基于改进人工蜂群算法的分布式柔性作业车间调度问题研究.pdf

摘要

随着智能制造业的发展，企业为了进一步的降低生产成本，将工厂分别建立

在生产成本低廉的不同地区，采用分布式制造的生产模式，生产出高质量且低成

本的产品。另外，由于全球经济一体化逐渐加深，诸多企业根据市场需求和成本

考虑，在不同地理位置建立工厂以实现灵活的生产安排，提高生产响应能力。由

此可见，分布式制造逐渐被企业所利用，分布式制造可以推动制造业向更加智能、

灵活和可持续发展的方向。

本研究提出了一种改进人工蜂群算法，用于求解考虑工件运输时间的多目标

分布式柔性作业车间调度问题。该问题的目标是最小化最大完工时间、最小化最

大机器负荷以及最小化机器总负荷。

首先，本研究引入了帕累托排序和参考点的概念，利用帕累托排序以及基于

参考点的小生境选择对外部档案中的解进行筛选，以确保优质的解被保留到外部

档案中。

其次，本研究对传统的人工蜂群算法进行了改进。第一，在雇佣蜂搜索阶段，

根据问题特性以及编码特点，设计了一种自适应交叉方式，在平衡探索和利用，

提高算法的收敛速度和搜索能力的同时降低了非法解的产生。第二，在侦察蜂搜

索阶段，将tent混沌映射融入到侦察蜂的搜索过程中，增加算法的多样性和全局

搜索能力。

最后，本研究为了评价改进人工蜂群算法的性能，设计了一组实验，以

Brandimarte提出的FJSP标准算例中Mk01、Mk05、Mk10、Mk12、Mk15为基

础，每个算例分别考虑3个工厂、4个工厂以及5个工厂的加工规模情况，并在

求解精度、多样性和最优值三个方面与其他经典算法进行了比较。实验结果表明

IABC算法能够更好地探索解空间，得出一组高质量的非支配解，在求解性能方

面显现出优越性。

关键词：分布柔性作业车间，生产调度，人工蜂群算法，多目标优化

Abstract

Withthedevelopmentofsmartmanufacturing,enterpriseshavesetupfactoriesin

differentregionswithlowproductioncoststofurtherreduceproductioncosts,andhave

adoptedthedistributedmanufacturingproductionmodeltoproducehigh-qualityand

low-costproducts.Inaddition,duetothegradualdeepeningofglobaleconomic

integration,manyenterprisesaccordingtomarketdemandandcostconsiderations,in

differentgeographicallocationstoestablishfactoriestoachieveflexibleproduction

arrangements,improveproductionresponsiveness.Asaresult,distributed

manufacturingisgraduallybeingutilisedbyenterprises,anddistributedmanufacturing

candrivethemanufacturingindustryinthedirectionofsmarter,moreflexibleand

sustainabledevelopment.

Inthisstudy,animprovedartificialbeecolonyalgorithmisproposedforsolving

amulti-objectivedistributedflexiblejobshopschedulingproblemconsideringthe

transporttimeofworkpieces.Theobjectivesofthisproblemar