摘 要： 針對柔性作業車間調度問題，選取三個性能指標作為求解目標。將蟻群算法與模糊屬性權重結合在一起，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制，在逐步構造解的過程中利用最優解信息和啟發式信息增強全局求解能力，尋求各目標較好的全局最優解。采用模糊屬性權重對各目標進行綜合評價，最終求解出FJSP問題的最優解集。
關鍵詞： 柔性作業車間調度；蟻群算法；模糊屬性權重；信息素更新規則
由于傳統作業車間調度有很大的局限性，不能很好地貼合實際生產情況，對此學者們提出了柔性作業車間調度FJSP（Flexible Job-shop Scheduling Problem），其允許工序由一組機器中的任意一臺加工，且由于加工機器的性能差異，其加工時間長短也不同，使得調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式方法[1-3]。本文先將多目標問題轉化為單目標問題，由于蟻群算法具有較強的魯棒性和發現較好解的能力[4]，因此采用蟻群算法求解單目標問題。然后結合模糊屬性權重對每個目標賦予不同的權重系數，以此來解決FJSP問題。
1 多目標FJSP問題的數學模型
1.1 FJSP問題描述
假定加工系統有M臺設備和N個工件，每個工件包含一道或多道工序，工序順序是預先確定的，每道工序可以在多臺不同設備上加工。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。每個工件在某一時刻只能在一臺設備上加工，任一工件的工序必須順序完成。調度目標是選擇最佳的工序加工設備，并確定每臺設備上工件的最佳加工順序，使各工件的加工時間、關鍵設備負載和設備總負載最小。
本文采用蟻群算法，結合模糊權重法，將車間工件加工的多目標問題轉化為單目標問題，以此建立柔性作業車間調度模擬方案。得益于蟻群算法較好的魯棒性和解的全局性，該方案在車間生產調度工作中能夠較理想地滿足實際加工的需求，使得生產調度更加合理化、統籌化、柔性化，從而節約生產成本，有利于生產效率的進一步提高。隨著信息技術及經濟的不斷發展，利用基于智能優化算法的FJSP解決生產調度問題將會成為主流，而在此領域的探索與研究也將具有深遠的意義。
參考文獻
[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，曾俊偉.一種模糊偏好排序的多目標粒子群算法[J].計算機應用研究，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.