混合人工蜂群与 tabu 搜索算法优化有限缓存的大型混合流水线调度

本文主要探讨了在混合流水车间调度问题中应用混合人工蜂群算法（Hybrid Artificial Bee Colony, HABC）来解决具有有限缓冲的大型问题。混合流水车间调度问题是一种复杂且具有挑战性的优化问题，涉及到多个加工阶段和有限的存储能力，这对生产效率和资源利用率提出了高要求。 HABC是一种模拟蜜蜂觅食行为的搜索算法，它结合了自然选择、信息素更新和局部搜索策略。传统的人工蜂群算法通常将任务（即“食物源”）表示为一组解决方案向量，但在本文提出的新方法中，每个食物源被编码为一个包含作业编号的字符串，这使得算法能够更有效地处理流水线上的任务序列。 作者引入了一种新颖的解码方法，该方法针对有限缓冲的限制进行了特别设计，以确保在处理过程中能够有效地管理任务的流动和存储。通过这种方式，TABC（结合ABC和TS的算法）旨在最小化最大完成时间，这是一个关键性能指标，直接影响到生产周期和整体生产效率。 与原始的人工蜂群算法相比，TABC具有更强的适应性和寻优能力，它能够在大规模混合流水车间环境中找到接近最优的调度方案。该研究论文在2013年11月收到初步提交，在2014年9月经过修订后被接受，并于同年10月在线发布。关键词包括混合流水线调度问题、人工蜂群算法、模糊搜索和有限缓冲，这些都突出了论文的核心关注点。 这篇论文的研究价值在于提供了一种有效的工具，以应对实际工业生产中的复杂调度问题，特别是对于那些需要考虑缓冲限制和多阶段流程的场景。通过TABC，制造商可以期望提高生产效率，减少等待时间和库存成本，从而提升整体运营效益。