置换流水车间调度问题的matlab求解,改进的蚁群算法求解置换流水车间调度问题...

摘  要： 针对蚂蚁算法在求解置换流水车间调度问题时易陷入局部最优以及计算时间较长的缺点，对最大最小蚂蚁系统(MMAS)进行了改进。在该算法中，采用NEH启发式算法提高初始解质量，并通过自适应的调节策略进一步提高蚁群算法的搜索能力。运用提出的混合算法求解Taillard基准测试集，并将测试结果与其他算法进行比较，验证了该调度算法的有效性。

关键词： 置换流水车间调度问题；自适应； NEH启发式算法

置换流水车间是很多实际流水线生产调度问题的简化模型，是目前研究最广泛的一类经典的调度问题。由于置换流水车间调度问题属于NP-hard难题，不存在多项式精确求解算法，因此，对这类问题的研究具有重要意义。

求解置换流水车间调度问题的方法大致可以分为三类[1]：经典算法(如线性规划、动态规划、整数规划、分枝定界等)、启发式算法(如Gupta法、Palmer法、Johnson法、CDS法、NEH法等)和基于人工智能的元启发式算法(如模拟退火、禁忌搜索、遗传算法、蚂蚁算法等)。经典算法的计算复杂性一般很大，只适合求解小规模置换流水车间调度问题，在工程中往往不实用。启发式算法通过一定的规则可以快速地构造出问题的解，但通常解的质量较差[2]。基于人工智能的元启发式算法能够较快地构造出问题的解，因此，在置换流水车间调度问题中被广泛使用。

蚁群算法是受到自然界中真实蚂蚁的启发，由意大利学者DORIGO M于1991年提出的一种元启发式算法。该算法具有鲁棒性和通用性等良好特性，在求解作业车间、流水车间等调度问题上取得了较好的效果。但是，传统的蚁群算法存在计算时间长和易陷入停滞的问题，故本文从结合NEH算法和自适应调节策略两方面来改善蚁群算法的性能，经Taillard基准测试验证，改进后的蚁群算法有效。

1 问题描述

置换流水车间调度问题研究的是n个工件在m台机器上的流水加工过程，所有工件以相同的顺序在每一台机器上加工完成，同时约定每个工件在每台机器上只加工一次，每台机器每次最多只能加工一个工件，各工件在各机器上所需的加工时间已知，要求得到某调度方案使得总加工时间最小。定义J=(j1，…，jn)为所有机器上的一个加工排序，ti，j为操作的执行时间，Ci，j表示操作的完成时间。则加工任务jk在机器i上的完成时间C按式(1)计算：

2