求解混杂生产调度问题的嵌套混合蚁群算法(英文)

蚁群算法作为解决优化问题的有力工具 ,它的有效性已经得到了证明 .由于其生物学背景 ,基本蚁群算法被设计来求解复杂的排序类型组合优化问题 ,在连续空间优化问题的求解方面研究很少 .本文提出一种嵌套混合蚁群算法 ,用于解决具有混杂变量类型的复杂生产调度问题 ,在一种新的最佳路径信息素更新算法的基础上 ,提高了搜索效率 .计算机仿真结果表明 ,本文提出的方法在求解此类问题上性能优于另一种基于进化计算的有效方法———遗传算法 .蚁群算法作为解决优化问题的有力工具 ,它的有效性已经得到了证明 .由于其生物学背景 ,基本蚁群算法被设计来求解复杂的排序类型组合优化问题 ,在连续空间优化问题的求解方面研究很少 .本文提出一种嵌套混合蚁群算法 ,用于解决具有混杂变量类型的复杂生产调度问题 ,在一种新的最佳路径信息素更新算法的基础上 ,提高了搜索效率 .计算机仿真结果表明 ,本文提出的方法在求解此类问题上性能优于另一种基于进化计算的有效方法———遗传算法 .

双资源约束的航天结构件车间生产调度方法

针对航天结构件生产调度过程中工序加工时间随操作人员能力级别而变化,关重件和关键工序特定设备和人员要求约束等问题,构建综合考虑关键设备和人员双资源约束的柔性车间作业调度数学模型,解决航天结构件生产设备资源维、人员资源维、工序信息维的描述。为实现双资源约束下的柔性调度,提出嵌套式蚁群-遗传混合算法,针对结构件加工工序设备和人员双资源选择问题,建立资源选择问题与蚁群并行搜索的映射关系,设计蚁群算法实现资源选择;为提高算法搜索性能,利用遗传算法求解当前蚂蚁资源选择下的调度问题,在避免人员资源使用冲突前提下实现设备加工工序的优化排序,使得关键设备利用率最大,总完工时间最短,并通过综合考虑蚁群和遗传算法阶段的求解目标进行蚁群算法信息素的更新,大大提高算法获得较优解的性能。最后,通过航天结构件车间实际案例进行算法测试,测试结果表明,嵌套式蚁群-遗传混合算法能有效地求解双资源约束的航天结构件车间生产调度问题,可降低资源总负荷,提高关键设备利用率,避免人员资源冲突,具有良好的综合调度性能。