关于柔性作业车间调度问题的仿真研究

发布时间：2017-08-01 12:12

  本文关键词：关于柔性作业车间调度问题的仿真研究

  更多相关文章： 柔性作业车间 量子粒子群算法 调度优化 边界变异 反向学习

【摘要】：研究柔性作业车间调度优化问题。由于传统的一些方法在解决柔性作业车间调度问题时,面临着早熟、精度低等缺点,导致调度性能降低。针对上述难题,提出了一种改进的量子粒子群算法,结合反向学习策略和边界变异策略的优势,在增加种群多样性的同时避免了陷入边界最优。经过5个标准测试函数和一个柔性作业车间调度优化模型的仿真测试,结果表明改进的算法可增强全局寻优能力,提高收敛精度,避免搜索过程过早陷入局部最优,在解决调度问题中可获得较小的加工完工时间,具有优良的调度优化性能。
【作者单位】： 江南大学物联网工程学院;
【关键词】： 柔性作业车间 量子粒子群算法 调度优化 边界变异 反向学习
【基金】：国家高技术研究发展计划(863计划)(2013AA040405)
【分类号】：TP18;TB497
【正文快照】： l引言 作业车间调度问题(Job-shop Scheduling Problem,JSP) 是复杂的NP-hard问题,广泛存在于生产制造当中,其特点是对每道工序由一指定的机器加工,并且加工顺序是一定的,对机器和工序都有严格的限制条件。而柔性作业车间调 度问题(Flexible Job-shop Scheduling Problem, ，

本文编号：604165