趙小惠,衛艷芳,王凱峰,倪奕棋
(西安工程大學機電工程學院,西安 710048)
智能制造日益成為未來制造業發展的重大趨勢和核心內容,而柔性作業車間調度問題(flexible job-shop scheduling problem,FJSP)作為智能制造業的核心問題受到了廣泛的關注。FJSP是傳統車間調度的擴展,更符合現代的生產模式,更具靈活性,更加貼合現代人的需求,因此受到了越來越多國內外學者的關注。
在過去的幾十年中,智能算法求解FJSP問題層出不窮,并且通過驗證均取得了良好的效果。張國輝等[1]提出了改進遺傳算法,設計了不同策略生成初始解和人工配對方式進行交叉操作,又提出了對不同個體設計自適應變異率及其變異范圍,最終使解的質量得到提高。黎陽等[2]以最大化完工時間為目標,提出了一種改進模擬退火算法,引入了并行搜索、記憶功能的概念,從而使大規模FJSP問題所求解的質量得到提高。張靜等[3]提出了一種混合粒子群算法來求解多目標FJSP問題。魯宏浩等[4]提出了分布估計—蟻群算法求解FJSP,兩種算法融合既保留了分布估計算法快速的全局搜索能力也保留了蟻群算法所具有的正反饋優點,使得FJSP的求解具有良好的優化效果。DING等[5]提出了一種混合人類學習優化算法—粒子群算法(HLO-PSO算法),可以有效解決大多數單目標FJSP。WU等[6]將鴿子啟發優化算法(PIO)算法應用于FJSP問題,有效地解決了FJSP問題。SHI等[7]建立了具有模糊交貨期的FJSP的動態調度模型。并對免疫遺傳算法(IGA)進行了改進,為FJSP在現實世界中的應用提供了新的思路。……