陈宇航，刘阶萍，秦智晗

（北京交通大学机械与电子控制工程学院，北京100044）

生产调度问题属于NP-hard问题，是一种很难解决的理论难题。为了有效地解决生产调度问题，研究人员往往需要对复杂的问题进行理论分析，建立数学模型以求解不同的生产调度问题。但通过这类方法很难找到最优解，效果不理想。近年来，人们运用仿生型智能优化算法求解生产调度问题，如遗传算法、模拟退火算法、蚁群算法、微粒群算法等。

在生产调度领域，因为微粒群算法的概念简明、依赖的经验参数较少、收敛速度快、实现方便，所以短期内得到了一定的发展与应用，尤其是在离散型生产调度优化方法研究方面的应用越来越多[1~2]。但是微粒群算法容易陷入局部最优解、后期收敛速度慢，本文基于此对微粒群算法提出改进，在离散型生产调度优化中采用实际项目算例进行验证[3~4]，在算法运行后期加快了群体的收敛速度，避免了容易陷入局部最优的缺陷，使目标问题的解更加接近最优解，提高了解的质量。

1 数学模型

离散型调度问题，也被称为非流水车间调度问题[5]，该问题研究n个任务在m台机器上作业，已知各工序的作业时间和各工件的加工次序，而假设所有工件的工艺顺序不完全相同。离散型调度的问题一般有：火箭、飞机、船舶、武器装备、机械、玩具生产等行业[6]。对于此类问题，通常假定[7~8]：

（1）一个任务在同一时刻只能在一台机器上加工；（2）每台机器在同一时刻只能加工一个任务；……