基于免疫粒子群算法的混合流水車間調度問題研究.pdf

1、混合流水車間調度問題(Hybird Flowshop Scheduling Problem，HFSP)屬于現(xiàn)實生產調度領域問題的一種，由此抽象出的簡化模型，屬于企業(yè)生產管理、控制的核心部分，在流程制造業(yè)中比較常見。企業(yè)貫徹先進制造和提高生產效率的關鍵在于合理利用優(yōu)秀的調度方案，有效的優(yōu)化技術。生產調度領域的重心是調度算法的研究與應用，具有很強的理論意義與現(xiàn)實價值。
　　 粒子群優(yōu)化算法是近幾年提出的基于群集智能的進化算法，優(yōu)點表

2、現(xiàn)為易于操作、實現(xiàn)簡單等。在算法發(fā)展的過程中，尚有一些不足之處，表現(xiàn)為搜索效率低下過早地收斂、陷入局部極值等。基于以上原因，對粒子群優(yōu)化算法進行改進，并應用于實際的混合流水車間調度問題求解。
　　 本文首先將免疫算法與粒子群優(yōu)化算法相結合，提出免疫粒子群優(yōu)化算法，它結合了粒子群優(yōu)化算法收斂速度快、實現(xiàn)簡單的優(yōu)點及免疫算法免疫信息處理機制的優(yōu)勢，基于濃度自身調節(jié)機制保證了粒子（抗體）的多樣性，并給出了算法的原理、流程及性能分析。其

3、次，結合上述優(yōu)化算法的理論基礎，針對粒子（抗體）在尋優(yōu)過程中容易陷入局部最優(yōu)的缺陷，對算法的粒子更新公式框架進行改進，引入動態(tài)擾動項，提出帶有動態(tài)擾動項的免疫粒子群優(yōu)化(Immune Particle Swarm Optimization-Dynimic Disturbance Term，IPSO-DDT)算法，使得粒子（抗體）具有免疫、記憶等特性，粒子（抗體）的進化具有一定的方向性，以較少的迭代次數(shù)尋找到最優(yōu)解。典型函數(shù)的測試結果，表