刘红军，赵 帅

LIU Hong-jun, ZHAO Shuai

（沈阳理工大学 机械工程学院，沈阳 110168）

0 引言

随着科学技术的不断发展与提高，社会节奏的不断加快，将科学的管理调度技术与车间生产调度紧密结合起来，在现代加工车间中已得到了普遍应用。而如何将科学技术与车间生产调度更好的融合到一起，成为了当今科学领域普遍重视的一个问题。车间调度问题实质上就是研究在已有的资源条件和一定的约束条件下，对加工任务进行的加工时间、机器和顺序等的合理分配，从而使生产加工达到最优化的状态。

对于运用到车间调度中的算法现在普遍采用的是：遗传算法（GA）、模拟退火算法(SA) 、禁忌搜索算法(TS)、蚁群优化算法(ant colony optimization algorithms)和人工神经网络(artificial neural networks)等优化算法。虽然这些算法都能够在车间调度中应用，但是对于以上各种算法，在单独的使用过程中都会有一定的局限性，比如遗传算法可能出现早熟收敛，而禁忌搜索对于初始种群的选取和领域的结构有着较高的要求，如果初始种群过小，可能会无法得到最优解等。

本文针对遗传算法的局部搜索能力差、易限于局部最优等缺点，提出了一种适合运用于车间调度系统研究中的混合遗传算法（GA-SA-TS），即将模拟退火算法、禁忌搜索算法与遗传算法结合使用。这种算法的核心在于：在遗传算法的交叉机制中引入模拟退火算法的思想，形成模拟退火-交叉机制，从而避免遗传本身易早熟的缺点。在变异机制中使用禁忌搜索算法的思想，形成禁忌搜索-变异机制，以此解决遗传算法变异压力问题。……