摘要：在Job Shop环境下,以最小化最大完工时间为目标,考虑了搬运设备与有限缓存区对加工过程的影响,建立了带有限缓存区的Job Shop加工与搬运集成调度模型,并设计了改进的人工蜂群优化算法求解此问题。首先,在算法中引入了引领蜂和跟随蜂角色互换的机制,可更好的兼顾全局广泛寻优和局部精确寻优。其次,基于问题的特殊性,工序既是加工任务也是搬运任务,所以在编码方式上采取基于工序编码,便于算法运行过程中解码计算。然后,在解码过程中,为提高算法运行效率,设计了如何确定解码加工任务和搬运任务的启发式信息。最后,通过标准测例实验比较,给出了本文G-ABC算法种群规模的建议取值范围,并证明了G-ABC算法的有效性,启发式信息的有效性以及缓存区容量设置对调度结果的影响。

摘要：在作业车间(JobShop)调度问题中,以最小化完工时间为目标,考虑了设备距离和工序的装卸作业时间两个影响因素,建立了考虑人员装卸时间的"一人多机"的并行工作调度模型,并设计了改进的人工蜂群优化算法进行求解。算法中,只设定种群规模,通过引领蜂和跟随蜂之间的位置信息共享和身份互换机制,减少参数设置的同时提高算法的寻优精度和效率。采用基于装、卸作业的编码方式,将工件号、工序号和作业类型共同作为基因位的标识,基因位的实数权值作为算法进化对象及作业排序依据。在解码过程中,选择到达时间最早的人员对装卸作业进行操作,并利用并行工作模式安排各设备上作业的先后顺序,达到缩短总调度时间的效果。最后通过测例比较实验表明:该并行工作模式较现有生产模式具有缩短生产时间、节约生产资源的特点;改进人工蜂群算法在解决JobShop调度问题上更具有可行性与有效性。