进阶生产规划及排程系统(APS)是智能制造的核心环节之一。为解决发动机缸体混流装配生产线排产问题,建立了其通用数学模型和析取图表示方法。基于蚁群和禁忌搜索两种元启发式算法的互补特性,提出一种蚁群禁忌搜索融合算法解决作业车间调度问题(Job-shop Scheduling Problem,JSP)。经仿真验证了算法有效性和相比传统元启发更优良的算法特性,对APS(Advanced Planning and Scheduling)和智能制造的发展具有一定的启发意义。

为了解决作业车间调度问题,以最小化最大完工时间为目标,结合遗传算法(GA)与麻雀搜索算法(SSA),提出了一种混合麻雀搜索算法。首先采取基于工序的编码方式构建了一种转换机制,将SSA中的麻雀个体位置与工序编码相对应。然后针对SSA在求解过程中容易陷入局部最优的问题,采用侦察者数量递减策略,结合GA中的变异操作来提高SSA跳出局部最优的能力。在发现者探索阶段加入GA中的交叉操作,以提高算法的收敛速度。最后以FT06、FT10等测试问题以及2个应用实例为例,证明混合麻雀搜索算法在求解作业车间调度问题时,与其他算法相比有更快的收敛速度、更高的寻优成功率和更强的寻优能力,证明了所提算法的有效性。

提出一种解决车间调度作业的有效改进型粒子群算法，该算法可以有效地避开标准粒子群算法局部搜索能力较差、搜索精度不够高、容易陷入局部极小解等缺点，并通过实例验证了该算法的有效性与可行性。