群体智能理论与粒子群优化算法在作业车间调度中的应用研究-东篱科研大数据发现系统（DRDS）

位置：立项数据库 > 立项详情页

群体智能理论与粒子群优化算法在作业车间调度中的应用研究

项目名称：群体智能理论与粒子群优化算法在作业车间调度中的应用研究
项目类别：青年科学基金项目
批准号：50305008
申请代码：E051005
项目来源：国家自然科学基金
研究期限：2004-01-01-2006-12-31

项目负责人：高亮
负责人职称：教授
依托单位：华中科技大学
批准年度：2003

中文摘要：

作业车间调度问题是最著名的机器调度问题之一，同时也是最困难的组合优化问题之一。本项目研究群体智能的理论基础和粒子群优化的数学基础，并应用群体智能和粒子群优化解决作业车间调度问题，以一般作业车间调度问题为重点，分析作业车间调度问题的类型及形成规律，建立作业车间调度问题的群体智能模型，研究基于粒子群优化算法的作业车间调度方法，开发作业车间调度系统，并进行仿真实验。该项目的研究，可以为作业车间调度提供新的、更快、更有效的调度方法，也有助于现代制造系统中其它调度问题的研究，如流水车间调度、机器调度、非传统调度等，同时，也为处理带约束的组合优化问题提供新的优化方法，具有重要的学术价值和应用价值。

中文主题词：粒子群优化算法; 车间调度; 信息共享机制; 神经网络; 约

英文摘要：

particle swarm optimization; s

英文主题词： particle swarm optimization; s

结论摘要：

调度是对制造过程进行作业计划。合理调度可有效提高资源利用率和生产效率。调度问题是最困难的NP-hard组合优化问题之一。粒子群优化（PSO）算法是基于群体智能理论的优化算法，为许多工程优化问题提供了高效的解决方法。本课题主要研究了PSO算法在车间调度中的应用，同时扩展了对算法本身和应用领域的研究，主要内容与成果有 1、深入分析了PSO算法的优化机理，突破传统的速度－位移搜索模型，提出了广义粒子群优化模型，以旅行商问题的标准测试问题为例，验证了算法的有效性。 2、分析了传统PSO算法信息共享机制的局限性，提出了新的信息共享机制。以调度的标准测试问题为例，验证了该机制的有效性。 3、改进了其它几种调度算法并研究了其它几类调度问题，如混合GA、改进TS、Memetic算法求解多目标调度和动态调度问题，取得很好的效果。 4、提出了基于PSO的神经网络训练算法以及基于PSO的约束处理算法，将其推广应用到其他工程优化领域。 5、将PSO算法实现为软件，开发了原型系统，提供了有效的作业车间调度工具。

成果综合统计