基于混合多目标遗传算法的柔性作业车间调度问题研究*

宋昌兴，阮景奎，王 宸

(湖北汽车工业学院 机械工程学院，湖北 十堰 442002)

0 引 言

车间生产调度是一种有效的调度方法与优化技术，企业在生产加工制造过程中对生产计划的合理编排，对提升企业生产效率、资源利用率、降低成本等起着关键作用。柔性作业车间调度问题(fle-xible job scheduling problem，FJSP)相比传统的作业车间调度问题引入了新的决策内容，包括对两个子问题的求解：一是为每道工序选择合适的机器，二是确定工序在机器上的起止加工时间，是更复杂的NP-hard问题[1]。

经过近30年的探索，FJSP的研究取得了丰硕的成果。以遗传算法[2]、粒子群算法[3]、禁忌搜索算法[4]、模拟退火算法[5]等为代表的元启发式算法，在实际调度问题中都得到了成功的应用。

随着研究的深入，更加符合生产实际的多目标柔性作业车间调度(multi-objective FJSP，MO-FJSP)成为目前亟待解决的问题，近年来许多新算法的不断涌现，也为解决MO-FJSP提供了更多的选择方案。孟冠军等[6]提出了混合人工蜂群算法，在雇佣蜂、跟随蜂、侦查蜂3个阶段分别采用了不同的搜索方式，并引入禁忌搜索算法提升了获得最优解的概率;王英彦等[7]提出了改进的人工免疫算法，采用了模拟退火算法的Metropolis准则，在保证了种群多样性的同时加快搜索效率；王思涵等[8]提出了改进的鲸鱼群算法，采用了协同搜索机制扩大鲸鱼个体的搜索范围，同时引入了变邻域搜索算法，提高了种群全局及局部搜索能力；曹磊等[9]提出了变邻域杂草优化算法，建立了具有Dejong学习效应的调度模型，在迭代后期引入了N1、N2、N3 3种邻域结构的变邻域搜索算法，并通过实验对算法的有效性进行了验证。……