摘要
优秀的调度方案可以节约企业在生产过程中所消耗的资源，向内可以压缩生产所需要的各种生产成本，向外可以树立企业良好的品牌形象，能够增强企业面对市场与竞争者的能力。作业车间调度问题（Job Shop Scheduling Problem）是通过将实际生产作业车间中的一些因素忽略后简化获得的问题模型，对该问题模型求解对实际生产中调度方案的制定具有积极的意义，而该问题模型由于其复杂的特点，在进行高维度事例求解时采用常规方法难以快速获得最优解，而随着智能算法理论的发展，采用算法在求解该问题模型时获得了良好的表现，故研究优秀的且广泛适用的算法具有良好的理论意义和实际意义。 本文以遗传算法为基础，通过对其操作的改进及与改进帝国竞争算法混合改进，分别以单优化目标和多优化目标情况下的柔性作业车间调度问题为研究对象进行求解。研究的主要工作如下： （1）依据研究问题的特点及定义，确定研究问题中存在的约束以及选定的寻优目标函数，在明确模型考虑的因素和忽略的因素后构建起问题模型，通过编程语言搭建起算法寻优平台，以基准算例验证算法的求解性能。 （2）在通过算例验证了改进遗传算法求解单目标问题模型时的性能后，设置简单的对照组试图获得更好的参数设定值，对各对照组的数据结果进行分析，选出较为合适的参数值。 （3）在初步改进遗传算法后，为解决大规模事例求解，在原有算法基础上引入改进帝国竞争算法进行流水线式混合，在采用多个算例进行多目标问题模型的寻优求解后，与其他算法的寻优结果进行对比，验证所提算法在求解单目标和多目标问题模型时的求解性能，并给出相关最优方案甘特图。
NETL