基于改进型粒子群的作业车间调度问题研究
                                                  顾文斌，张薇薇，苑明海
                                         (河海大学机电学院，江苏 常州〓213022)
    研究以最小化作业加工总时间为目标的作业车间调度问题，受生物体自调节机制启发，改进了传统粒子群算法，提高了搜索效率，优化了调度结果。在该研究中，借鉴生物体内部自我调节机制，在粒子群算法中引入自适应调节因子，通过单个粒子感知共同飞行的其他粒子信息来自我调整飞行状态，以达到更大的搜索范围和更好的搜索质量。最后通过对作业车间调度实例Lawerence′s系列问题进行测试，测试结果验证了算法的有效性。


    随着社会的不断发展和科学技术的不断进步，人们对于各种产品的需求也愈发多样化和个性化，因而市场对于生产企业的要求也愈发复杂和多样，这就需要生产企业的制造过程更加柔性化和智能化，而作业车间智能调度技术恰是现代制造系统智能化生产管理过程中的一个重要环节 ［1-3］。国际生产学会（CIRP）对当今世界上多达34种的主流生产制造模式进行了归纳，发现无论何种生产方式，其制造过程中的绝大部分时间都是消耗在非切削过程中，调度技术的水平对制造系统的运行成本和产生的效益有很大程度的影响。因此，生产调度的优化研究对于当今的现代制造系统来说具有重要理论价值和现实意义，是其提高生产性能的重要基础研究内容［4-5］。
     作业车间优化调度问题早已被证实是最为困难的NP-hard难题，寻求更有效率与更优的求解手段与方法，一直是专家学者们的研究热点。粒子群算法(particle swarm optimization algorithm，PSO)是KENDY等观察鸟儿群体飞行过程时受到了启发，进而设计出来的一种原理简单、易于操作、过程稳定的群智能算法，其隐含的并行性思想和解空间的全局搜索特性，使粒子群算法在作业车间的生产调度领域得到了较为广泛的应用。但在求解过程中，粒子群算法还有着不少缺陷，比如局部搜索不足、收敛准则设置困难、精度不高等。因此，为了克服这些不足之处，有必要对现有的粒子群算法进行改进，研究更合适的求解过程。
    在生物机体内部，神经-内分泌系统对于维持机体正常生理活动具有至关重要的作用。神经-内分泌系统通过神经系统感受机体外的刺激，通过内分泌系统分泌各种激素来调控各自所对应的特定的靶器官或靶组织，进而使生物机体迅速适应环境变化［6］。由于PSO算法中每一代粒子的最优解(个体和全局)对粒子飞行过程有着非常重要的引导作用，并且PSO内部粒子在飞行过程中相互之间缺乏有效的信息共享机制，因此受生物体自调节机制的启发，本文将一种改进型粒子群算法(improved particle swarm optimization algorithm，IPSO)应用到了车间调度问题中，以便提高粒子个体性能，增加算法寻优效率。

1〓作业车间调度模型
   早在20世纪中叶，随着工业化进程的快速发展，制造系统的资源与任务日益繁多，人们为了更加合理地将制造系统中的制造资源安排给某些指定的生产任务，在满足一定约束条件的前提下，使制造系统运行中的某些性能指标可以得到更好的发挥和优化。而这种在满足约束的前提下，优化制造系统某些性能指标的生产任务与资源分配的问题，就是所谓的调度问题［7］。



基金项目：国家自然科学基金青年项目(51505126);江苏省常州市科技计划资助项目(CJ20159052)
作者简介：顾文斌(1980—)，男，江苏连云港人，河海大学讲师，博士，主要研究方向为机电一体化、智能控制算法等。


（文章来源《机械设计与制造工程》杂志如需详细资料请联系江苏机械门户网客服QQ:2980918915,电话025-83726289）

更多关注，请扫码