混合粒子群算法在流水车间调度问题中的应用与优势

需积分: 10 6 下载量 151 浏览量 更新于2024-09-06 1 收藏 509KB PDF 举报
"这篇论文研究了流水车间调度问题,提出了一种混合粒子群优化算法(HPSA),用于最小化总完工时间。该算法结合了粒子群算法、遗传操作和局部搜索策略,通过改进种群选择方法和扩大搜索范围提高了解的质量。实验表明HPSA在性能上优于现有的启发式和混合禁忌搜索算法。" 本文主要讨论的是流水车间调度问题(FlowShop Scheduling Problem, FSSP),这是一个经典的组合优化问题,旨在确定n个任务在m台机器上的最优加工顺序,以最小化总完工时间(Total Flowtime)。问题的形式通常表示为n/m/p/åCj,具有NP难度。虽然存在能够找到最优解的枚举技术和分枝定界方法,但这些方法对于中等规模以上的调度问题计算成本过高。 过去的研究中,启发式算法和元启发式算法被广泛用于寻找近似最优解。例如,NEH算法在解决n/m/p/Cmax问题上有优秀表现,但在n/m/p/åCj问题上效果不佳。其他构造启发式算法如FL、WY和RZ,以及复合启发式算法如IH1~IH7和FLR1、FLR2等也被提出,其中FLR1和FLR2表现出色。尽管如此,元启发式算法如粒子群优化(PSO)、遗传算法(GA)和禁忌搜索(TS)等在寻找全局最优解方面显示出更大的潜力。 PSO算法源于1995年,受到鸟群和鱼群社会行为的启发,是一种基于种群的优化方法。它与GA类似,但更侧重于利用个体间的协作来探索解决方案空间。许多研究集中在改进PSO算法本身及其与其他优化技术的结合,以解决包括流水车间调度在内的离散优化问题。 论文中提出的混合粒子群算法(HPSA)通过启发式方法生成初始种群,并巧妙地整合了PSO、遗传操作和局部搜索策略。实验结果证明,HPSA在解决FSSP时,通过改进种群选择和扩大搜索范围,提升了解的质量。与已有的启发式和混合禁忌搜索算法相比,HPSA产生的平均百分比偏差和标准偏差显著降低,最优解的比例大幅增加,显示出优越的性能。这为解决实际工业中的流水车间调度问题提供了新的思路和工具。