混合组合粒子群算法优化阻塞车间调度：性能提升与实例验证

本文主要探讨了混合组合粒子群算法（HCPSO）在解决阻塞式车间调度问题中的应用。车间调度问题是一种典型的时间和资源优化问题，尤其在具有阻塞约束的工业环境中，如化学、制药和建筑等行业，机器可能会因部分完成的工作无法退出而受到影响。阻塞式车间调度的目标是通过最小化完工时间来提高生产效率。 作者们提出了一种创新的算法，即混合组合粒子群优化算法，该算法在初始化阶段利用了不同的优先级规则来选择最佳策略。他们对粒子群的行为进行了细致的测试，以适应组合优化问题中的排序问题，特别是在有约束条件的情况下。为了提升解决方案的质量，他们引入了一种基于概率扰动的迭代局部搜索策略，这种方法可以增强算法的全局搜索能力，并避免陷入局部最优。 实验结果显示，HCPSO算法在处理120个问题实例中，有76个案例表现出明显的性能提升，超过了已知的最佳解决方案。算法在满足较短时间限制下，显示出优越的解决方案质量。此外，论文还对所提出的算法在实际工业问题中的应用进行了评估，证明了其在实际场景中的有效性。 关键词包括：调度、分块流水作业、粒子群优化算法、迭代局部搜索以及最大跨度，这些词汇反映了研究的核心技术和关注点。本文的工作遵循CCBY-NC-ND许可证，是开放获取的，有助于学术界和工业界进一步研究和应用类似的问题。 这篇文章为解决阻塞式车间调度问题提供了一种新颖且有效的算法策略，对于提高制造业的生产效率具有重要的实践价值。