杨立熙,王秀萍
(福州大学 经济与管理学院,福建 福州 350108)
调度是影响制造业生产效率的重要因素,随着市场需求的动态变化,柔性作业车间调度问题(flexible job-shop scheduling problem, FJSP)逐渐成为生产管理领域中的研究重点,FJSP需要确定工序加工顺序和给每道工序分配机器,因其增加了机器分配部分,增大了问题的复杂性和难度,被证明是NP-hard问题[1]。
经过多年的研究,学者们求解FJSP常用的方法有遗传算法、蚁群算法、粒子群算法等[2-4]。其中,遗传算法因其鲁棒性好、通用性强等特点,在生产调度领域得到广泛应用,如文献[5]~文献[9]分别对初始化方法、编码、流程、变异操作、非支配排序等遗传算子进行改进。但单一的遗传算法存在搜索效率低、容易过早收敛等不足,故学者开始将遗传算法和其他方法结合并获得了成效,如文献[10]和文献[11]提出将遗传算法和移动瓶颈相结合并求得满意解,但求解过程和算法实施很复杂;文献[12]和文献[13]分别提出模拟退火遗传算法和禁忌遗传算法求得满意解,但算法对参数有较强的依赖性;文献[14]和文献[15]分别提出BP神经算法、蚁群算法和遗传算法结合求得FJSP的满意解,但人工神经网络和蚁群算法的解依赖于网络参数,且优化时间性能较差。
针对以上不足,有学者采用免疫算法求解FJSP,免疫算法是新兴智能算法,借鉴了生物免疫系统的自适应识别和排除抗原性异物的功能,是有效的全局寻优算法。如文献[16]提出双种群的免疫算法求解多目标FJSP,但多种群之间的交流会增加运行时间;……