｄ ｔ ｓ ｌｅ ｔ ｅ ｗａ ｅ ｅｏ ｅ ｏ ｏ ｖ ｈ ｍｏ ｅ ． Ａｎ ｄ ｐｉ ｅ ａ ｔ ｏｏ ｙ ｌ ｏ ｉ ｄ１ ａ ａ ｔｖ ｎ ｃ ｌ ｎ ａｇ ｒｔ ｈｍ ｗａ ｄ ａ ｃ ｄ， ｉ ｔｅ ｏ ｒｅ ｆｓ ａ ｃ ｉ ｓ ｌｔｏ ｓａ ｖ ｎ ｅ ｎ ｈ ｃ ｕ ｓ ｏ ｅ ｒ ｈｎｇ ｏｕ ｉｎ
０ 引 言
车 间 调 度 是 先 进 制 造 系 统 实 现 管 理 技 术 、 筹 技 运
１ 柔 性 ｊ ｂｓ ｏ ｏ － ｐ调 度 问题 描 述 ｈ
１ １ 问题 的 描 述 ．
术和 优化技 术发展 的核心 。有效 的调度 方法 和优化 技
假定 一个 加工系统 有若 干台机器 和 ｎ 待加 工工 个
素 的静态或 动态作业 车 间调度 问题 。现 阶段研 究 的重 点集 中于使整 个现 代制 造 系统 更 具 有 开放 性 、 态性 动 和柔性 等方 面 ， 同时对 制造 过 程 的模 糊 加工 和 模糊 优
Ａｂ ｔａ ｔ ｉ ｎ ｔ ｅ ｉｌ ｏ —ｈ ｐｓｈ ｄ ｌ ｇｏ ｎ ｌｚｎ ｈ ａ ｎ ｓ ｆｃａｓｃｌｊｂｓｏ ｓｒ ｃ ：Ａ ｍｉｇａ ｆ ｘｂｅｊｂｓ ｏ ｃ ｅ ｕｉ ｎ ａ ａｙｉｇｔｅｗｅｋ ｅｓｏ ｌｓｉａ ｏ －ｈ ｐ，ａ ｄ ｐｉｅａ ｔｃ ｌｎ ｌｏ ｌ ｎ ｎ ａ ａ ｔ ｎ ｏｏ ｙ ａｇ— ｖ
Ａｆ ｒａｌａ ｔ ｃａ ｌ ｄｕ ｔ ｈ ｒｍｏ ｅａｍ ａ ｈ ｔｅ ｌｏｉ ｍ ｇ ｔ ｎｏｐ ｒ ｃｎ ｅｇ ｎ ｅ ｈｓｃ ｎｈ ｌ ｏｇ ｔ ｅ ｔ ｏｕｉｎｆｓ ｔ ｌ ｎｓ ｒｗ ，ａ ｊｓ ｐ ｅｏ ｎ ｒ ｔ ｅｈ ｒａｇ ｒ ｈ ｅ ｔ ａｔ ｏ ｖｒｅ ｃ ，ｔｉ ａ ｅｐｔ ｅ ｂ ｓ ｓｌｔ ａ— ｅ ｗ ｔ ｉ ｏ
术 的研究应用 则是 实现先 进制造 和提 高生产效 益 的基
础 和 关 键 。早 期 这 方 面 的 研 究 主 要 集 中 于 考 虑 单多道 工序 ， 件 的工 序顺序 是 Ｔ 工
预先确定 的 ， 道工序 可 以在 多 台不 同的机 床上加 工 ， 每 工序 的加 工时 间随机床 的性能 不 同而 变化 。调 度 目标 是 为每道 工序选 择最 合适 的机 器 ， 以及 确 定每 台机器
蚂蚁 爬行 完毕后 ， 针对 算法是 否陷入局 部收 敛 ， 别对各 路径 上 的信 息素 进行 了 自适 应调 整 ， 分 有助 于快 速得 到全 局最优 解 ； 最后 ， 通过 实例仿 真验证 了算法的有 效性 。
关 键词 ： 群 算法 ； 蚁 柔性 作 业 车 间调 度 ； 自适 应 中 图 分 类 号 ： Ｍ ８ ． Ｔ ３３５ 文 献 标 识 码 ： Ａ 文章 编 号 ： ０ — ５１２１）２— ０６— ４ １ １ ４５ （００ ０ ０４ ０ ０
亓 凌 ， 建栋 ， 杨 李 保 ， 于涵诚
（ 江 省 机 电 设 计 研 究 院有 限公 司 ， 江 杭 州 ３ ００ ） 浙 浙 １０ ３
摘 要 ： 对经典 作业 车间调度 问题 的局 限性 ， 针 结合 实际生 产情 况 ， 出 了具 有路 径 柔性 的作 业 车 间调 提 度模 型 ， 出了求解模 型的 自适 应蚁 群算 法的具体 实现过程 。在搜 索 解路 径的过 程 中， 给 该算 法首先确 定 下 一步可供 选择加 工 的工件在哪 台机 器上加 工最好 ； 着在 选择机 器后 再确定 该加 工哪 个＿ 件 ； 接 Ｔ － 当所 有
ｒｕｔ ｏ ｅ，ｔ ｓ ａｇ ｒｔｍ ｉｓ ｈｏ ｅｗｈｃ ｃ ｉ ｅ ｐ ｏ ｅ ｓｐ ｏ ｅ ｕ ｅ ｉ ｈｅｂｅ ｔ ｈ ｎ ｃ ｏ ｓ ｒ ｃ ｓ ｈｉ ｌｏ ｉｈ ｆｒｔｃ ｏｓ ｉｈ ｍａ ｈ ｎ ｒ ｃ ｓ ｒ ｃ ｄ ｒ ｓｔ ｓ ，ｔ ｅ ｈ ｏ ｅ ｐ ｏ ｅ ｓｗｈｉｈ ｗｏ ｋ ｉ ｃ ’ ｒ ｃ ｄ ｒ ． ｃ ｒ ｐ ｅ ｅＳｐ ｏ ｅ ｕ ｅ
Ｆｅ ｉｌ ｊ ｂｓｏ ｃ ｅｕｉｇｐ ｏ ｌ ｂ ｓｄｏ ｄ ｐｉｅａ ｔ ｏ ｎ ｌｏｉ ｍ ｌｘｂｅ ｏ － ｐ ｓｈ ｄ ｌ ｒｂｅ ａｅ ｎａ ａ ｔ ｎ ｌ ｙａｇ ｒ ｈ ｈ ｎ ｍ ｖ ｃｏ ｔ Ｑ ｉｇ Ｙ Ｎ ｉ —ｏ ｇ Ｌ ａ ， Ｕ Ｈ ｎｃ ｅｇ Ｉ ｎ ， Ａ Ｇ Ｊ ｎｄ ｎ ， Ｉ ｏ Ｙ ａ —ｈｎ Ｌ ａ Ｂ
（ ｈ ｉ ｇ Ｉｓ ｔｔ ｏ ｃ ａ ｉ ｌ Ｅ ｅｔｃ ｌ ｎ ｉ ｅｉ ｏ ， ｔ． Ｈ ｎ ｚ ｏ ０ ３ Ｃ ｉ ） Ｚ ｅ ａ ｎｔｕｅ ｆＭｅ ｎｃ ＆ ｌ ｒ ａ Ｅ ｇｎ ｒ ｇ Ｃ ． Ｌ ， ａ ｇｈ ｕ３ ０ ， ｈｎ ｊｎ ｉ ｈ ａ ｃｉ ｅ ｎ ｄ １ ０ ａ