姚　勇，李少波，张成龙

(贵州大学 a.机械工程学院；b.大数据与信息工程学院，贵阳　550025)

0　引言

在实际的送料过程中，送料车根据生产计划部门的物料计划对加工车间的机床进行送料且计划中的每个机床都至少到达一次。于是在忽略了各种偶然因素之后，加工车间送料问题可大致归结为一个旅行商问题(TSP问题)。

目前，为求解高复杂度TSP问题主要采用遗传算法[2]、模拟退火算法[3]、蚁群算法[4]、粒子群算法等启发式算法。鉴于粒子群算法具有个体数目少、搜索能力快、运算简单等特点，成为了近年来求解TSP问题的一个热门方法。而为了克服粒子群算法在离散问题中速度难以表达，易早熟收敛等问题。学者们从以下几个方面对粒子群算法提出改进。第一类是重新定义粒子群算法的运算符号和规则，例如文献[5]采用的离散粒子群算法，文献[6]提出的基于交换子交换序的粒子群算法。第二类是通过与遗传算法、退火算法、蚁群算法相融合[1-3]，借助交叉、变异等方法来实现改进。虽然上述方法在具体应用中均取得了一定的效果，但是对新型改进方法的探索仍然是一个研究热点。

本文基于交换子与交换序的概念，针对现有算法求解效率不佳的问题，提出一种惯性权重非线性递减，加速因子随惯性权重进行动态调整的改进策略来提高算法的全局搜索能力，同时克服早熟收敛问题。通过车间模拟实验的测试验证了该算法能对车间送料路径优化起到良好的作用。……