摘  要： 針對(duì)柔性作業(yè)車間調(diào)度問題，選取三個(gè)性能指標(biāo)作為求解目標(biāo)。將蟻群算法與模糊屬性權(quán)重結(jié)合在一起，提出了求解FJSP的新算法。該算法利用了蟻群算法的正反饋機(jī)制，在逐步構(gòu)造解的過程中利用最優(yōu)解信息和啟發(fā)式信息增強(qiáng)全局求解能力，尋求各目標(biāo)較好的全局最優(yōu)解。采用模糊屬性權(quán)重對(duì)各目標(biāo)進(jìn)行綜合評(píng)價(jià)，最終求解出FJSP問題的最優(yōu)解集。
關(guān)鍵詞： 柔性作業(yè)車間調(diào)度；蟻群算法；模糊屬性權(quán)重；信息素更新規(guī)則

　由于傳統(tǒng)作業(yè)車間調(diào)度有很大的局限性，不能很好地貼合實(shí)際生產(chǎn)情況，對(duì)此學(xué)者們提出了柔性作業(yè)車間調(diào)度FJSP（Flexible Job-shop Scheduling Problem），其允許工序由一組機(jī)器中的任意一臺(tái)加工，且由于加工機(jī)器的性能差異，其加工時(shí)間長(zhǎng)短也不同，使得調(diào)度的靈活性得到增加。
目前求解FJSP的研究主要集中在基于智能的啟發(fā)式方法[1-3]。本文先將多目標(biāo)問題轉(zhuǎn)化為單目標(biāo)問題，由于蟻群算法具有較強(qiáng)的魯棒性和發(fā)現(xiàn)較好解的能力[4]，因此采用蟻群算法求解單目標(biāo)問題。然后結(jié)合模糊屬性權(quán)重對(duì)每個(gè)目標(biāo)賦予不同的權(quán)重系數(shù)，以此來解決FJSP問題。
1 多目標(biāo)FJSP問題的數(shù)學(xué)模型
1.1 FJSP問題描述
　假定加工系統(tǒng)有M臺(tái)設(shè)備和N個(gè)工件，每個(gè)工件包含一道或多道工序，工序順序是預(yù)先確定的，每道工序可以在多臺(tái)不同設(shè)備上加工。同一工件的工序之間有先后約束，不同工件的工序之間沒有先后約束。每個(gè)工件在某一時(shí)刻只能在一臺(tái)設(shè)備上加工，任一工件的工序必須順序完成。調(diào)度目標(biāo)是選擇最佳的工序加工設(shè)備，并確定每臺(tái)設(shè)備上工件的最佳加工順序，使各工件的加工時(shí)間、關(guān)鍵設(shè)備負(fù)載和設(shè)備總負(fù)載最小。

　本文采用蟻群算法，結(jié)合模糊權(quán)重法，將車間工件加工的多目標(biāo)問題轉(zhuǎn)化為單目標(biāo)問題，以此建立柔性作業(yè)車間調(diào)度模擬方案。得益于蟻群算法較好的魯棒性和解的全局性，該方案在車間生產(chǎn)調(diào)度工作中能夠較理想地滿足實(shí)際加工的需求，使得生產(chǎn)調(diào)度更加合理化、統(tǒng)籌化、柔性化，從而節(jié)約生產(chǎn)成本，有利于生產(chǎn)效率的進(jìn)一步提高。隨著信息技術(shù)及經(jīng)濟(jì)的不斷發(fā)展，利用基于智能優(yōu)化算法的FJSP解決生產(chǎn)調(diào)度問題將會(huì)成為主流，而在此領(lǐng)域的探索與研究也將具有深遠(yuǎn)的意義。
參考文獻(xiàn)
[1] SHENG L， Wei Xiaobin， WENY Z. Improved aco schedulingalgorithm based on flexible process[J] . Transactions of Nanjing University of Aeronautics & Astronautics （S1005-1120），2006，23（2）：154-160.
[2] BRANDIMARTE P. Routing and scheduling in a flexible job shop by tabusearch[J]. Annals of Operations Research，1993，22（2）：157-183.
[3] KACEM I. Genetic algorithm for the flexible job-shop scheduling problem[J]. IEEE International Conference on Systems，Man，and Cybernetics，2003（4）：3464-3469.
[4] DORIGO M， MANIEZZO V， COLORNI A. The ant system： optimization by a colony of cooperating agents[J]. IEEE Transactions on Systems， Man， and Cybernetics Part B （S1094-6977），1996， 26（1）：29-41.
[5] 李世威，王建強(qiáng)，曾俊偉.一種模糊偏好排序的多目標(biāo)粒子群算法[J].計(jì)算機(jī)應(yīng)用研究，2011，28（2）：477-480.
[6] BONISSOE P P. A pattern recogition approach to the problem of linguistic approximation in system analysis[A].IEEE 1976 International Conference on Cybernetics and Society[C]. NewYork，USA： IEEE，1979.793-798.