车间作业调度是制造系统的一个研究热点,也是理论研究中最为困难的问题之一。调度的任务是根据生产目标和约束,为每个加工对象确定具体的加工路径、时间、机器和操作等。优良的调度策略对于提高生产系统的最优性、提高经济效率,有着极大的作用。 由于调度问题具有约束性、非线性、不确定性、大规模性等复杂性,人们研究和发展了诸如模拟退火、遗传算法、禁忌搜索、神经网络等优化算法。这些优化算法通过模拟或揭示某些自然现象、过程和规律而得到发展,其思想和内容涉及数学、物理学、人工智能等多个学科,为解决复杂问题提供了新的思路和手段。迄今,这些算法独特的优点、机制及其非凡的优化能力,引起了国内外学者的广泛重视,并掀起了该领域的研究热潮,而且在诸多领域得到了成功应用,较满意地解决了一大批传统优化方法难以解决的复杂问题。 本文主要介绍了典型车间作业调度问题及其遗传算法的设计与实现。对基于车间作业调度的遗传算法编码问题、算法操作做了详细阐述,并且对于其中的“基于先后表的编码”做了重新诠释,进而比较了此编码与其他编码的执行效率,最后设计了一个混合遗传算法PSA,并给出了PSA,OMSGA(保优标准遗传算法),SA算法之间的性能比较。