邓 伟，宋 景, 黄昊旻，姚固文

（贵阳学院机械工程学院，贵州，贵阳 550005）

1 概述

随着智能制造的兴起，计算机辅助工艺规划越来越引起企业的重视。工艺路线优化决策是工艺规划工程中的重要环节，其主要包括加工方法的排序及工艺方案的选择。工艺路线优化问题属于NP-hard问题，在工艺路线优化工程中，工艺路线不仅受到切削参数、加工方法、机床和刀具选择等的影响，还受到工艺优先约束关系的影响。传统的经典算法如SD法、Newton等由于算法本身的限制，已经很难求解这类问题，所以寻找高效的智能算法求解该问题成为了国内外学者的研究重点，也取得了丰硕的研究成果[1-3]。

粒子群算法[4]（Particle swarm sptimization,PSO）源于复杂适应系统（Complex Adaptive System,CAS），最早是在 1995年由 Eberhart和Kennedy提出，国内外学者对PSO算法进行了大量的研究[5-8]。PSO算法由于其容易实现的特点，取得了大量的实际应用，但它和其它随机优化算法一样，也存在早熟收敛现象，极易陷入局部收敛。在粒子群优化算法中，算法的收敛速度和精度是相互矛盾的，在算法初期，希望算法拥有较大的搜索步长，快速收敛到最优解附近，但较大的搜索步长同时也意味着算法后期不易收敛，还可能从全局最优区域中跳出。在粒子群算法中，动态权重对算法搜索精度有着很大的影响，文献[9-12]均对算法中的权重系数进行了研究，取得了良好的效果。

本文在已有研究的基础上，使算法中的权重系数根据当前粒子到全局最优粒子的距离而动态递增，同时为了避免算法过早陷入局部最优，在标准粒子群算法中引入模拟退火思想，使每个粒子的速度和位置更新过程中加入模拟退火机制，使粒子群按Metropolis准则接受优化解的同时概率接受恶化解，有效避免局部收敛。……